微信-语音全双工对话大模型预训练算法工程师

职位描述

1.负责语音全双工对话大模型的架构设计与预训练，构建边听边说、实时打断、自然接话和连续对话能力；

2.负责音频理解模型预训练，提升语音内容、说话人、情感语气、副语言信息、环境声音及多人重叠语音的理解能力；

3.负责音频生成模型预训练，研究基于 Audio Token、Neural Codec、自回归、Diffusion 或 Flow Matching 的语音生成方案，提升音质、自然度、情感表现和生成稳定性；

4.负责全双工交互行为建模，包括回复时机、用户打断、抢话与让话、Backchannel、重叠语音和流式生成；

5.负责大规模音频预训练数据建设，包括数据清洗、去重、质量过滤、伪标注、Token 化及数据配比；

6.负责模型规模化训练、效果分析及训练稳定性优化，推动预训练模型的后训练、评测和产品落地。