腾讯音乐技术研究-歌声合成方向
任职要求
1.博士学历，具备扎实的编程基础和算法能力； 2.熟悉语音/歌声合成相关技术，理解Diffusion，Transformer，LLM原理，对于DiffSinger，So-Vits-SVC等歌声合成模型非常熟悉； 3.熟悉常用歌声合成框架，包括但不限于专用歌声声学…
工作职责
1.负责QQ音乐/全民K歌中歌声合成/转换相关工作，包括全民K歌AI歌声，启明星音色“魔法师”，AI力宏歌声合成等歌声合成算法研究； 2.负责歌声合成/转换等领域展开技术研究和落地，包括算法研究和工程实现; 3.负责跟进行业前沿技术发展趋势，跟踪国际最新算法发展方向和相应技术。
1、参与基础设施（网络、存储、数据库）的设计、开发和优化； 2、学习和运用相关技术，例如：虚拟化、容器、分布式系统、微服务架构等。参与解决大规模分布式系统中的技术难题，提升产品的性能、稳定性和可扩展性； 3、与团队成员紧密合作，共同完成产品迭代和项目交付。
1、参与基础设施（网络、存储、数据库）的设计、开发和优化； 2、学习和运用相关技术，例如：虚拟化、容器、分布式系统、微服务架构等。参与解决大规模分布式系统中的技术难题，提升产品的性能、稳定性和可扩展性； 3、与团队成员紧密合作，共同完成产品迭代和项目交付。
包含GPU、网络、大模型框架等细分方向。 1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题； 2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。 1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术； 2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题； 3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。
包含GPU、网络、大模型框架等细分方向。 1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题； 2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。 1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术； 2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题； 3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。