Job description
职位描述 / Description: 岗位职责： 1、负责多模态大模型（语音、图像等）的算法研究与开发，重点聚焦语音相关技术的创新与优化。 2、深入研究和实现语音识别（ASR）、语音合成（TTS）、语音情感分析、语音理解（SLU）等核心算法。 3、探索多模态融合技术，提升语音与其他模态（如文本、图像）的协同效果。 4、针对实际业务场景，优化模型性能，解决语音处理中的噪声、口音、低资源语言等挑战。 5、跟踪学术界和工业界的最新进展，将前沿技术应用于实际产品中。 6、与产品、工程团队紧密合作，推动算法模型的落地应用。
任职要求 / Requirements: 教育：硕士（含）研究生及以上学历，专业要求是计算机，电子信息工程，信号与信息处理等相关3T专业背景； 技能： 1、具备深度学习知识背景，熟悉kaldi,tensorflow,cntk等主流的语音深度学习框架； 2、熟悉C/C++ ，java至少一种编程语言，熟悉某一种或几种脚本语言（shell、python）， 3、有实际项目编程经验；具备语音信号处理领域相关基础知识，熟悉语音相关技术，如语音识别（ASR）、语音合成（TTS）、语音增强、声学建模等。了解多模态大模型（如GPT、Whisper、CLIP等）的基本原理和应用。 熟悉常见的语音数据集和评测标准（如LibriSpeech、Common Voice、WER、CER等）。 经验：2年及以上相关工作经验
工作经验: 2
学历要求: 15