蚂蚁金服蚂蚁集团-语音算法专家/高级专家-杭州【AI Force】
任职要求
1、数学、计算机、声学及相关专业，具备扎实的数学功底。
2、熟悉常用的端侧语音相关算法，有端侧唤醒、识别等项目的落地经验。
3、熟悉语音AI相关技术，包括ASR、TTS、VAD语音编解码等，能够针对…工作职责
1、负责端侧语音交互模型（语音+语义双工）算法研发、协同工程团队落地和性能优化。 2、负责AI产品的语音识别、语音合成算法的应用和落地，提升识别准确率语与语音合成流畅度，及根据业务场景调优音色和综合的用户体验。 3、跟踪前沿语音AI技术和大语言模型在语音领域的结合应用，跟踪业界端到端的语音大模型能力，评估适配方案并推动技术落地。 4、与产品、后端研发团队协作，推动语音AI技术的快速迭代和业务落地。
负责训练端到端的语音或者多模态大模型，实现语音呼入智能客服的极致体验，不断提升机器占比降低人工占比： 1. 高质量训练数据构建，包括业务数据和通用数据； 2. 模型预训练、微调、后训练等； 3. 协调工程团队开发高效的语音智能客服系统； 4. 根据实际业务问题不断迭代系统提升指标； 5. 跟踪业界最新进展，结合业务进行创新，并沉淀为顶会论文。
1.拟人SFT数据构建与策略设计 （1）负责面向超拟人语音交互场景的SFT数据方案设计，涵盖角色人设一致性、多轮对话逻辑、情感表达等维度，构建高质量对话语料。 （2）针对多模态交互、A陪伴等需求，设计角色扮演数据的标注规范，包括身份背景、经典台词、行为模式等细粒度标签。 （3）基于业务场景（如儿童教育、情感陪伴、游戏NPC、模拟面试等）设计符合角色设定的对话逻辑，提升用户交互沉浸感。 （4）建立SFT数据评估体系，针对人设一致性、意图识别准确率、对话流畅度等指标进行量化分析与迭代。 2.SFT数据在语音交互模型中的优化 （1）结合语音交互链路（ASR→LLM→TTS），通过SFT技术优化大模型的对话能力，重点提升上下文理解、情感响应准确度及多轮对话连贯性。 （2）探索角色扮演数据在语音Agent中的应用，例如通过Prompt工程控制对话风格、情绪倾向，实现个性化交互体验。 （3）协同声纹识别、情感计算等技术，构建语音-文本-用户画像对齐的数据集，支持个性化交互（如儿童声线识别、成人情感分析）。 （4）推动SFT数据在低延迟语音交互场景的落地，优化端到端响应效率（如实时打断、长上下文记忆等能力）。
全面负责定义、设计并实现下一代对话系统的核心算法与交互范式，解决当前对话模型在多轮交互、知识应用、共情能力等方面的挑战，探索并引领模型在个性化、主动性、拟人化等前沿方向的技术突破。直接决定数亿夸克用户在Chat场景的与AI 的交互体验，塑造夸克在未来对话式 AI 时代的领先地位。 1. 对话体验定义与规划。深入分析用户意图与行为，结合业务场景，制定并执行对话体验的中长期技术演进路线图。并密切追踪并研究对话式 AI 领域的最新进展，包括主动式对话策略、多模态对话 (语音/视觉融合)、AI Agent 中的对话流控制等。您将主导定义“顶级对话体验”的标准，并将其分解为可落地、可量化的算法迭代目标。 2. 多轮对话与上下文理解。攻坚并解决长程、复杂多轮对话中的核心技术难题，包括但不限于指令遵循、上下文精准理解、长程记忆与遗忘机制、隐式意图识别等。您将设计创新的模型结构与训练策略，使模型具备真正连贯、有逻辑的对话能力。 3. 对话回复准确与全面。主导研发将外部知识 (如搜索、工具调用) 与大模型进行深度、动态融合的先进技术。致力于解决模型在对话中的意图偏离、事实性错误、内容不详实和知识更新不及时等问题，并通过 RAG 新范式或其他创新方法，显著提升对话的准确性与信息量。 4. 评测体系与数据飞轮。建立并完善一套科学、全面的对话能力评测体系，能够精准衡量模型的综合对话质量 (Coherence, Empathy, Informativeness 等)。设计并驱动高效的数据闭环系统，利用真实用户反馈持续、自动化地优化模型。
1. 需求分析与产品规划： -深入调研开发者、企业客户及行业需求，深入理解各种模型能力，定义大模型开发平台的核心功能（如工作流、Prompt工程、RAG增强、Agent框架等），并可以基于开发平台构建 AI 效果领先的垂直场景/行业解决方案； -制定所负责产品或模块的 Roadmap，平衡技术前瞻性与商业化落地节奏。 2. 产品全生命周期管理： -主导功能设计，输出PRD、原型及交互文档，推动算法、工程团队高效交付，协同运营、销售等团队应对和总结客户需求； -负责产品上线后的迭代优化，基于用户反馈和数据洞察持续提升产品体验。 3. 跨团队协作与生态建设： -协同运营团队，推动开发者生态建设，提升平台活跃度与开发者粘性。 4. 行业洞察与竞争分析： -跟踪国内外大模型平台产品动态，制定差异化竞争策略。