夸克千问C端事业群-语音多模态交互算法专家-杭州/北京/上海
任职要求
1. 计算机、信号处理、数学等相关专业硕士/博士学位，3 年以上相关工作经验； 2. 在语音端到端、多模态端到端对话、语音实时同传、多模态理解与生成一体化等领域有深入研究，具备大规模数据训练经验； 3. 熟练掌握 PyTorch…
工作职责
1. 负责研发语音端到端、语音Agent、多模态交互、语音实时同传等任务的基础研究和应用落地； 2. 负责研究语音生成与理解一体化模型架构、强化学习、统一的语音表征等技术方向； 3. 跟踪并研究实现业内顶尖成果，结合业务场景实现算法的工程化部署。
千问学习算法团队致力于使用AI技术重塑面向未来的学习体验。在这里您将与我们一起挑战前沿的产品技术问题，并收获服务千万级用户的成就感和影响力。 1. 负责面向场景的多模态大模型研发，包括图文、视频、音频等多个模态的预训练，探索多模态的数据质量评估和清洗方法； 2. 负责对模型的训练数据、训练策略、模型结构等进行深入分析，指导评测方式迭代以及模型训练策略优化； 3. 负责视觉深度推理、数字化理解、实时语音交互对话、视频生成等能力建设； 4. 负责跟踪和研究多模态大模型前沿技术调研、落地、对业务进行优化； 5. 负责对各业务场景下相关技术问题进行分析、算法设计、研发以及推动上线，提升业务效果；
● 语音核心功能运营 负责语音功能使用率、留存、转化的数据研究、策略制定与落地（语音输入、播报、搜索、实时通话等）；设计并验证增长实验（AB 测试、漏斗分析、转化优化、运营策略试点）并对结果负责；形成月度/季度运营复盘、策略与计划。 ● 用户洞察与体验优化 基于数据分析、用户访谈、行为洞察，提出产品优化策略，驱动产品迭代；能独立提出需求并推动产品和研发落地，确保体验和指标提升。 ● 语音模型效果运营与体验验证 与算法团队合作，负责 ASR、TTS、E2E、多模态模型的用户侧效果验证机制搭建； 输出可量化的模型端体验指标体系与效果反馈闭环。 ● 内部语音能力展示平台运营负责 独立负责平台定位、体验升级、内容体系与传播； 通过内部分享、活动、Demo运营，提高平台使用率和内部认知影响力。
● 语音核心体验提升 负责语音基础能力在产品内的体验升级（语音输入、播报、搜索、实时通话等），定制优化策略，推动语音功能使用率、留存、转化的数据指标提升，推动产品内用户语音心智建立 ● 语音交互产品功能优化 负责语音交互相关的产品功能设计和落地，深入挖掘用户需求，设计产品方案和优化策略，驱动产品迭代；能独立提出需求并推动产品和研发落地，确保体验和指标提升。 ● 推动语音模型效果提升 负责 ASR、TTS、E2E、多模态模型的用户侧效果验证机制搭建，与算法团队合作，结合产品需求，拆解合理的算法评价指标，搭建评测体系，推动算法快速迭代
● 语音数据采买需求梳理和跟进 负责语音模型训练数据的需求对接，结合业务场景，定义数据采集标准，制定采集方案，跟进采集流程，确保数据按时按质量交付 ● 声音录音指导和质量把控 负责声音音源选型，深度参与寻源全流程，包括需求评估、试音选拔、录制方案定制、录音棚录制指导、数据质量验收，对数据质量负责。 ● 推动语音模型效果提升 关注语音数据模型训练效果，与算法团队合作，结合产品需求，拆解合理的算法评价指标，搭建评测体系，推动算法快速迭代