团队介绍： 多模态算法-语音团队专注于语音/音频大模型的AIGC技术研发与产品落地。团队自研的语音合成系统已服务于虎牙直播间、实时多模态数字人、硬件智能体等核心业务，覆盖Zero-Shot语音克隆、情感/风格控制、音频标签驱动合成等前沿方向。我们正在构建从数据标注→模型训练→推理加速→线上部署的全链路技术体系，期待你的加入。 岗位职责： 1、负责语音合成（TTS）核心算法研发，包括但不限于Zero-Shot语音克隆、音频标签（语速/音调/音量/情感）控制合成、高自然度音色定制、跨语言/跨情感泛化； 2、负责语音识别（ASR）及实时交互技术的研发，包括热词注入、轮次转换、说话人识别等方向； 3、持续优化合成语音的音质、自然度与情感表现力，主导音频标签体系设计与数据增广策略； 4、面向端/云侧业务场景，进行模型轻量化（TensorRT/ONNX量化、裁剪）与推理加速，保障线上稳定性； 5、主导音频生成技术在虎牙核心业务场景的落地交付，跟进并解决直播、数字人、硬件智能体等真实复杂场景下的技术挑战。 任职要求： 1、2027届硕士及以上学历，计算机科学、信号处理、人工智能等相关专业； 2、扎实的数学与算法基础，熟悉主流TTS/ASR算法架构（如CosyVoice、SeedTTS、DotsTTS等），了解离散音频表征（Audio Codec）、连续表征（VAE）、自回归/非自回归、扩散模型等技术范式； 3、熟练掌握PyTorch，具备良好的工程落地能力；熟悉C++/CUDA或有TensorRT/ONNX推理优化经验者优先； 4、强烈的责任心与自驱力，能洞察业务需求并将技术突破转化为产品价值； 5、具备大模型编码与研发能力。 加分项： 1、在Interspeech、ICASSP、NeurIPS、ICML、ACL等顶会发表过语音/音频生成相关论文； 2、有语音合成/音频生成方向的高星开源项目或技术竞赛优异成绩； 3、有TTS数据标注体系设计或音频标签体系构建经验。 你将获得： 1、从模型研发到线上部署的端到端实战经历； 2、直接影响亿级用户产品的技术挑战； 3、与资深算法工程师并肩作战的快速成长机会。