阿里云阿里云智能-语音&全模态大模型算法工程师-后训练方向-杭州/北京
任职要求
1、计算机、人工智能等相关专业硕士/博士学位，在语音处理、多模态学习、大模型后训练等领域具备扎实的理论基础； 2、实战经验与工程能力： ● 有实际落地语音或音视频多模态项目经验，能处理真实场景中的噪声、口音、多说话人、低资源等问题； ● 熟悉主流语音模型（如 Nvidia-Nemotron-Speech 等）及多模态大模型（如 Qwen-Omni等）架构； ● 精通大模型后训练技术，包括监督微调、指令微调、强化学习对齐、持续学习等； ● …
工作职责
深入阿里云各行业的真实业务场景，基于阿里的语音与全模态大模型（Omni/ASR/TTS），打造行业领先的领域模型与定制化解决方案，并将核心能力反哺至基座模型。工作内容包括并不限于： 1、业务攻坚与定制化调优：深入理解业务场景（如智能客服、会议转录、车载语音、在线教育等），针对客户真实需求和挑战问题（如高噪音、多说话人、情感感知等）进行算法攻坚和端到端交付。 2、大模型增强：利用后训练全链路技术和数据飞轮（数据构建 → 模型微调 → 强化对齐 → 效果评测），增强模型的语音识别、语音合成、多模态理解、声纹识别等核心能力，并将评测、数据和算法能力沉淀到基座模型，持续提升通用大模型在真实场景中的能力。 3、多模态融合与对齐优化：主导语音信号与文本、图像、视频等模态的深度融合技术研发，解决跨模态语义对齐、噪声鲁棒性、低资源适配等关键挑战。
1.负责AI Lab语音技术团队语音技术，包括TTS、语音压缩编码、语音前端处理等，尤其是基于AIGC算法的基础研究和应用落地。 ； 2.侧重于研发语音合成、语音转换、few-shot / zero-shot TTS、音频和音乐生成等先进算法尤其是生成类算法，并且可以融合语音识别、音频分析、语音增强、语音分离等更广泛的语音/音频任务。将有关算法成果应用于语音 / 音乐 / 音效/音频生成、语音翻译（S2TT、S2ST）、虚拟人等众多场景中。 ； 3.通过跟踪和创新，确保算法方面的行业领先，通过打造语音技术PAAS平台服务于腾讯内部各个业务场景包括游戏、社交、内容服务、广告、金融、车载助手、企业服务（如腾讯会议、企业微信、企点客服、商通、数智人）等等，帮助业务产生实际价值和打造业界领先的语音应用产品。； 4.持续关注学术界和行业的最新研究动态，参与国际会议、研讨会，与全球顶级团队进行交流合作。。
-跟踪kws前沿相关技术 -负责定制唤醒、自定义唤醒等技术研发和业务支持 -负责声源定位技术的研发和业务支持 -负责AEC技术的研发和业务支持
-负责语音识别、VAD、唤醒、OCR等算法引擎的开发、优化、交付等 -负责语音相关算法的DSP相关移植工作 -负责与语音算法团队进行相关技术的验证优化 -语音产品线上问题分析与跟踪，协助业务部门解决语音算法落地问题
- 负责智能客服、开放平台、智能硬件等语音产业化解决方案设计，客户项目的管理和推进工作，包括客户需求沟通、项目跟进、性能效果测试等 - 独立完成语音产品解决方案的相关设计、数据分析、行业动态调研、竞品对比评估，高质量推进完成项目循环和迭代，对语音产品和解决方案的最终效果负责 - 与技术团队紧密配合，快速、高效推动项目迭代、研发和测试 - 与业务团队对接合作，整体负责项目管理管控，高效推动项目交付