传音算法架构师（语音与视觉方向）(J17888)
任职要求
(1) 计算机、电子信息、人工智能等相关专业硕士及以上学历，博士优先。 (2) 5 年以上语音 / 视觉算法研发经验，精通至少两个核心领域（如语音增强 + ASR，或 CV+TTS）。 技术能力 (1) 扎实的语音信号处理基础（如降噪、波束、回声消除）、ASR/TTS 技术栈（端到端模型、声学模型、transformer），或计算机视觉（检测、识别、分割、AIGC生图）。 (2) 熟悉深度学习框架（Tenso…
工作职责
技术规划与方案设计 (1) 负责语音信号增强、语音识别（ASR）、语音合成（TTS）、计算机视觉（CV）等算法领域的技术需求分析，制定中长期技术路线图，形成可落地的系统架构方案。 (2) 将复杂算法需求拆解为模块化任务，协调算法团队、工程团队排期开发，确保技术方案高效实施与迭代。 跨团队技术整合 (1) 跟踪前沿算法研究成果（如端侧轻量化、多模态融合），推动其落地应用。 (2) 设计跨部门协作的技术接口与数据流程，确保算法能力与产品需求无缝衔接，形成差异化的解决方案。 技术决策与创新 (1) 评估技术选型（如模型框架、部署方案），优化算法性能（精度、延迟、资源占用），解决关键技术瓶颈。 (2) 主导预研项目，探索多技术融合创新（如多模态交互、主动感知），为公司战略方向提供技术储备。
1.负责包括android智能终端的语音/图像/大模型等AI算法工程化与系统级服务的开发和落地 2.负责AI交互基础原子能力如识别、人脸、多模态等算法引擎集成和效果优化工作 3.负责面向多终端的端云交互SDK设计和开发 4.负责AI相关算法与服务全链路性能分析和问题定位工具开发 5.负责端侧大模型推理引擎及上层应用的架构设计，集成和性能优化工作 6.撰写和维护架构设计文档、技术文档,保证框架设计的合理性评估,提升团队跨部门沟通协作效率 7.制定、实施统一的代码规范和质量标准,推动团队提升代码质量 8.跟踪及洞察技术趋势,根据业务需要及时输出技术调研报告
【职位描述】 1、设计和实现机器学习平台业务系统, 包括工具链/组件等AI基础设施, 落地业务功能需求； 2、高效优化和部署 计算机视觉、语音识别、语音合成、自然语言处理 等业务模型； 3、与公司各算法部门深度合作, 分析业务性能瓶颈和系统架构特征, 软硬件结合优化, 实现极致性能。
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责字节跳动机器学习平台的开发，支撑公司相关业务的算法生产与高效迭代； 2、设计和实现机器学习相关的基础设施、框架、工具链等，并推动落地到业务中； 3、探索业界前沿的机器学习相关技术，持续提升平台能力、降低算法使用成本。
1.多模态智能体研发：研发大数据领域多模态智能体，融合表格、文本、图像、视频、语音、结构化数据等多源信息，构建感知-推理-决策-交互一体化智能系统，并应用于智能决策，人机协作场景； 2.跨模态理解与生成：设计跨模态对齐与融合算法，提升智能体对复杂语义（如视觉问答、图文生成、视频摘要）的理解与生成能力，开发多模态检索增强技术。