Soul APPAIGC-语音算法实习生
任职要求
1. 计算机、人工智能、信号、数学或统计学等相关专业方向的博一/博二/研一/研二学生。 2. 熟悉Transformer、LLM、diffusion等原理，对自然语言生成、语音生成、多模态语音生成有一定的研究或应用； 3. 熟练使用pytorch/tensorflow深度学习框架，具备Python/C/C++编程功底，应用经验丰富； 4. 具备较强的自学能力和独立思考能力，善于思考和表达自己的想法，具备良好的团队合作精神； 加分项 1. 在相关国际会议或主流期刊上发表论文者优先 2. 掌握语音生成、语音通话、多模态技术者优先 3. 熟悉音频分析、音乐理解、音乐生成技术优先
工作职责
1. 负责语音合成、语音克隆、双工语音通话等语音生成相关技术的数据处理、模型效果验证，并协助业务落地； 2. 负责持续跟进业界前沿算法发展方向，支持公司在核心技术上的影响力发展。
日常实习：面向全体在校生，为符合岗位要求的同学提供3个月以上的项目实践机会。 团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、参与研发多模态模型等下一代人工智能核心技术； 2、关注和推进技术在业务场景中的广泛应用，包括但不限于语言、音乐、语音、音频的生成与理解等； 3、深入调研和关注音频/NLP/多模态等方向的前沿技术。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、负责公司大模型的研发和应用，研究相关技术在搜索、推荐、广告、创作、对话和客服等领域的全新应用和解决方案，满足用户不断增长的智能交互需求，全面提升用户在未来世界的生活和交流方式； 2、优化&创新RLHF算法训练效率与模型泛化能力； 3、Long CoT技术的实现和应用； 4、多模态大模型（文本、图像、语音）的Posttraining算法； 5、构建高质量、多领域的数据合成方法； 6、探索LLM在情感对话、创作等场景的应用。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：字节跳动豆包大模型团队成立于 2023 年，致力于开发业界最先进的 AI 大模型技术，成为世界一流的研究团队，为科技和社会发展作出贡献。 豆包大模型团队在AI领域拥有长期愿景与决心，研究方向涵盖NLP、CV、语音等，在中国、新加坡、美国等地设有实验室和研究岗位。团队依托平台充足的数据、计算等资源，在相关领域持续投入，已推出自研通用大模型，提供多模态能力，下游支持豆包、扣子、即梦等50+业务，并通过火山引擎开放给企业客户。目前，豆包APP已成为中国市场用户量最大的AIGC应用。 1、负责公司大模型的研发和应用，研究相关技术在搜索、推荐、广告、创作、对话和客服等领域的全新应用和解决方案，满足用户不断增长的智能交互需求，全面提升用户在未来世界的生活和交流方式； 2、优化&创新RLHF算法训练效率与模型泛化能力； 3、Long CoT技术的实现和应用； 4、多模态大模型（文本、图像、语音）的Posttraining算法； 5、构建高质量、多领域的数据合成方法； 6、探索LLM在情感对话、创作等场景的应用。
- 参与自然语言处理、计算机视觉、语音合成（TTS）、聊天对话系统、图像生成算法、LLM 预训练等前沿技术调研与系统研发 - 协助改进产品，落地算法应用 - 研发方向包括但不限于，自然语言处理、语音合成（TTS）、机器学习、CV 等算法方向 - 参与相关算法技术落地工作，以行业领先为目标，满足业务产品使用规模化需求，影响千万客户并创造实用价值