资深大模型语音对话算法工程师(MJ035244)

岗位职责

职位描述

1、负责语音大模型、智能对话、电话机器人核心算法研发与迭代，主导大模型全双工语音交互、实时语音打断、抢话识别核心能力搭建与优化，支撑智能客服电话、旅游多语言交互等企业级场景落地。

2、支持语音大模型的训练和识别率优化，重点攻克语音对话中的噪声场景适配、大模型全双工双向流式并发、打断边界判定、边说边听、用户情感与意图精准理解等核心问题。

3、负责语音大模型领域适配优化，基于 Prompt Engineering、LoRA/QLoRA 微调等方案开展实验迭代，完成模型效果评测、对比调优与技术沉淀、场景适配；同时针对打断触发、拒打扰、人声检测做精细化策略调优。

4、研发多模态（语音 + 文本）交互、智能语音对话算法，优化拟人 TTS 合成、多轮对话理解、生成与表达能力，迭代全双工对话逻辑、打断恢复、上下文接续机制，大幅提升人机交互自然度与拟人感。

5、搭建轻量化语音对话推理引擎，负责流式建模、解码器优化、模型量化压缩、VLLM/SgLang/TensorRT 推理加速，适配全双工流式推理架构，保障业务低延迟、高并发、实时打断响应的交互需求。

6、跟进语音大模型前沿技术，落地 Codec 编解码、ASR-TTS 联合优化、端到端语音对话等技术，攻坚全双工链路时延优化、人声分离、背景音抑制与打断鲁棒性等技术难点，沉淀标准化技术方案。

任职资格

1、硕士及以上学历，计算机、人工智能、电子信息、声学、自动化等相关专业，3 年及以上语音识别 / 语音大模型 / 智能对话算法全职研发经验，有全双工语音交互、语音打断、边说边听落地经验优先。

2、精通 Python/C++，熟练使用 PyTorch、TensorRT 等工具链，具备数据处理、模型训练、微调优化、推理部署全流程实战能力，有流式全双工架构搭建、打断算法策略研发经验。

3、熟练掌握流式建模、TTS-ASR 联合优化、全双工时序对齐、端点检测 VAD、打断意图识别等现代语音技术栈，可独立拆解业务需求、设计整体技术方案与交互逻辑。

4、熟悉 LoRA/QLoRA 大模型微调技术，具备完整的算法迭代、性能优化、效果评估、线上问题排查的项目落地经验；熟悉打断阈值调优、拒打扰策略、多轮对话打断上下文管理者加分。

5、了解语音大模型 Codec 编码、语义理解、对话生成、能力对齐技术，有多语言语音识别、语音多模态交互、电话机器人、全双工智能外呼 / 客服机器人项目经验者优先。

6、逻辑清晰、数据敏感，具备良好的问题攻坚、团队协作与沟通能力，可独立负责全双工交互、语音打断模块攻坚与技术迭代。

任职要求

（暂无）