岗位描述 1、参与端到端语音及全双工语音大模型的架构设计与算法研发，探索语音、语义与对话状态的统一建模方案，构建具备“边听边说”、动态智能判停、主动回应、打断处理及抗干扰能力的实时语音交互系统； 2、负责流式语音交互核心能力研发，包括流式语音理解与生成、端到端 ASR/TTS、Speech-to-Speech、全双工对话、轮次预测及上下文建模，持续提升模型在自然度、准确性、实时性与交互体验上的表现； 3、负责大规模语音、文本及多模态训练数据的构建、清洗、配比与训练策略设计，结合数据 Scaling、数据增强、监督微调及偏好优化等方法，持续提升模型效果； 4、优化模型在复杂场景下的鲁棒性与泛化能力，解决噪声、远场、回声、重叠语音、口音方言、多人交互等问题；建立 benchmark、评测指标与 badcase 分析机制，驱动模型快速迭代； 5、持续跟踪语音大模型、端到端语音、全双工交互及多模态大模型等前沿技术，结合实际业务需求完成技术验证、工程实现与产品落地。 岗位要求 1、硕士及以上学历，计算机科学、人工智能、电子信息、自动化、声学、通信、数学等相关专业；有语音大模型、全双工语音或端到端语音相关经验者优先； 2、具备扎实的语音算法与深度学习基础，熟悉 ASR、TTS、语音理解、语音生成、对话系统及 LLM 等相关技术；理解 Transformer、Conformer、CTC、Transducer、Diffusion 等模型原理及训练方法； 3、熟悉大模型训练与优化流程，具备大规模数据处理、模型训练、实验设计、指标分析及 badcase 定位经验；能够独立完成模型迭代与效果优化； 4、熟练掌握 Python，具备良好的工程能力；熟悉 PyTorch、Transformers 等深度学习框架，熟悉 Linux、CUDA、多卡/分布式训练环境；掌握 C/C++ 者优先； 5、具备较强的技术研究能力、问题分析能力和主人翁意识，能够追踪前沿进展并推动技术方案落地；具备良好的沟通能力与团队协作精神。