钉钉数据研发工程师-音频方向
任职要求
【必备项】 1、热爱编程，熟悉掌握但不限于JAVA/C/C++/Python等编程语言中的一种或几种，有良好的编程习惯； 2、热衷于前端或爬虫技术； 3、有扎实的数据清洗的工程基础，精通数据结构和常用算法，熟练掌握各种编译、调试、性能分析工具； 6、学习能力强，对新事物保有好奇心，有良好的沟通能力和团队协同能力，善于独立思考并反思总结。 【加分项】 1、有互联网公司实习经验，参与过互联网软件等相关产品； 2、热衷于ACM，在校期间参与过大学生数学建模竞赛，“挑战杯”，机器人足球比赛等，或作为骨干参与过学生网站的建设和开发； 3、在相关领域国际顶级会议、期刊发表论文，或相关学术会议组织的权威比赛中获奖。
工作职责
1. 数据流水线开发: 紧密与模型研究员/工程师协作，构建和维护面向特定模型（LLM、多模态、DocVLM等）的数据处理Pipeline。 2. 数据预处理: 负责执行大规模数据的清洗、去重、脱敏、格式转换、以及Tokenization等预处理工作。 3. 特征工程: 根据模型需求，进行复杂的特征提取和工程化，并将其注册到特征商店中供下游使用。 4. 训练数据构建: 负责自动化构建和迭代高质量的训练集、验证集和测试集，并确保其分布的一致性和合理性。 5. 负责数据ETL/ELT流程的开发和维护，构建高效的数据摄取（Ingestion）和处理管道。管理和优化数据存储
1. 负责制定产品质量目标，负责测试方案及测试用例设计、编写和执行； 2. 负责音频产品测试工作，涉及音质效果主客观测试和系统功能、性能、自动化测试等方向； 3. 负责从音频产品用户应用场景出发，组织与执行测试任务、改善测试方法、整理和分析测试结果，推动问题及时解决； 4. 负责产品的竞品对比测试，根据测试结果提出改善方案； 5. 根据相关测试数据分析出研发过程中的效率、质量问题，提供解决方案，并主导闭环和落地。
1、迭代AI剪辑能力：基于对广告创意的理解，应用并开发AIGC和ChatGPT等核心算法，实现AI视频剪辑和一键生成功能，优化广告投放效果； 2、自动化素材生产优化：提升素材生产平台的能力，分析并复刻流行创意，进行创意洞察，建设优质素材库，通过数据驱动优化广告投放的各个环节； 3、技术追踪与应用：紧跟AIGC Startups、多模态和生成式AI的最新技术动态，推动其在广告创意理解、自动生成和优化中的应用与效果提升。
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 团队致力于追逐实现 Omni 基座模型，实现多模态理解与多模态生成一体化。在此之中，语音理解与语音生成是极其重要的技术，影响着下一代 AI 的交互形式，同时通过生成语音甚至创造音乐等方式改变人类的生活与工作。团队音频组负责围绕 Qwen 基座模型展开音频处理以及与音频交互相关的基础研究及其应用，代表工作有 Qwen2.5-Omni, Qwen2-Audio, Qwen-Audio。音频组招收理解以及生成方向研究员，包括但不限于 ASR, TTS, S2TT，TTS, Zero-Shot TTS, Music/Song Generation， 同时也欢迎擅长音频交互的工程师，负责基座模型的开源与落地应用，支持开发实时交互系统。 工作职责： 1. 单人/多说话人语音识别。 2. 语音合成与高质量音频合成。 3. 音频前端与音色转换。 4. 音色克隆(Zero-Shot TTS)。 5. 音乐生成 / 歌声生成。 6. 理解指令遵循能力提升与推理，包括 SFT, GRPO 等。 7. 流式音频交互模型的推理与加速 (熟悉RTC/WebSocket等)。
1、AI工程研发与优化 • 负责音频内容平台相关的工程、数据、算法落地工作，包含不仅限于营销方向、搜推策略方向、内容理解/生产方向、端智能方向 • 探索生成式AI在音频内容创作中的应用 2、多模态数据处理 • 结合音频、文本、图像等多模态数据，构建跨场景的智能分析模型、用户行为分析等业务需求 • 参与音频内容的知识图谱构建，优化内容分类与检索效率 3、工程化落地与性能优化 • 抽象业务场景，开发能自进化的agent • 熟练使用ai在传统工程领域提效。 4、一人成军 • 未来往超级个体方面培养，一人能完成端到端的业务目标