腾讯腾讯云语音大模型算法工程师（TTS）
任职要求
1.计算机、人工智能、通信等相关专业，3年+ TTS方向工作经验，硕士及以上学历； 2.熟悉 TTS 基础理论与主流模型，包括 FastSpeech、VITS、CosyVoice 等； 3.精通 Python，熟悉 Linux 与深度学习框架，如 PyTor…
工作职责
1.负责多任务、多语种 TTS 大模型的研发，包括预训练、后训练 与效果优化； 2.负责语音合成核心算法研发，包括 声学模型、声码器、Voice Cloning 等； 3.推动语音合成技术在实时对话、客服、社交、教育等业务场景中的落地与优化； 4.负责大规模语音数据处理与训练体系建设，包括数据清洗、评测、训练； 5.跟踪语音生成领域前沿技术，包括 Flow Matching、 DiTAR、DiT、多模态语音生成等方向。
深入阿里云各行业的真实业务场景，基于阿里的语音与全模态大模型（Omni/ASR/TTS），打造行业领先的领域模型与定制化解决方案，并将核心能力反哺至基座模型。工作内容包括并不限于： 1、业务攻坚与定制化调优：深入理解业务场景（如智能客服、会议转录、车载语音、在线教育等），针对客户真实需求和挑战问题（如高噪音、多说话人、情感感知等）进行算法攻坚和端到端交付。 2、大模型增强：利用后训练全链路技术和数据飞轮（数据构建 → 模型微调 → 强化对齐 → 效果评测），增强模型的语音识别、语音合成、多模态理解、声纹识别等核心能力，并将评测、数据和算法能力沉淀到基座模型，持续提升通用大模型在真实场景中的能力。 3、多模态融合与对齐优化：主导语音信号与文本、图像、视频等模态的深度融合技术研发，解决跨模态语义对齐、噪声鲁棒性、低资源适配等关键挑战。
1. 探索基于大模型的语音双工交互系统关键技术，包括流式语音理解、增量文本生成、打断检测与恢复等； 2. 参与端侧轻量化语音大模型的研发，开展模型压缩（剪枝/量化/蒸馏）、硬件感知优化与高效推理引擎实现； 3. 参与设计并实现端云任务动态协同调度机制，基于网络状态、用户意图、隐私敏感度等多维上下文，智能分配计算负载，实现性能与隐私的最优平衡； 4. 参与构建支持跨端云一致性的多轮对话状态管理框架，确保长上下文语义连贯性与用户记忆的无缝衔接； 5. 参与建立面向真实场景的端云融合语音系统综合评估体系，从延迟、功耗、准确率、鲁棒性到隐私合规性等维度开展系统级测试与优化。
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.负责腾讯云语音产品（大模型ASR）产品的全生命周期管理，推动技术商业化落地，打造行业领先的语音AI解决方案； 2.洞察行业趋势及客户需求，制定腾讯云AI语音产品的产品规划，明确技术迭代与商业化路径； 3.设计语音差异化功能与场景化解决方案，输出PRD并协调技术团队落地； 4.推动语音能力在泛互、教育、消费电子等行业的规模化应用，形成标杆案例进行复制，设计产品商业化定价模型； 5.深度分析竞品动态，制定性能优化、成本控制及体验提升策略。不断提升语音的关键技术指标，协同算法团队攻克行业难点。