蚂蚁集团-语音大模型算法-健康事业群当面告知
蚂蚁科技集团股份有限公司
2026-11-29 00:00:00
社招本科
岗位详情
地区：
北京
·
杭州市
专业要求：
人工智能计算机科学与技术
岗位职责：
1. 面向蚂蚁集团医疗智能化场景，负责语音大模型相关算法研发与落地，探索基于大模型的新一代智能语音交互/多模态实时音视频交互范式，推动语音 AI 能力在真实医疗业务场景中的规模化应用；
2. 负责语音识别、语音理解、语音合成及语音对话大模型相关技术研发，包括但不限于：
语音识别大模型（ASR）：探索复杂场景下的语音识别能力提升，包括医疗专业词、实体热词、方言、多语种、低资源语言、复杂环境鲁棒识别等方向；
语音合成大模型（TTS）：探索高自然度、高表现力语音生成技术，包括自然对话、instruct情感表达、文本前端、多音字等方向；
语音对话大模型（Speech LLM）：探索端到端语音交互、多模态理解、语音推理、Speech2Text 数据构建、模型后训练、能力评测等方向；
3. 负责语音大模型训练、优化及工程化落地，包括数据构建、模型训练、Post-training、强化学习、评测体系建设等关键环节，打造行业领先的语音智能能力；
4. 跟踪国内外语音、多模态、大模型领域前沿技术发展，结合业务场景探索 AI + 医疗的新型交互模式，推动医疗行业智能化升级。
招聘要求：
1. 计算机科学、人工智能、电子信息、语音技术等相关专业，本科及以上学历，2年以上语音算法、大模型算法或机器学习相关研发经验；
2. 对语音大模型领域有深入理解和实践经验，熟悉 ASR、TTS、Speech LLM、多模态模型等相关技术方向，在一个或多个方向具备较强技术积累；
3. 语音识别方向：
• 熟悉端到端 ASR 技术，包括 Conformer、Transducer、CTC/Attention Encoder-Decoder、Audio LLM 等模型架构；
• 具备语音识别系统优化经验，有热词增强、实体识别、方言、多语种、低资源语音等方向经验优先；
4. 语音合成方向：
• 熟悉主流 TTS 模型架构，包括 VITS、Diffusion TTS、Codec-based TTS、LLM-based TTS 等；
• 具备自然度提升、情感控制、音色克隆、实时 TTS、文本正则/文本前端优化经验优先；
5. 语音对话大模型方向：
• 熟悉 Speech LLM、多模态大模型训练范式；
• 有语音指令数据构建、SFT/RL/Post-training、模型评测体系建设经验优先；
6. 具备扎实的算法工程能力，熟悉 Python/C++，熟悉深度学习框架（PyTorch 等），有大规模模型训练、优化和部署经验；
7. 对 AI 前沿技术有强烈兴趣，具备良好的学习能力、问题分析能力和团队协作能力；
8. 有 NeurIPS、ICLR、ACL、ICASSP、INTERSPEECH 等顶会论文发表经历，或参与开源大模型项目者优先。
公司介绍
蚂蚁科技集团股份有限公司
蚂蚁科技集团股份有限公司，成立于2000-10-19，位于浙江，法定代表人：韩歆毅，登记状态：存续，注册资本3500000万人民币，公司类型：民营/私企
蚂蚁集团是中国较大的移动支付平台支付宝的母公司，也是全球金融科技开放平台，致力于以科技推动包括金融服务业在内的全球现代服务业的数字化升级，携手合作伙伴为消费者和小微企业提供普惠、绿色、可持续的服务，为世界带来微小而美好的改变。