AI 院--多模态音频团队--音频生成算法工程师（社招）

职位描述

1. 负责agent场景下的多模态理解、生成算法研究、训练、应用，包括但不限于context-aware ASR、指令控制TTS、omni understanding等。

2. 负责模型的多机多卡训练、高性能推理等；

任职要求

1. 硕士及以上学历，计算机、数学、通信等相关专业；具备良好的学习能力、逻辑思维能力、沟通协作能力；

2. 有三年及以上语音合成、语音识别算法经验，或三篇及以上顶会论文（各类CCF-A会、ICASSP/INTERSPEECH等）；

3. 熟练使用Python和Pytorch/Tensorflow深度学习框架；

4. 对以下至少一种熟悉并有相关经验：

1）语音大模型的框架&理论，包括但不限于Diffusion、Vall-E/SpearTTS/AudioLM、MusicLM；

2）音频理解大模型/ASR大模型，包括但不限于qwen-audio、sensevoice、whisper等；

3）熟悉omni多模态大模型，包括但不限于qwen-omni、mimo-omni、Step‑Audio、Covo‑Audio等；

4）有业务落地工程经验优先。