Job Description

音频算法工程师（语音识别方向）

北京

社招

全职

互联网 / 电子 / 网游

职位描述

一、工作职责 1. ASR 语音识别：负责多语种、远场、噪声场景下的语音识别模型研发与优化，持续提升识别准确率与鲁棒性 2. TTS 语音合成：主导语音合成系统研发，包括音色克隆、情感可控合成、多风格生成，推动合成自然度达到产品级标准 3. 声纹与说话人日志：负责声纹识别、说话人日志（Diarization）算法研发，解决重叠语音场景下的分离与归属问题 4. VAD / 音频前端：优化语音活动检测、降噪、回声消除、去混响等前端算法，推动前后端联合优化 5. 语音大模型：探索 LLM-based 语音理解与生成，覆盖端到端语音交互、幻觉抑制、多模态对齐等前沿方向 6. 会议转写系统：主导多人会议场景的端到端转写链路优化，提升转写精度与说话人归属准确率 7. 模型工程化：负责模型压缩、量化、端侧部署，推动算法从实验阶段到生产环境落地 二、任职要求 基本条件 - 硕士及以上学历，计算机、人工智能、信号与信息处理、电子信息、通信工程、声学等相关专业 - 1-3 年语音算法相关工作经验，具备独立承担算法方向的能力 - 扎实的语音信号处理与深度学习基础，深入理解声学特征、CTC/Attention/RNNT 等建模方式 专业能力 - 精通 ASR / TTS / 声纹 / VAD 中至少一个方向，有完整的从研发到落地的项目经验 - 熟练掌握 Python 与 PyTorch，具备良好的工程习惯（版本管理、代码规范、实验可复现） - 熟悉主流通用模型与语音模型：Whisper、FunASR/Paraformer、CosyVoice、SenseVoice、Qwen3-Omni 等，有过模型训练与微调实战经验 - 具备 AI-Native 开发能力，习惯利用 AI 工具提升研发迭代效率 - 有大规模多卡训练、数据流水线搭建、模型压缩量化经验者优先 - 有多人会议转写、说话人日志或重叠语音处理项目经验者优先 - 有大模型相关经验（LLM-based ASR、端到端语音交互、多模态理解）者优先

职位要求

投递