多模态算法工程师当面告知
小米科技有限责任公司
2027-01-28 12:03:49
28届29届实习本科硕士
岗位详情
地区：
北京
专业要求：
人工智能信号处理
岗位职责：
1. 多模态语音分离算法研究与创新
a. 系统调研语音分离、多模态融合领域顶会顶刊最新进展，梳理基于唇语、人脸关键点、说话人表征的多模态语音分离技术路线；
b. 复现 3-5 个主流多模态语音分离基线模型（如 Audio-Visual Speech Separation 系列、Lip2Speech 融合方案等），建立统一的训练、评估基准。
c. 座舱场景算法创新与优化:针对车内强背景噪声、多路麦克风阵列、多乘员同时说话、人脸姿态多变等特有挑战，设计适配座舱场景的多模态融合语音分离算法；
d. 学术论文产出，整理算法创新成果，撰写符合学术会议 / 期刊规范的研究论文；配合完成实验补充、论文修改与投稿相关工作。
2. 多模态数据收集整理与全链路 Pipeline 搭建，包括开源多模态数据集 Pipeline、视觉特征提取链路 Pipeline、座舱实车数据处理 Pipeline
招聘要求：
1. 学历背景：计算机、信号处理、电子工程、人工智能等相关专业本科或硕士在读
2. 熟悉深度学习基础，了解常见神经网络结构（如CNN、RNN、Transformer）；
3. 具备语音/音频处理基础，了解信号处理经典方法（如波束成形、时频分析）；
4. 掌握Python编程，熟悉至少一种深度学习框架（PyTorch/TensorFlow）；
加分项：
1. 有多模态学习、音频分离、计算机视觉相关项目或研究经验；
2. 熟悉音频生成、声源定位、视觉辅助语音分离（如唇动识别）等技术；
3. 发表过相关领域论文或竞赛获奖经历；
公司介绍
小米科技有限责任公司
小米科技有限责任公司，成立于2010-03-03，位于北京，法定代表人：雷军，登记状态：存续，注册资本185000万人民币，公司类型：民营/私企
"小米科技有限责任公司成立于2010年3月3日，是专注于智能硬件和电子产品研发的全球化移动互联网企业，同时也是一家专注于智能手机、智能电动汽车、互联网电视及智能家居生态链建设的创新型科技企业。小米公司创造了用互联网模式开发手机操作系统、发烧友参与开发改进的模式。“为发烧而生”是小米的产品概念。“让每个人都能享受科技的乐趣”是小米公司的愿景。小米公司应用了互联网开发模式开发产品，用极客精神做产品，用互联网模式干掉中间环节，致力让全球每个人，都能享用来自中国的优质科技产品。小米已经建成了全球最大消费类IoT物联网平台，连接超过4.78亿台智能设备，进入全球100多个国家和地区。MIUI全球月活跃用户达到5.5亿。小米系投资的公司超500家，覆盖智能硬件、生活消费用品、教育、游戏、社交网络、文化娱乐、医疗健康、汽车交通、金融等领域。"