蚂蚁金服蚂蚁集团-语音算法专家-杭州/深圳
任职要求
1. 计算机科学、电子信息、语音等相关专业本科及以上学历，2年以上人工智能算法相关工作经验； 2. 对语音方向有浓厚兴趣，熟悉语音领域的前沿技术，精通语音识别或语音合成至少一个领域；在相关领域期刊/会议（如ICASSP、InterSpeech等）发表过文章者优先； 3. 语音识别方向：精通语音识别全链路技术，熟悉声学模型、语言模型、端到端建模、语音唤醒等； 4. 语音合成方向：精通语音合成全链路技术，熟悉语音合成主流模型，具备情感控制、音色克隆、实时合成等实战经验，有Zero-Shot TTS算法韵律/真人度调优经验者优先； 5. 对技术有热情，有良好的沟通表达能力和团队精神，自驱力强。
工作职责
1. 面向蚂蚁集团AGI产品研发语音相关能力，助力蚂蚁集团基于大模型的智能交互业务发展； 2. 探索并落地前沿的语音算法技术，方向包括但不限于语音识别、语音合成、语音克隆等； 3. 负责和承接蚂蚁集团数十个场景中涉及的语音识别、语音合成的算法能力建设。
1. 负责蓝河操作系统音频服务框架的开发，在音频效果方面具备领先的技术优势，支撑产品体验； 2. 负责定义并实现音频硬件抽象层接口、音频算法的集成与维护，参与部分硬件产品选型，支撑产品落地。
1、负责多模态融合算法的前沿研究与开发，专注适配AIOS下手机AI agent复杂多模态交互场景，达成语音、手势、表情等多模态协同交互技术的实际应用； 2、深度优化多语言自然语言处理技术，全方位满足AIOS全球用户和agent多语言交互需求，提升语言交互的准确性与流畅度； 3、主导构建先进的视觉-语言交互系统，深入应用于AIOS的核心功能，助力AI agent精准理解并执行相关指令，拓展智能交互边界； 4、 运用创新数据处理技术，高效完成多模态数据的采集、清洗、标注与分析，结合前沿训练方法与策略，提升多模态融合模型性能，确保多模态技术在AIOS和agent应用中稳定、高效运行； 5、设计并优化多模态模型评估指标体系，通过深度分析评估结果，动态调整模型结构和参数，保障模型性能持续提升，助力团队整体技术能力进阶。
1、负责多模态融合算法的前沿研究与开发，专注适配AIOS下手机AI agent复杂多模态交互场景，达成语音、手势、表情等多模态协同交互技术的实际应用； 2、深度优化多语言自然语言处理技术，全方位满足AIOS全球用户和agent多语言交互需求，提升语言交互的准确性与流畅度； 3、主导构建先进的视觉-语言交互系统，深入应用于AIOS的核心功能，助力AI agent精准理解并执行相关指令，拓展智能交互边界； 4、 运用创新数据处理技术，高效完成多模态数据的采集、清洗、标注与分析，结合前沿训练方法与策略，提升多模态融合模型性能，确保多模态技术在AIOS和agent应用中稳定、高效运行； 5、设计并优化多模态模型评估指标体系，通过深度分析评估结果，动态调整模型结构和参数，保障模型性能持续提升，助力团队整体技术能力进阶。
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。