小米顶尖应届-AI音频算法工程师-手机
任职要求
1. 声学、物理、计算机科学、电子工程相关领域博士毕业生； 2. 精通声学基础理论，有非线性系统建模、计算声学或AI物理建模研究经验者优先； 3. 熟悉PyTorch/TensorFlow等框架，具备物理约束神经网络开发经验； 4. 熟悉数字音频接口和芯片协议（如I2S、TDM、I2C、SPI等），了解音频系统的硬件工作流程，具有嵌入式编程经验，熟练使用C/C++、Python等语言； 5. 掌握语音和音频数据分析，熟悉常见的音频特征提取与处理方法； 6. 发表过声学建模或AI物理领域顶会论文； 7. 熟悉声学测量系统（如消声室、阻抗管）或声学材料特性分析； 8. 熟悉扬声器物理模型和控制理论，能够利用控制方法和算法进行系统建模与反馈控制。
工作职责
1. 基于扬声器物理模型与反馈信号，设计并实现保护算法，包括温度估计、振膜位移限制、过载检测等模块； 2. 音质优化与协同：在保障保护功能的同时，注重音质表现。与音效算法团队配合，结合均衡（EQ）、动态压缩（DRC）、立体声扩展等音频算法，确保保护机制对音质影响最小； 3. 融合声学物理建模与AI技术，开发线性/非线性声学特性的混合驱动模型； 4. 设计物理约束的神经网络，实现声学系统的高效仿真与参数反演； 5. 构建多源声学数据与物理参数的关联性模型，支撑噪声控制、音频增强等场景需求； 6. 推动AI声学模型在硬件设备（如扬声器、麦克风）中的落地应用。 【课题名称】 音频AI算法研发 【课题内容】 1. 基于AI的智能音频功放保护算法研究与优化； 2. 负责开发基于深度学习的声学物理模型，重点解决声学系统中的线性与非线性特性建模问题； 3. 通过结合物理先验知识与数据驱动方法，推动音频处理、声学仿真、语音增强等领域的创新。
1. 跟进行业空间音频前沿技术发展趋势； 2. 参与空间音频技术规划； 3. 负责空间音频算法开发和技术预研。 【课题名称】 空间音频算法研发 【课题内容】 1. 空间声拾取及后处理技术研究； 2. 空间声场建模与主动控制技术研究； 3. 空间音频质量评测模型研究。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将参与贡献大型电商场景下与音视频体验和成本相关的一系列研发工作； 在这里，你将参与视频编码（包括但不限于HEVC/VVC）优化：通过基于信号处理和机器学习的快速编码决策、数据结构、并行框架设计，优化编码速度，同时在有竞争力的视频编码内核基础上，探索基于语义的内容感知编码优化，深度学习编码，AIGC编码等前沿课题，在保障画质体验的前提下，尽可能节省带宽； 在这里，你将参与海量图像和视频的增强修复工作：运用前沿技术，包括但不限于模型结构优化、数据仿真和增强策略优化、知识蒸馏以及模型压缩，在限定带宽环境对任意失真的视频进行高效处理，力求最好的画质。同时，跟踪业界最新进展和技术趋势（包括AIGC）并融入特定的场景，提出创新方案，帮助平台提供逼近广电级别的视频画质； 在这里，你将参与视频编码与处理联合优化：在标准编码框架的基础上，借助AI领域的新技术成果来研究视频信号的表征、编码与处理，将视频前后处理与编码联合优化，提升端到端压缩效果； 在这里，你将参与美颜等视频美化技术的研究工作，包括人脸检测、关键点、肤色美白、面部塑形、化妆效果模拟等。这些技术将应用于直播和短视频等多样化场景，并确保其在真实视频场景的有效整合。你还将专注于基于3D人脸建模和AI算法的智能美颜技术，推动这些技术的大规模落地； 在这里，你将参与UGC视频生产剪辑依赖的多类当下最前沿的图像视频生成与编辑，包括图像风格化，人像分割与实例分割，人脸属性，图像可控生成，图像视频化等，为视频剪辑提供更丰富的素材和更多的玩法； 在这里，你将有机会参与最前沿的音视频质量评价算法工作，包括无参考的视频质量评价，人脸美学评价，音频质量评价，为多媒体算法的迭代和平台音画质的体验提供基础工具； 在这里，你将帮助淘宝直播等大型的视频传输场景设计QoS算法，追求超低延时、极速播放等用户体验，并支持各种弱网环境下的最优的视频流畅度和优雅的画质降级。 T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。
1. 研发下一代AI驱动的软件工程范式 - 构建面向移动端及嵌入式OS的智能编程系统，探索LLM在代码生成、架构设计、静态分析及测试用例生成等全流程的自治能力； - 研发智能编程辅助系统，实现需求文档→技术方案→代码实现→测试验证的端到端闭环开发。 2. 构建软件工程Agent体系架构 - 设计具有记忆、规划与工具调用能力的多智能体框架，实现复杂功能开发的自主决策与执行； - 开发基于强化学习的Agent协作机制，优化代码质量、构建成功率等核心指标。 3. 研发超大规模代码检索增强生成系统 - 设计高效的多粒度代码索引结构与语义检索框架，实现亿级代码片段的高精准召回与排序； - 研发代码知识库与LLM深度融合的混合检索技术，提升复杂项目上下文理解与跨文件依赖分析能力。 4. 微调和评估软件工程领域专用模型 - 针对IDE补全、对话等场景微调专用小参数大模型，提升代码生成率； - 评估大模型在特定软件工程领域的能力，针对具体研发场景选择适合的模型。 5. 前沿技术探索与专利布局 - 跟踪代码大模型、程序分析、AI软件工程等领域国际顶会（ICSE/PLDI/NeurIPS等）最新进展； - 主导技术创新点的专利撰写与学术论文产出。 【课题名称】 AI智能软件开发系统研究 【课题内容】 构建下一代AI驱动的智能软件开发系统 1. 面向移动端OS的智能编程系统； 2. 构建软件工程Agent系统； 3. 研发超大规模代码检索增强生成系统。
1. 负责新型结构、功能及外观材料的研发、性能测试及量产可行性评估； 2. 结合AI算法开发或优化材料配方； 3. 跨学科技术整合，将材料特性与终端功能器件设计结合； 4. 参与AI终端的可靠性验证，确保材料在极端环境下的稳定性； 5. 标准化与专利布局参与制定材料性能评价标准，推动行业规范化发展；撰写技术专利，保护核心材料创新成果。 【课题名称】 AI材料研发 【课题内容】 聚焦AI+材料创新，涵盖结构材料、功能材料及外观材料与AI驱动的色彩/纹理设计等，通过AI算法加速材料性能预测与制造工艺优化，实现终端高性能、长续航与美学体验的协同突破。