面壁智能

【岗位职责】 1.参与Omni模型语音能力的研发与迭代，包括语音输入理解、语音交互、语音生成相关算法与评测体系建设，深度参与模型能力建设，而非仅承担数据标注/清洗工作。 2.围绕语音理解、多说话人ASR、流式ASR、全双工对话等方向开展算法实验，包括但不限于说话人日志、多说话人转录、低延迟流式解码、轮转检测、打断处理、端到端对话建模等。 3.负责语音数据链路建设与优化，包括大规模语音数据清洗、切分、对齐、质量筛选、伪标签、增强、噪声/混响模拟、TTS/语音合成数据构造及合成数据质量评估。 4.与算法团队协作，完成模型训练、评测、badcase分析与问题定位，推动算法能力在真实交互场景中落地。 跟踪语音理解、流式ASR、全双工对话及多模态Omni模型相关前沿进展，定期输出实验结论与技术分享。 【任职要求】 1.计算机、人工智能、电子工程、信号处理、语音相关专业本科及以上在读，硕士/博士优先。 2.熟悉语音识别、语音理解或多模态模型至少一个方向，具备多说话人ASR、流式ASR、全双工对话、语音理解等相关项目或研究经验者优先。 3.具备扎实的编程能力，熟练使用Python，熟悉PyTorch等深度学习框架，能够独立完成数据处理、模型训练与评测实验。 4.具备优秀的数据处理与数据合成能力，熟悉大规模语音数据清洗、对齐、增强、伪标签、TTS合成、对话数据模拟及合成数据质量评估者优先。 5.具备优秀的vibe coding能力，能够借助AI编程工具高效完成代码生成、调试、重构、自动化脚本和评测工具开发，有良好的代码质量意识。 6.有语音/多模态相关论文发表、开源项目、竞赛经历或高质量工程实现者优先。 7.实习期6个月以上，每周到岗不少于4天，能尽快到岗者优先。 加分项： 熟悉Omni/多模态大模型语音输入输出链路；有TTS、语音合成数据构造、Voice Conversion、对话模拟经验；有大规模数据pipeline与评测平台建设经验；有AI辅助编程提升研发效率的实践经验。