巨人网络语音算法实习生
任职要求
1、计算机或相关专业，硕士及以上学历，26届及之后的同学优先； 2、具备扎实的机器学习、深度学习、语音的理论背景和实践经验，熟悉主流生成式模型、跨模态表征模型及微调方法，熟悉多模态大模型及语音大模型训练者优先； 3、优秀的工程落地能力，熟悉PyTorch深度学习框架以及Python/C++编程语言，…
工作职责
1、参与多模态语音理解+生成（speech、audio、music）领域的科研，效果优秀后推动在视频、游戏业务场景下的算法研发、落地，包括但不限于数据处理、模型训练、效果调优； 2、紧跟前沿技术、参与关键技术创新、突破与积累，撰写论文。
1、负责语音降噪、语音唤醒、语音识别等前沿语音算法的研发； 2、负责算法模型在业务场景数据集上的优化，导出部署在端侧或云端平台； 3、跟进行业最新算法动态，复现和优化前沿算法，保持算法在工业界和学术界的领先
团队介绍： 高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、多模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。 团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。近期部分技术（https://arxiv.org/abs/2507.12197）和产品进展介绍（https://mp.weixin.qq.com/s/cCeHbNW0jbC_LNVPZlGeHg） 具体职责： 1、参与语音识别、语音合成、Audio Codec、语音大模型等语音能力的设计和训练，解决高德业务场景实际问题。 2、提升鲁棒ASR、多语种（方言）ASR、LLM-ASR、大规模热词、全双工交互等语音理解能力。 3、提升Zero-Shot TTS、多语种TTS、情感TTS、声音复刻等语音生成能力。 4、持续追踪跟进业界前沿先进语音技术，结合业务需求开展技术创新与预研。
-跟踪识别前沿相关技术 -负责大数据合成等技术研发和业务支持 -负责视频AEC技术的研发和业务支持 -负责说话人技术的研发和业务支持
-实验最新语音合成、理解方案，并对其中的模块进行解耦和分析。 -结合大模型范式，参与研发语音Encodec、Decoder、多模态对齐等模块，构建LLM based TTS和端到端Speech2Speech系统。 -参与到具体的语言合成业务落地工作 -参与语音大模型的评测及优化。