阿里巴巴数据技术及产品部-大模型语音工程师-输出侧
任职要求
1.语音 / 音频领域 3 年以上研发经验（高质量博士 / 硕士研究阶段计入），在所选方向至少一个细分领域有深度技术积累；有论文发表记录优先； 2.具备评测系统设计和实施经验，能独立将模糊的质量维度转化为可量化指标； 3.精通 Python，熟悉主流语音处理工具链与评测工具； 4.对领域前沿保持持续好奇，善于运用 AI 工…
工作职责
1.在阿里集团语音大模型及相关业务场景下，参与输出侧与系统级交互评测路线图的执行落地，负责所属方向在组件级、系统级、产品能力三个层次的体系建设； 2.设计新型评测方法论，将模糊的音质感知、交互体验、对抗鲁棒性等维度转化为可标注、可量化、可复现的指标体系；并参与产品能力评测的具体落地，为业务场景实现场景化 Profile； 3.构建高吞吐量评测基础设施，把单次评测从手工脚本变成可调用的研究工具，支持模型团队的高频迭代节奏； 4.分析评测结果并归因模型缺陷，将技术发现转化为模型团队可执行的改进建议； 5.设计对抗性测试（红队测试），构建高质量评测数据集，并设计防数据泄露与防刷分机制，系统性发现模型边界 case； 6.定期独立横评所属方向的竞品语音能力，跟踪行业进展；参与方法论研究并产出顶级会议论文（ICASSP / Interspeech / ACL 等）； 7.示例研究方向（任选其一深入负责）：(1) TTS / 语音克隆方向——建立自然度、韵律多样性、中文声调多音字专项等评测方法论；(2) 系统级语音交互方向——建立延迟、全双工、打断、多轮记忆、情感、安全等评测方法论，含模拟用户测试与中文适配。
1.开展音频模型能力评测建设，基于评测的错误类型、分布，能针对性构建音频数据，提高模型特定表现，并能够通过对数据有效性的评测，验证数据有效性； 2.建设AI音频应用业务评测维度、指标体系、业务评测集并开展深入的评测分析工作。产出评测报告，学术benchmark等有影响力的创新工作。
1.在阿里集团语音大模型及相关业务场景下，参与评测路线图的执行落地，负责所属方向在组件级、系统级、产品能力三个层次的体系建设； 2.设计新型评测方法论，将模糊的音质感知、对抗鲁棒性等维度转化为可标注、可量化、可复现的指标体系；并参与产品能力评测的具体落地，为业务场景实现场景化 Profile； 3.构建高吞吐量评测基础设施，把单次评测从手工脚本变成可调用的研究工具，支持模型团队的高频迭代节奏； 4.分析评测结果并归因模型缺陷，将技术发现转化为模型团队可执行的改进建议； 5.设计对抗性测试（红队测试），构建高质量评测数据集，并设计防数据泄露与防刷分机制，系统性发现模型边界 case； 6.定期独立横评所属方向的竞品语音能力，跟踪行业进展；参与方法论研究并产出顶级会议论文（ICASSP / Interspeech / ACL 等）；
1.开展音频模型能力评测建设，基于评测的错误类型、分布，能针对性构建音频数据，提高模型特定表现，并能够通过对数据有效性的评测，验证数据有效性； 2.建设AI音频应用业务评测维度、指标体系、业务评测集并开展深入的评测分析工作。产出评测报告，学术benchmark等有影响力的创新工作。
1. 负责语音大模型评测体系的系统性建设，围绕ASR、TTS、音频理解、语音对话等核心能力，设计全面、科学、可持续迭代的评测方案。 2. 主导音频评测数据集的建设工作，深入调研前沿音频评测基准，负责数据需求规划、采集方案设计、标注规范制定与质量审核全流程，持续优化评测维度与指标体系。 3. 设计音频领域自动评分与人工评审相结合的混合评测方案，制定主观听感评测标准，建设自动化评测链路，持续验证自动化及人工评测结果的一致性。 4. 输出高质量评测报告，从语言学/语音信号专业视角清晰呈现模型在各维度的能力表现，识别模型的典型失败案例与能力边界，为模型迭代提供具体可操作的改进建议。 5. 与模型研发、数据、产品等团队紧密协作，将评测结论有效转化为模型优化建议，形成评测驱动模型迭代的良性闭环。