通义Token Foundry-语音合成与音频生成大模型算法专家-Qwen Audio
任职要求
1.计算机科学、人工智能、电子工程、应用数学等相关专业硕士及以上学历。 2.具备扎实的机器学习、深度学习理论基础，精通语音生成相关技术。 3.熟练至少一种大模型训练框架（Deepspeed， Megatron），有大模型训练经验。 4.…
工作职责
1.参与前沿语音生成大模型的研发，涵盖数据体系设计、模型架构设计、训练优化等。 2.探索语音合成、声学建模、自然语言处理等多模态融合技术，提升模型在语音质量、自然度及逻辑推理能力上的表现。 3.针对实际应用场景（音色克隆、情感控制等）优化模型效果和性能，解决复杂技术难题。
1. 产品规划与路线设计：深度调研不同场景下的语音AI产品需求，结合语音AI技术演进与行业发展趋势，制定语音交互产品（语音输入、语音生成、语音对话、语音同传、歌声音乐生成等）的短中长期路线图，明确核心能力优先级、场景落地顺序及资源投入节奏。 2. 功能设计与优化：主导语音AI产品核心功能的设计与迭代，包括但不限于：语音音色设计、交互体验设计、场景化功能定制，持续提升产品在不同场景下的用户体验。定义和细化语音AI模型的功能和评测体系，包括但不限于：表现力、共情、自然度等。 3. 跨团队协同与项目推进：作为语音AI产品落地的核心协调者，联动算法、工程、业务及测试团队，明确各环节交付标准与时间节点，解决跨部门协作中的技术瓶颈与需求冲突，确保产品在各场景顺利落地。 4. 行业动态与竞品分析：跟踪国内外语音AI技术与产品的发展动态（如新型算法、前沿应用场景、竞品功能与策略等），定期输出分析报告，为产品策略调整提供依据，提升公司语音AI产品的竞争力。
1. 主导多模态理解/音频大模型的前沿算法研究及产业落地。 2. 音频理解方向： （1）研发语音识别、语音翻译以及音频分析等理解算法。 （2）开发跨模态（语音/文本/视觉）的音频语义理解系统。 （3）探索音频大模型架构设计。 （4）推动算法成果转化：通过ModelScope开源社区创造研究价值，或通过阿里云产品体系创造商业价值。 （5）持续跟踪国际前沿技术动态（ICASSP/Interspeech/NeurIPS/ICLR等），参与国际会议、研讨会，与全球顶级团队进行交流合作。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1. 负责机器人操作系统的整体软硬件集成与真机部署，完成机械臂、传感器、计算单元等系统的搭建、调试与优化，构建稳定可靠的机器人运行环境。 2. 负责实时遥操作系统的开发与优化，满足高时效性和可靠性要求，设计并搭建真机评测体系与数据管线。 3. 解决真实机器人系统中的部署问题（延迟、标定误差等），优化异步推理系统（RTC等），设计安全保护机制（碰撞检测、异常行为监测、急停），持续提升系统鲁棒性与安全性。 4. 协同算法、数据、硬件团队，将前沿算法成功转化为可稳定运行的机器人系统，推动在真实场景和任务的落地闭环。