荣耀AI语音交互系统算法专家
任职要求
1、计算机、人工智能、信号处理、模式识别、数学、声学等专业本科以上学历； 2、具备扎实的数学基础，具备数字信号处理等相关专业知识； 3、能够熟练使用至少1种编程语言，如：C/C++、Python、Matlab等，具备端到端的算法方案验证能力； 4、有手机、平板、TWS耳机等消费电子类产品音频特性开发经验者优先； 5、五年以上音频工作经验。
工作职责
1、结合AI语音交互相关的业务(包含音频前端增强、声纹识别、命令词识别、唤醒)，连接学术界和产业界，洞察未来业务方向，引导团队在AI语音交互方向做出有竞争力的算法方案； 2、对业界高校、三方公司在音频算法方向的技术发展进行深入洞察，推进技术合作； 3、布局、跟踪音频AI方向新技术，为产品算法的竞争力负责。
1. 负责通义实验室语音团队的语音处理算法研发，通过深入理解全链路技术挑战和推动语音前后端协作，不限于语音增强、回声消除、麦克风阵列（波束形成、声源定位等）、语音唤醒、多模检测、轻量化ASR/TTS/LLM等任务，打造行业领先的语音处理算法。 2. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。
1. 负责语音识别相关算法的研发与优化，包括唤醒词模型、ASR（自动语音识别）系统的性能提升； 2. 参与外呼场景中的语音交互系统建设，提升语音识别在复杂环境下的鲁棒性和准确率； 3. 结合大模型技术，探索语音识别与生成式AI的融合应用； 4. 研究并落地RAG（检索增强生成）技术在语音语义理解中的应用； 5. 探索基于Agent技术的智能语音交互架构，构建端到端的语音智能解决方案。
团队介绍： 我们是阿里巴巴通义实验室语音团队，在音频AI领域持续推动技术创新与产业落地。我们的成果包括： 1. ModelScope平台语音/音频板块核心算法团队 2. FunASR、CosyVoice、3D-Speaker等开源社区发起者与核心维护团队 3. 通义听悟（tingwu.aliyun.com）音频及语义算法团队 4. 阿里云智能语音交互及灵积语音模型服务核心算法提供方 岗位职责： 1. 主导多模态理解/音频大模型的前沿算法研究及产业落地。 2. 音频理解方向： （1）研发语音识别、语音翻译以及音频分析等理解算法。 （2）开发跨模态（语音/文本/视觉）的音频语义理解系统。 （3）探索音频大模型架构设计。 （4）推动算法成果转化：通过ModelScope开源社区创造研究价值，或通过阿里云产品体系创造商业价值。 （5）持续跟踪国际前沿技术动态（ICASSP/Interspeech/NeurIPS/ICLR等），参与国际会议、研讨会，与全球顶级团队进行交流合作。
1. 负责通义实验室多模态口语交互的算法研发，通过深入理解全链路多模态交互技术，推进大模型增强的语言交互技术能力建设。 2. 多模态交互： （1）端到端多模态联合建模 - 语音/视觉/文本等模态融合并应用于人机交互场景。 （2）多模态交互应用算法 - 意图动态规划、多智能体协作、多任务推理、主动交互。 （3）多模态对话系统设计 - 多轮交互状态管理、情境感知、情感理解及生成控制。 3. 音视频内容理解： （1）转写内容后处理 - 书面化、标点、分段分章节。 （2）音视频分析 - 分角色、语种判别、视频场景划分。 （3）口语内容长篇章理解及生成。 4. 探索多模态口语交互技术落地于实际应用场景，包括但不限于： （1）消费电子-智能穿戴实时交互、手机多模态助手、具身机器人环境感知。 （2）内容消费-音视频媒资、会议场景、电销通话多模态理解等。 5. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。