夸克千问C端事业群-音频多模态理解算法专家-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. 在语音识别、音乐理解、音频分类、声学事件检测或多模态理解领域有深入研究，具备大规模数据训练经验； 3. 熟练掌握 PyTorch/Dee…
工作职责
1. 负责音频多模态理解大模型的研发，包含语音识别、语音翻译、副语言理解、音频事件检测或音频captioning等任务的基础研究和应用落地； 2. 研究音频编码器、跨模态对齐、强化学习、多任务学习或语音端到端等技术方向； 3. 跟踪并落地领域内前沿论文，保持技术方案的领先性。
1、语音合成文本分析，韵律预测，注音等技术研发； 2、熟悉常见的声学模型和声码器，具有相关的开发和研究经验 3、熟悉声音转换相关算法和技术； 4、熟悉通用合成引擎搭建及优化，具备云上和端上引擎优化经验。 5、深入调研和关注音频/NLP/多模态等方向的前沿技术，持续探索语音合成技术的新能力和新应用。
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；
1. 负责千问 AI Web 平台前端研发工作，重点推进生成式AI（AIGC）方向建设，包括AI图像/视频/音频生成、AI剧情短片、灵感内容消费等业务； 2. 负责千问 AI Web 平台前端架构设计工作，主导或参与前端技术优化和难点攻关，包括但不限于多模态内容生成架构、页面性能优化、PC 稳定性、商业化转化等方向； 3. 与产品团队紧密合作，持续关注行业动态和用户反馈，通过技术手段升级Agent能力，为用户创造全新AI Native体验。
1. 负责音频多模态生成大模型的研发，包含语音合成、音乐生成、音效生成和歌曲生成等任务的基础研究和应用落地； 2. 研发基于扩散模型（Diffusion Models）或自回归模型（AR）的音频生成算法； 3. 研究音频表征、强化学习或语音端到端等技术方向。