通义通义实验室-语音处理算法专家-通义百聆

1. 负责通义实验室语音团队的语音处理算法研发，通过深入理解全链路技术挑战和推动语音前后端协作，不限于语音增强、回声消除、麦克风阵列（波束形成、声源定位等）、语音唤醒、多模检测、轻量化ASR/TTS/LLM等任务，打造行业领先的语音处理算法。 2. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。

1. 负责通义实验室语音团队的语音处理算法研发，通过深入理解全链路技术挑战和推动语音前后端协作，不限于语音增强、回声消除、麦克风阵列（波束形成、声源定位等）、语音唤醒、多模检测、轻量化ASR/TTS/LLM等任务，打造行业领先的语音处理算法。 2. 持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力。

1、探索并构建面向语音交互场景的端到端对话大模型，实现多轮语音对话的语义理解、上下文管理与智能回复生成，打造流畅自然的人机对话体验，对标 GPT-4o、Gemini Live 等前沿产品； 2、负责语音、文本、图像等多模态信息的联合建模与跨模态对齐研究，基于 LLM/VLM 骨干网络（如 Qwen、GLM、seed 等）构建统一的多模态对话理解框架，提升模型在视听融合场景下的推理与交互能力； 3、参与对话大模型的预训练（Pre-training）、有监督微调（SFT）及基于人类反馈的强化学习（RLHF/RLAIF）全流程；重点攻克多轮对话上下文建模、语音-文本跨模态对齐、低延迟流式推理等核心技术难题； 4、设计并实施大规模语音对话数据的采集、清洗、合成与质量评估方案；构建高质量的多轮对话指令数据集（Instruction Tuning Data），包括语音问答、情感对话、多模态指令跟随等多类型数据； 5、持续追踪 ACL、EMNLP、NAACL、Interspeech、ICLR、NeurIPS 等顶会最新进展，快速复现并将 Chain-of-Thought、RAG、Agent、语音语言模型等前沿技术迁移至内部产品场景，推动模型能力持续迭代。

1.负责游戏领域语音合成算法研发与落地，包括不限于情绪表达控制编辑和多样化语音合成； 2.推动语音合成技术在游戏场景中的应用，实现自然且富有情绪的语音输出，为游戏端内外提供更智能化的能力； 3.研究和探索情感建模、多说话人风格迁移、情感迁移等前沿技术，储备并应用新技术能力； 4.追踪业界前沿的语音合成及相关技术，并探索应用落地。