腾讯混元大模型语音算法工程师/专家

1.负责语音/音频大模型研发，包括语音对话（语音交互/音视频对话）、音频理解（ASR/音频caption）、音频生成（TTS/视频配音）等模型研发； 2.负责语音/音频大模型的预训练、后训练、强化学习（文本和音频强化）相关的数据和算法工作； 3.负责语音对话/音频理解/音频生成的模型开源以及产品落地（比如语音对话产品全链路端到端优化、音频理解在噪音/口音/远场/音效音乐场景的优化、语音合成在播报/闲聊/游戏/社交等场景的优化）。

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.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.跟踪业界最新的语音生成算法研究，探索下一代语音、音频生成新范式，拓展语音生成边界能力； 2.探索多模态语音大模型的前沿技术，结合文本、语音、视觉等技术提升语音交互体验； 3.负责语音大模型的技术研发工作，推动模型性能提升与创新应用。