滴滴大模型语音算法工程师(J251127015)
任职要求
1、 熟悉主流语音合成框架（如 CoSyVoice、F5、Bert-VITS、GPT-SoVITS 等），并具备实际调优经验。 2、熟悉常见音频表征模型（hubert / best-rq 、wav2bert2.0）、有小语种方言落地经验优先、 3、具备大规模语音预训练、后训练（Post-…
工作职责
1. 参与语音大模型 应用研发与落地 2. 参与语音全双工语音交互、包含打断、拒识、判停 3. 参与 语音理解、语音生成、语音端到端等大模型效果优化
-负责语音相关核心算法的研发与优化，包括但不限于：自动语音识别（ASR）、语音合成（TTS）与声音克隆、语音分类与建模 -构建语音模型的训练与推理框架，推动关键模型的稳定上线与效果持续迭代 -跟踪语音领域前沿研究，探索并推动前沿技术在实际业务中的落地应用 -参与多模态场景下语音能力的集成与调优，提升整体模型的智能感知与表达能力 -与产品、工程团队紧密协作，共同推进语音技术在智能客服、会议纪要、数字人等场景的应用落地
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。
参与构建新一代电商语音认知引擎，通过大模型技术实现语音交互与商品理解的双向增强，打造全球领先的电商领域语音智能中枢，支撑淘宝亿级DAU场景的语音搜索、智能导购等核心业务。 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、语音理解等相关大模型语音模态能力的建设，提升跨模态整体效果。 3. 跟踪、探索大模型方向，将各模态的SOTA能力集成到模型底座上，提升识别以及搜索能力，提升团队技术先进性。