【大模型北斗实习】音频内容生成算法研究

职位描述

在内容生成领域，音频生成逐渐成为热门研究方向，具有广阔的应用前景和研究价值。本课题专注于音频内容生成方向，包括但不限于：

1）音视频联合生成：探索如何使模型在生成过程中有效地结合文本、语音和图像信息，提升生成结果的相关性和自然度。

2）音频数据处理与融合：研究音频数据的预处理和特征提取技术，以优化生成模型的输入输出。

3）多模态生成模型的性能评估：设计自动化评估方法，量化多模态生成模型在下游任务中的表现。

任职要求

1）熟悉常见的多模态大模型架构。

2）熟悉Python、C++等至少一门编程语言，熟悉LINUX环境。

3）熟悉 Megatron、DeepSpeed 等开源训练框架。

加分项：

1）高星开源项目，社区关注度高。

2）发表过高水平论文，如 ICLR、NeurIPS、ICML、CVPR 等。