网易大模型算法工程师（TTS & AI音乐方向）
任职要求
1、计算机、人工智能、电子工程、信号处理或相关领域硕士及以上学历； 2、扎实的机器学习/深度学习基础，熟悉 Transformer、Diffusion、GAN、Flow Matching 等主流生成模型； 3、精通 Python，熟练掌握 PyTorch/TensorFlow 等主流深度学习框架； 4、熟悉音频处理基础，如 STFT、Mel 频谱、f0 提取、音频编码、声码器（Vocoder）等； 5、具备 TTS、VC、SVS、音频生成或语音模型相关的项目经验； 6、具备大规模分布式训练经验，包括数据并行、模型并行、流水线并行等； 7、良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。 【优先条件】 1、有音乐基础、具备音…
工作职责
1、负责将声学知识（人声和音乐）应用于文本到语音（TTS）与文本到音乐生成场景，从应用链路的各个环节提升声音质量，包括语音自然度、情绪表达、音色一致性，以及音乐的旋律优美度、节奏准确性等，以满足实际场景需求； 2、深入理解音乐结构（旋律、和声、节奏、情绪）与音频信号处理，将音乐理解相关特征引入 TTS/SVS 模型，提高音乐性、可控性与生成质量； 3、参与歌声合成（SVS）和声音克隆（VC）相关模型的研发与调优，包括音高曲线控制、韵律建模、音色迁移、多风格歌唱生成等； 4、跟进行业前沿的 TTS、歌声合成、音频生成模型技术（如 Diffusion、Flow Matching、GAN、Neural Codec、音频 LLM 等），并将其有效应用于实际业务场景； 5、构建与维护大规模音频与语音训练数据集，设计高效的数据清洗、标注、增强、去噪与特征提取流程； 6、分析与解决应用中的关键问题，如音质退化、发音错误、韵律异常、音色偏移等，并持续优化模型性能； 7、与音乐制作、产品、内容团队协作，推动模型在 AI 音乐创作、AI 歌手、AI 语音助手、语音互动等场景的落地，并根据反馈持续迭代。
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。
1、负责团队自研语音生成基模的预训练 & 后训练； 2、优化基模zero-shot、多语种、长文本长上下文稳定性； 3、持续提升团队内部voice-desgin & voice-style-control & voice-remix等技术上线等。
1. 面向Agentic OS，参与端侧大模型架构设计与训练、训推一体的端侧大模型新架构探索落地与跨场景执行能力的系统级Agent算法体系建设；目标为通过算法与硬件的协同设计，在极小的功耗和内存预算下，实现极致的模型性能。 2. 负责大语言模型、多模态大模型在端侧场景下的继续预训练（CPT）、后训练（SFT, OPD, RL等）及持续学习，构建从数据清洗到模型落地的全链路训练pipeline。 3. 针对端侧芯片和内存特性，设计新型模型结构，探索参数共享与稀疏化方案。 4. 主导量化感知训练（QAT），实施低比特量化（如INT4/INT8），在保证精度的前提下压缩模型体积与显存占用。 5. 运用知识蒸馏（Knowledge Distillation），将云端大模型（Teacher）的能力迁移至端侧小模型（Student），攻克“大改小”的能力衰减难题。 6. 建立端侧模型评测体系，不仅关注准确率，更关注首字延迟（Prefill）、生成速度（Decoding）、功耗峰值等硬性指标。 7. 前沿技术探索与成果产出，建立Agentic OS的算法创新壁垒，推动顶级会议论文与核心专利产出。
1.研究实现AGI的关键能力，通过技术愿景驱动研究工作。负责大语言模型和多模态大模型的训练和优化（包括预规划、后训练等）长期课题的研究，提升大语言模型的能力，并在广泛业务场景中产生价值。 2.负责LLM训练相关的工作，包括后预训练、Instruction Tuning以及强化学习等； 3.深入参与数据及评估体系建设、大规模训练、指令微调、偏好对齐、模型优化等关键工作； 4.探索大模型底层技术突破，深入大模型基础架构前沿研究（如MoE、注意力机制、x等），探索新型架构和技术创新。