蚂蚁集团-语音交互算法专家/高级专家-杭州当面告知
蚂蚁科技集团股份有限公司
2027-01-03 00:00:00
社招博士硕士
岗位详情
地区：
杭州市
专业要求：
声学人工智能
岗位职责：
1、全双工语音模型研发：参与或主导面向全双工交互的 Audio-LLM / Speech-to-Speech 模型设计与训练，研究流式音频输入输出、跨模态表征及语音理解与生成的一体化建模。
2、交互感知与状态决策：面向全双工语音交互，研究多维信息融合与交互状态建模，提升复杂交互场景下的轮次判断、打断处理及交互决策能力。
3、语音前端算法研发：研发面向实时语音交互的语音前端算法，包括 AEC、语音增强、VAD、说话人感知与目标语音提取等，提升复杂声学环境下的语音质量与交互鲁棒性。
4、数据、训练与评测体系建设：建设面向真实复杂交互场景的数据与评测体系，开展数据构建、模型训练与难例优化，结合业务反馈持续提升模型效果与端到端交互体验。
招聘要求：
1、计算机、人工智能、电子信息、声学、信号处理等相关专业，硕士及以上学历，具备扎实的深度学习基础，以及语音、音频或多模态算法研发经验。
2、在以下至少一个方向具备深入研究或落地经验：Audio-LLM / Speech-to-Speech、语音大模型与跨模态对齐、流式语音理解与生成、全双工交互状态建模、轮次决策与打断识别、说话人感知与目标语音提取、AEC / 语音增强等语音前端算法。
3、具备良好的模型研发与工程实践能力，熟悉 PyTorch 等主流深度学习框架，能够独立完成数据构建、模型训练、评测分析与算法迭代，并推动算法能力在真实业务场景中落地。
4、加分项：具有端到端 Speech-to-Speech、流式 Audio-LLM、全双工语音交互或端侧语音前端研发经验；在 ICASSP、Interspeech、ACL、NeurIPS 等相关会议发表论文，或在语音、多模态相关竞赛及开源项目中有突出成果。
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。