阿里巴巴音视频数字人多模态大模型算法研究和应用-A Star
实习兼职阿里巴巴2027届实习生地点：北京 | 杭州状态：招聘
工作描述
任职要求 1.计算机、电子工程、人工智能等相关专业硕士或者博士学历 2.在以下一个或多个领域有深入研究经验： ·语音识别（ASR）/ 语音合成（TTS）/ 语音情感识别（SER） ·多模态大语言模型（Multimodal LLM） ·端到端语音对话系统（Spoken Dialogue System） ·自然语言处理（NLP）/ 对话系统（Dialogue System） ·在顶级学术会议或期刊发表过高质量论文，包括但不限于：ACL、EMNLP、NAACL、NeurIPS、ICML、ICLR、AAAI、Interspeech、ICASSP等 3.熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备扎实的工程实现能力 4.具备优秀的学习能力、独立研究能力和团队协作精神，对用AI技术改变人机交互方式充满热情 加…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
学历+
语音识别+
https://developer.nvidia.com/blog/essential-guide-to-automatic-speech-recognition-technology/
Over the past decade, AI-powered speech recognition systems have slowly become part of our everyday lives, from voice search to virtual assistants in contact centers, cars, hospitals, and restaurants.
语音合成+
https://www.ibm.com/think/topics/text-to-speech
Text to speech (TTS) is a type of technology that converts text on a digital interface into natural-sounding audio.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
NLP+
https://www.youtube.com/watch?v=fNxaJsNG3-s&list=PLQY2H8rRoyvzDbLUZkbudP-MFQZwNmU4S
Welcome to Zero to Hero for Natural Language Processing using TensorFlow!
https://www.youtube.com/watch?v=R-AG4-qZs1A&list=PLeo1K3hjS3uuvuAXhYjV2lMEShq2UYSwX
Natural Language Processing tutorial for beginners series in Python.
https://www.youtube.com/watch?v=rmVRLeJRkl4&list=PLoROMvodv4rMFqRtEuo6SGjY4XbRIVRd4
The foundations of the effective modern methods for deep learning applied to NLP.
ACL+
https://www.aclweb.org/portal/
Computational linguistics is the scientific study of language from a computational perspective.
EMNLP+
NeurIPS+
https://neurips.cc/
ICML+
https://icml.cc/
还有更多 •••
相关职位
实习阿里巴巴研究型实
【必备项】 1、硕士及以上学历，通信、计算机、数学等相关专业，具备良好的音视频专业基础； 2、有较好的工程实现能力，精通C/C++、Python等至少一门编程语言，较强的逻辑、数据分析能力； 3
更新于 2026-03-20北京|杭州
社招3-5年多媒体技术
1、本科及以上学历，计算机软件、人工智能、网络安全、数据分析等相关专业； 2、有音视频策略、算法等相关开发经验，包括但不限于端智能、用户画像等； 3、扎实的数据结构和算法基础，精通C/C++编程语言，
更新于 2026-06-06北京|上海|广州
社招3-5年J0012
1、教育背景：计算机、通信或相关专业本科及以上学历； 2、经验要求：具备 1年以上 音视频/直播流媒体服务端开发经验； 3、开发语言：熟练掌握 Go 或 C++，具备扎实的系统编程能力、良好的数据结构
更新于 2026-08-11北京
社招1-3年J0011
1、计算机、统计学、数学或相关专业硕士及以上学历，具备丰富的机器学习、计算机视觉等项目经验，拥有扎实的数据分析与建模基础； 2、在以下至少一个方向有深厚的项目经验和技术洞察力：视频质量评价、多模态内容
更新于 2026-05-26北京