腾讯腾讯云--- 音频语音识别/理解算法高级工程师
任职要求
1.硕士及以上学历，声学、信号处理等其他相关专业； 2.对于音频处理领域与背景有深刻理解，具备一定声学信号处理数学建模能力，对于大模型llm量化与训练经验、特定人声增强、端到端多语种语音识别、轻量级端侧高效语音识别、个性化声纹情绪等语音合成有实际项目，且参加过相关比赛的同学优先； 3.在Wenet、K2、Whisper等开源社区方案中任意一种实际项目开发经验的同学优先； 4.熟练使用Python、C、C++等编程语言，以及精通AI训练与推理，熟练使用Pytorch与Tensorflow优先。 加分项 1.在同等条件下，通过腾讯云认证或取得同等资格认证的候选人，我们会优先考虑。
工作职责
1.负责语音识别ASR应用涉及的效果调优与实现，比如多语种语音识别与翻译（中/英/法/日/韩/东南亚/中东等）、端侧超级轻量级高效ASR的落地实现、解决目标说话人增强的ASR相关技术的落地、声学/语意vad等； 2.负责语音识别asr-llm大模型与前沿技术调研与落地，比如更合理的语音与文本对齐、适用于多语种的模型方案、更高效的弱监督数据筛选流程等； 3.负责跟踪并复现业界最前沿的音频处理方案，并能融合优化当前效果。
1.负责语音识别ASR应用涉及的效果调优与实现，比如多语种语音识别与翻译（中/英/法/日/韩/东南亚/中东等）、端侧超级轻量级高效ASR的落地实现、解决目标说话人增强的ASR相关技术的落地、声学/语意vad等； 2.负责语音识别asr-llm大模型与前沿技术调研与落地，比如更合理的语音与文本对齐、适用于多语种的模型方案、更高效的弱监督数据筛选流程等； 3.负责跟踪并复现业界最前沿的音频处理方案，并能融合优化当前效果。
1、洞察媒体领域业界先进技术及发展趋势，以客户应用场景为假设，围绕媒体信息流（采集、传输、存储、呈现、理解、边界、生成）所需的核心技术，持续创新和突破； 2、从事媒体领域，包括：图像/视频/音频/ARVR算法的研究创新、评测及工程化落地，实现公司在媒体领域的技术竞争力领先； 3、负责媒体编解码领域标准制定，构建标准和产业发展的领导力； 4、围绕媒体基础应用，比如手机拍照、视频、ARVR、音频音效等，打造最终用户极致体验。
技术领导与架构： 负责翻译/同传类App的整体技术架构设计、技术选型与攻坚，确保应用的高性能、高可靠性与可扩展性。 核心功能开发： 主导实现实时音频流处理功能，包括低延迟采集、降噪、回声消除（AEC）、语音活动检测（VAD）。 主导实现音视频同步录制、播放与实时处理逻辑。 深度集成并优化云端或端侧AI语音识别（ASR）、机器翻译（MT）、语音合成（TTS） 引擎的SDK。 实现复杂的多语言UI与交互逻辑，如对话模式、字幕实时渲染、会议记录等。 性能优化： 持续优化应用的性能、内存占用和功耗，特别是在后台长时间运行及处理高强度音频任务时的稳定性。 代码与质量： 编写高质量、模块化、可维护的代码；建立并推行代码规范；主导Code Review，提升团队整体技术水平。 协作与沟通： 与产品经理、设计师、后端工程师及AI算法工程师紧密协作，共同定义API接口，推动产品迭代。
1、评审机器人麦克风阵列及声学硬件方案，提供软件接口与优化建议； 2、参与语音前端模块优化，例如多通道噪声抑制、回声消除和自动增益等算法的优化和设计； 3、参与开发并优化端侧语音唤醒与声源定位模块； 4、调优 ASR 声学模型与解码器参数，提升识别准确率与鲁棒性； 5、与硬件、嵌入式、测试及产品团队协作，推动语音软件方案落地。