字节跳动语音算法工程师-飞书AI

1、负责核心算法研发： 1）负责语音识别（ASR）算法的设计与优化，构建高精度、低延时的语音处理系统； 2）主导语种识别（LID）、说话人分离（SSD）等语音相关技术的研发与落地； 3）深入探索Whisper/FunASR等开源语音项目，结合业务需求进行技术创新与改进； 2、负责技术应用与优化： 1）将语音算法应用于会议转录、实时字幕、语音消息等ToB办公场景； 2）优化语音模型在云端的推理性能，提升资源利用效率； 3）建设语音领域的高质量数据集及评测体系； 3、工程能力建设： 1）深入使用Python进行算法开发，熟练应用PyTorch/TensorFlow搭建训练Pipeline； 2）构建高性能推理框架，探索TensorRT/Triton/OnnxRuntime等加速工具的应用； 4、跨团队协作： 1）与产品团队合作挖掘用户需求，推动语音技术在产品中的创新应用； 2）与工程团队协作完成模型部署，解决端到端落地中的技术挑战； 5、技术前瞻性研究： 1）持续跟踪ICASSP/INTERSPEECH等顶会最新进展； 2）探索语音与大模型结合的创新方向。

1、设计和研发业界领先的高性能端云算法引擎，提供满足语音识别，对话交互，语音合成，音频检索等场景的核心原子能力； 2、负责深度优化核心引擎，包括端云一体的高性能计算引擎，音频特征处理引擎，大规模解码引擎，音频合成引擎，音频特效引擎，对话交互引擎，音频检索引擎等常用引擎极致优化； 3、负责算法落地性能评估和分析，制定技术规划和性能标准，持续加强提升关键技术竞争力； 4、负责为字节跳动产品（今日头条、抖音、抖音火山版、西瓜视频、飞书、番茄小说等）提供AI语音理解、对话以及语音合成等方面的能力，用AI技术影响数亿用户。

1、设计和研发业界领先的高性能端云算法引擎，提供满足语音识别，对话交互，语音合成，音频检索等场景的核心原子能力； 2、负责深度优化核心引擎，包括端云一体的高性能计算引擎，音频特征处理引擎，大规模解码引擎，音频合成引擎，音频特效引擎，对话交互引擎，音频检索引擎等常用引擎极致优化； 3、负责算法落地性能评估和分析，制定技术规划和性能标准，持续加强提升关键技术竞争力； 4、负责为字节跳动全系产品（今日头条、抖音、抖音火山版、西瓜视频、飞书、番茄小说等）提供AI语音理解、对话以及语音合成等方面的能力，用AI技术影响数亿用户。

字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 负责公司大模型的研发和应用，研究相关技术在插件、agents、toB、飞书、医疗等领域的全新应用和解决方案，满足用户不断增长的智能交互需求，全面提升用户在未来世界的生活和交流方式。 1、探索超大规模模型，并进行极致系统优化； 2、数据建设、指令微调、偏好对齐、模型优化； 3、相关应用落地，包括生成创作、逻辑推理、代码生成等； 4、在未来生活中的更多使用场景的深入研究和探索。