腾讯混元语音与音频理解方向研究员（语音生成方向）（北京/深圳/上海）

1.负责大模型语音模态的设计、开发和优化，包括但不限于语音/音频数据清洗、模型设计、训练策略等方面的研究与应用； 2.参与语音识别、语音合成、声音克隆等相关大模型语音模态能力的建设，提高跨模态整体效果。

1.多模态驱动引擎开发,通过对文本/语音/视觉等信息，构建虚拟人表情、动作的驱动大模型； 2.设计多模态条件生成框架，实现语音、表情、镜头、肢体动作的联合优化； 3.开发多模态特征同步技术：语音-表情时序对齐、文本语义-镜头运动关联建模。

1.负责大语言模型在人机语音交互、音视频对话能力上的算法设计优化； 2.调研业界前沿算法，追踪最前沿的技术动态，并应用在相关的项目中； 3.参与产品讨论，基于技术对产品提出改进建议。

1.通过对广泛业务中用户行为和反馈的研究，确定自研LLM的改进空间、优先级，以及相应的改进手段； 2.与业务团队合作，将混元模型能力整合到产品及服务中； 3.对齐数据采集和生产的方法，确保数据质量保持在高标准，并根据定量和定性反馈不断改进流程，有一到两个行业的专有数据经验优先。