语音大模型算法工程师

岗位职责

1. 面向实时交互场景，打造端到端、低延迟、具备共情能力的 Voice Agent，持续提升语音交互的自然度、智能性与用户体验。
2. 负责全双工语音大模型的研究与落地，探索“大小脑”等双工模型架构及前后台模型协同机制，推进语音 Agent、工具调用、多轮对话管理等关键技术在实时对话、客服、AI助手等场景中的应用与优化。
3. 参与语音数据的采集、清洗、筛选和质量评估，建设规范化的数据处理流程；构建覆盖多轮对话、情感表达和实时交互等场景的高质量数据集，持续提升数据质量与训练效果。
4. 跟踪语音大模型及 Voice Agent 领域的前沿进展，复现和评估有价值的技术成果，并结合业务需求完成算法优化、工程化部署与效果迭代。

任职要求

1. 计算机、电子工程、信号处理、数学等相关专业硕士及以上学历，具备 3 年及以上语音、大模型或多模态算法相关工作经验。
2. 在音频大模型预训练、端到端语音建模、全双工语音大模型、多模态理解与生成等方向有深入研究或实践经验，并具备大规模数据训练经验。
3. 熟悉全双工语音大模型及实时语音交互技术，了解 Moshi、Qwen 系列实时音频模型及相关研究进展；能够深入分析其模型架构、训练方法与系统实现，并结合业务需求开展技术选型和优化。
4. 编程基础扎实，熟练使用 Python，熟悉 PyTorch 等深度学习框架，具备模型开发、训练、推理优化及工程部署能力。
5. 在 NeurIPS、ICML、ICLR、ACL、ICASSP、Interspeech 等领域重要会议发表过相关论文，或具备高质量算法实习经历、ACM 等编程竞赛获奖经历者优先。

部门

AIoT产品事业部

职位类型

技术