logo of tongyi

通义通义实验室-语音识别/语音大模型算法专家-通义百聆

社招全职3年以上技术类-算法地点:北京 | 杭州状态:招聘

任职要求


1. 计算机科学、信号处理、语音处理、人工智能等相关领域硕士及以上学历。
2. 2年以上音频AI研发经验,包括但不限于 音频识别及理解、音频生成、数字人、多模态交互 等方向。
3. 扎实的深度学习基础,熟练掌握PyTorch/TensorFlow等框架。
4. 优秀的编程能力(Python/C++),具备大规模音频数据处理经验。
5. 良好的跨团队协作能力,对技术落地有强烈热情。

加分项:
1. 在音频、多模态、机器学习顶会或期刊发表过相关论文。
2. 深入了解语音在各类业务场景应用落地的相关挑战。
3. 具备多模态(语音+视觉+文本)交互系统研发及落地经验。

工作职责


团队介绍:
我们是阿里巴巴通义实验室语音团队,在音频AI领域持续推动技术创新与产业落地。我们的成果包括:
1. ModelScope平台语音/音频板块核心算法团队
2. FunASR、CosyVoice、3D-Speaker等开源社区发起者与核心维护团队
3. 通义听悟(tingwu.aliyun.com)音频及语义算法团队
4. 阿里云智能语音交互及灵积语音模型服务核心算法提供方

岗位职责:
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。
包括英文材料
学历+
深度学习+
PyTorch+
TensorFlow+
Python+
C+++
机器学习+
数字人+
相关职位

logo of quark
社招2年以上技术类-算法

1. 负责语音合成、语音识别、端到端语音交互大模型算法的基础研究和应用落地; 2. 参与语音合成与识别技术在业务场景落地,解决落地过程中的前沿问题,持续优化语音合成与识别核心技术效果; 3. 深入调研和关注音频/NLP/多模态/全模态等方向的前沿技术,持续探索语音技术的新能力和新应用。

更新于 2025-09-19
logo of alibaba
社招2年以上

1、 参与语音大模型的研发,包括语音识别、语音合成、音色克隆、端到端合成等技术; 2、探索歌曲、音乐等音频的理解与合成技术; 3、打造全模态的大模型; 4、将以上技术落地到淘天业务,考虑模型性能与效率。

更新于 2025-07-01
logo of quark
社招2年以上技术类-算法

1. 负责语音识别和语音对话大模型的算法研发与优化,包括声学模型、LLM模型和解码器等,探索新的算法架构,建设高效率、低时延的语音应用系统; 2. 结合业务需求,持续改进现有模型的性能,确保其在不同应用场景下的准确性和鲁棒性,提升语音助手和语音智能体用户体验; 3. 构建和管理大规模语音识别和语音对话语料库,用于训练、验证和测试模型; 4. 跟踪前沿技术和研究动态,提出新颖的算法思路和解决方案。

更新于 2025-08-19
logo of quark
社招1年以上技术类-算法

1.负责声学前端、声学模型、语言模型、后处理、解码器等主要模块的迭代和改进; 2.负责优化双工交互系统,提高系统的鲁棒性和性能; 3.负责优化语音识别大模型、流式语音识别、音频理解大模型、语音端到端大模型等; 4.追踪业界前沿的语音技术,探索语音大模型在业务场景下的应用。

更新于 2025-09-26