万兴科技AI音频评测工程师

在这里，你可以接触音频行业前沿技术、第一时间了解世界尖端音频设备仪器，学习与参与国家和国际音频标准的制定，有机会与行业内顶尖专家一起工作，共同探索手机音频技术。具体工作内容包括： 1.负责产品的声学特性分析，制定音频主客观评测标准，指引效果调试优化方向，对音频效果目标达成负责； 2.参与构建标准化声学测试环境，建立行业领先的音频评测体系，持续提升音频评测技术能力； 3.参与构建音频自动化评测平台； 4.负责用户调研，构建用户大数据模型，输出用户体验报告； 5.分析行业竞品音频特色和优势，并跟进落实音频效果改善，洞察声学产品的发展趋势。

音视频生成大模型评测体系建设与演进及业务保障，负责包括但不限于视频生成大模型中音频生成模块（Audio Gen）及音视频一体化的算法效果。不仅是评测的执行者，更是评测体系的架构师，通过深度的算法归因分析，驱动音频 VAE等核心组件的算法优化和迭代。 1、音视频一体化评测体系建设： 1）音频生成与音频理解相关算法、评测方法及评测指标体系具有深入理解，熟悉常见视频与音频质量评估方法，能够结合业务场景设计合理的评测方案； 2）建立从底层算子（VAE, Latent Space）到上层生成效果的全链路评测标准； 3）定义并量化音画同步性、语义关联度、音频美学表现力等关键维度； 2、Benchmark 与方法论沉淀： 1）构建具有行业领先水平的音频生成 Benchmark，涵盖音乐、环境音、音效（SFX）及人声等； 2）沉淀主客观结合的评测方法论，包括客观指标（FAD、KL Divergence、IS、CLAP Score）与专家级主观评价量表（MOS, MUSHRA）； 3、深度诊断与归因分析：输出专业评测报告，深度分析，定位模型缺陷，如针对音频 VAE 压缩失真、音频扩散模型频谱缺失、相位扭曲等问题进行深度诊断，并给出改进建议； 4、前瞻性调研与实验：持续跟踪 AIGC 领域（如 ElevenLabs、Suno、Stable Audio等）前沿技术动态，将行业最新的模型能力和技术路线转化为可落地的评测方案； 5、评测工具与平台化驱动：参与或主导自动化评测工具与平台的开发，利用技术手段提升大规模音视频数据的评测效率，探索基于大模型的自监督评测（LLM-as-a-judge）等创新手段。

团队介绍：语音团队致力于语音、音频、音乐等大模型AIGC技术的研发和产品创新，我们的使命是通过多模态AIGC音频技术赋能内容创作与语音交互，让内容生产、消费与互动变得简单、沉浸、多元化。当前团队已有成熟的语音生成、声音克隆、音频理解与处理、音乐理解和生成等领域的技术，一方面以中台形式服务于公司众多业务线，另一方面，通过火山引擎开放平台-AI中台-音频技术、商用音乐平台-易颂等，向众多企业开放技术成熟稳定的能力和服务。 1、负责字节跳动语音相关产品的TTS、ASR、多模态交互模型等场景的效果评估，站在用户视角构建端到端的算法效果评测体系； 2、深入业务结合业务需求痛点，设计完备的算法效果质量保障、评测方案；构建合理且置信的标准化评测体系，解决业务评测效率和效果问题； 3、推动通用人工智能评测方案的升级迭代，逐步推广至公司内的商业化平台。

1. 负责音频大模型的高质量的数据构造及模型评测工作，与算法团队密切合作，理解算法需求，提供满足算法研发需求的数据； 2. 设计和实现TTS/ASR/文生音乐等模型的数据标注生产工作，并不断优化迭代，高效完成标注和内容生产项目； 3. 构建并维护一套完善的各领域AI数据内容质量管理体系，积极推动组织流程及交付流程优化，全面把控内容质量并对结果负责，并不断进行优化迭代； 4. 开展音频大模型及应用的评测体系方案建设，能够从各领域专业层面设计专业评测方案、开展专业的评测服务； 5.承担本方向数据处理、数据清洗、数据蒸馏、数据合成等多样数据工程工作。