小米音频AI算法工程师
任职要求
1. 硕士及以上学历，计算机科学、信号、通信、人工智能等相关专业，具有 AI 算法 + 前端开发经验； 2. 精通c、python，熟悉定点化，能独立完成模型的定点化； 3. 具备扎实的 AI 算法基础，熟悉深…
工作职责
1. 负责AI降噪、AI回声消除、AI音频检测等算法的设计、训练和调优；满足耳机、手表等端侧设备实时通话、录音、音效、场景分类、伴奏分离等AI需求； 2. 负责网络模型的轻量化，运用量化、剪枝、蒸馏等技术降低模型尺寸与算力消耗，确保在端侧的兼容性与运行效率； 3. 协助搭建前端音频处理链路，利用AI模型，整合阵列、波束等，解决复杂环境下（如噪声、混响、多说话人）的音频质量问题；探索音效链路中AI技术应用；
1、负责语音、音频和音乐相关算法的研究与开发，包括但不限于语音识别与合成、语音降噪/分离、音频分类、音乐识别等方向； 2、负责跟进行业前沿技术发展趋势，跟踪国际最新技术发展方向； 3、探索语音/音频/音乐技术落地新玩法，在音频AI理解和生成等方向进行业务创新。
1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地； 2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系； 3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代； 4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题； 5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。
1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地； 2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系； 3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代； 4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题； 5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。
1、研发前沿的音频大模型 (Audio-LLM)，实现语音识别 (ASR)、语音合成 (TTS) 与音频理解的端到端融合。 2、优化多语种、情感化及高表现力的语音生成，提升在复杂环境（噪声、多人交谈）下的语义提取鲁棒性。 3、设计并优化多模态音乐生成模型，涵盖风格、韵律、和声、节奏等多维度生成任务。 4、探索音频 Tokenizer 优化，实现音频与 LLM 符号空间的对齐。