1.教育背景: 硕士及以上学历，计算机、人工智能、模式识别、电子信息、自动化、应用数学等相关专业 2.经验要求: 5年以上语音算法相关工作经验，熟悉 KWS 或 ASR 至少一个方向的完整技术链路（数据→训练→评估→部署） 有实际项目落地经验，能独立承担模块开发与效果优化 【加分】有端侧语音模型（TinyML/Edge AI）部署经验，或自定义唤醒词、小样本学习、多语言/多方言适配等实际项目经验 3.专业知识: 熟悉语音信号基础理论：时频分析、梅尔频谱、MFCC/FBank 等特征提取方法 掌握声学建模核心知识：HMM-GMM、DNN-HMM、CTC、RNN-T、Transformer-Transducer 等主流架构 了解解码搜索原理：WFST、语言模型融合、束搜索等 【加分】了解自监督学习（如 Wav2Vec 2.0、HuBERT）、语音大模型预训练、Prompt 优化等前沿方向 4.硬技能: 精通深度学习框架（PyTorch/TensorFlow 等），具备扎实的模型训练、调试、可视化与超参优化能力 熟悉主流开源语音工具链（如 Kaldi、WeNet、ESPnet、NeMo 等），能快速复现与改进 SOTA 方案 具备良好的工程素养：能将算法原型高效转化为可部署代码，熟悉模型推理优化（ONNX、TensorRT、TFLite 等） 【加分】熟悉模型压缩技术（量化/剪枝/蒸馏）、嵌入式部署流程（ARM/DSP/NPU）及性能剖析工具 5.软技能: 具备较强的问题拆解与定位能力，能通过实验设计与数据分析驱动算法迭代 学习能力强，对语音 AI 前沿技术保持敏感，能快速吸收新知识并应用于业务 具备良好的跨团队沟通协作能力，能与声学、嵌入式、产品等多角色高效协同推进项目 【加分】对用户体验有深刻理解，能从业务角度设计技术方案，平衡技术先进性与落地可行性 6.其他要求: 【加分】在顶级会议/期刊（ICASSP、Interspeech、ACL、NeurIPS、IEEE TASLP 等）发表过语音相关论文，或有知名开源项目核心贡献 具备良好的英文技术文献阅读能力，能持续跟踪国际前沿进展 认同"技术驱动体验"的理念，愿意深入业务场景理解用户真实需求与痛点