音频大模型评测工程师-【可灵AI专项】

职位描述

音视频生成大模型评测体系建设与演进及业务保障，负责包括但不限于视频生成大模型中音频生成模块（Audio Gen）及音视频一体化的算法效果。不仅是评测的执行者，更是评测体系的架构师，通过深度的算法归因分析，驱动音频 VAE等核心组件的算法优化和迭代。

1、音视频一体化评测体系建设：

1）音频生成与音频理解相关算法、评测方法及评测指标体系具有深入理解，熟悉常见视频与音频质量评估方法，能够结合业务场景设计合理的评测方案；

2）建立从底层算子（VAE, Latent Space）到上层生成效果的全链路评测标准；

3）定义并量化音画同步性、语义关联度、音频美学表现力等关键维度；

2、Benchmark 与方法论沉淀：

1）构建具有行业领先水平的音频生成 Benchmark，涵盖音乐、环境音、音效（SFX）及人声等；

2）沉淀主客观结合的评测方法论，包括客观指标（FAD、KL Divergence、IS、CLAP Score）与专家级主观评价量表（MOS, MUSHRA）；

3、深度诊断与归因分析：输出专业评测报告，深度分析，定位模型缺陷，如针对音频 VAE 压缩失真、音频扩散模型频谱缺失、相位扭曲等问题进行深度诊断，并给出改进建议；

4、前瞻性调研与实验：持续跟踪 AIGC 领域（如 ElevenLabs、Suno、Stable Audio等）前沿技术动态，将行业最新的模型能力和技术路线转化为可落地的评测方案；

5、评测工具与平台化驱动：参与或主导自动化评测工具与平台的开发，利用技术手段提升大规模音视频数据的评测效率，探索基于大模型的自监督评测（LLM-as-a-judge）等创新手段。

任职要求

1、专业功底：

1）本科及以上学历，有音频相关经验或学历：计算机、人工智能、数字媒体技术、录音工程、音乐制作、音响导演、音频编辑、音乐工程等专业优先。

2）具备同期录音、后期混音、配乐制作或SDK声学调校、音质评价等相关领域的学习背景或实践经验，对音频质量的主客观评价有一定的了解；

3）熟悉主观音质评价体系，对于各类音频的听评标准有敏感性，有金耳朵认证者优先；

4）音/视频生成领域评测方法与指标体系有系统研究或实践经验，有音频类算法评测经验优先（包括TTS、文生音频、V2A、音视频一体化模型等），对常见算法模型及生成模型原理有较好理解，熟悉机器学习模型评估方法与指标，对音视频生成算法原理（如 Diffusion、Transformer、GAN）有较好理解。

2、评测经验：

1）2年及以上算法评测或开发经验；

2）有音频生成（TTS/AI 音乐/音效生成）或多模态（Video-to-Audio）评测经验者优先；

3）具备良好的数据分析能力与数据化思维，能够通过实验结果进行系统分析并形成结论；

3、工具与技术储备：

1）熟练掌握 Python，熟悉 PyTorch/TensorFlow，能够编写脚本进行大规模数据处理及模型推理；

2）熟悉数字信号处理，能熟练使用音频分析工具；

4、加分项：

1）熟悉影视剧音视频制作标准、制作流程，对于不同风格化内容有赏析能力的从业者优先，熟悉乐理，包括但不限于曲风、配器、编曲结构等基础知识，能够从理论的角度对音频内容进行分析和评价者优先；

2）对大模型、多模态模型、AIGC技术保持持续关注和强烈兴趣，有实践经验者优先。