多模态交互算法工程师

云侧ASR模型训练方向 岗位描述 面向人形机器人实时语音交互场景，负责云侧ASR模型训练与效果优化，通过数据、模型、评测及工程落地的持续迭代，提升复杂环境下的识别准确率、鲁棒性与实时性。

岗位职责 负责云侧ASR模型训练与优化，开展模型微调、领域适配及相关算法改进，提升机器人场景下的语音识别效果。 负责语音数据建设与迭代，包括数据清洗、筛选、配比、增强与合成，针对噪声、口音、专有词等长尾问题优化数据策略。 建立评测与Bad Case分析闭环，定位漏识别、误识别、重复输出等问题，制定优化方案，并通过对比实验和实际场景验证效果。 结合业务需求开展解码、热词及上下文适配等优化，提升交互指令和关键信息的识别准确率。 推动模型推理、服务化与性能优化，兼顾识别效果、响应延迟和资源开销，持续跟进线上问题。 与交互、系统及语音供应商协作，定位复杂环境下的识别问题，推动算法在机器人真机上的验证与落地。

任职要求 具备约 3—5年语音／ASR相关研发经验，有扎实项目经验者可适当放宽年限。 具备直接的云侧ASR模型训练与优化经验，熟悉Whisper、FunASR、Qwen-ASR或自研ASR模型等相关技术，并有实际研发实践，不限单一模型架构。 亲自参与过数据处理、训练／微调、评测及错误分析等关键环节，能够清晰说明本人贡献和优化结果，具备独立定位问题、推动识别效果提升的能力。 熟悉语音模型训练方法，具备SFT、LoRA、全参数微调或其他相关训练优化经验，能够合理设计实验并分析结果。 熟悉CER／WER等识别指标，了解实时／流式识别的延迟、输出稳定性等评测维度，有实时语音识别相关实践。 熟练使用Python、PyTorch等开发工具，具备模型训练、推理调试及工程实现能力。 具备良好的沟通协作能力，能够围绕实际业务问题持续推进算法迭代。

加分项 有机器人、车载、智能硬件等语音交互场景经验。 有远场、复杂噪声、多人干扰、回声等条件下的识别优化经验。 有大规模语音数据建设、多卡训练或模型规模化训练经验。 有云侧ASR服务化、推理加速及线上性能优化经验。 有语音相关开源贡献、高水平论文或其他技术成果。