百度语音技术部_语音技术工程师(J54057)

-负责语音识别、VAD、唤醒、OCR等算法引擎的开发、优化、交付等 -负责语音相关算法的DSP相关移植工作 -负责与语音算法团队进行相关技术的验证优化 -语音产品线上问题分析与跟踪，协助业务部门解决语音算法落地问题

【工作任务】 负责智能客服、语音分析质检、数字人交互等场景中的NLP算法研发，基于大模型与RAG，打造智能对话引擎和语音分析平台。

团队介绍： 高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、跨模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。 团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。近期部分技术（https://arxiv.org/abs/2507.12197）和产品进展介绍（https://mp.weixin.qq.com/s/cCeHbNW0jbC_LNVPZlGeHg） 具体职责包括但不限于： 1、语音识别、唤醒、语音与大模型融合等语音模块的研发，独立研究并完成业务落地； 2、结合高德出行导航、语音交互等业务场景，不断完善提升复杂业务场景下的语音理解能力。 3、与产品、工程架构团队一起完成技术方案的部署上线与性能优化，实现价值闭环。 4、持续追踪跟进业界前沿先进语音技术，结合业务需求开展技术创新与预研。

团队介绍： 高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、多模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。 团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。 具体职责： 围绕voice agent/speech language model的研究工作，包括但不限于如下事项： 1. 为满足AGI时代"活人感"语音交互的需求，致力于完成包括但不限于以下目标：复杂声学+时空信息的声学理解、通过图灵测试水平的交互节奏 / 交流内容 / 语音输出，并完成所需的技术创新； 2. 多模态对话大模型的研发、语音对话pipeline方案以及端到端方案的交互能力搭建、全双工交互能力搭建，落地到高德多项agent应用场景； 3. 跟进最领先的语音理解/语音生成/语音交互技术，包括但不限于提出新的技术框架、改进现有的算法、持续提升相关技术及业务指标，鼓励撰写论文及申请专利； 4. 探索前沿方向，如更加高效且合理的模型架构、跨模态（文字/语音/视觉）混合训练的最佳实践、基于speech language model的后训练技术、COT Reasoning in streaming full-duplex、proactive interaction，等等。结合全链路各个agent，持续提升voice agent的交互体验； 5. 海量的语音数据的处理构建：定性分析、定量评估、参与设计自动评估框架，研发 scalable 的改进方案，持续提升数据质量。