岗位职责
- 研发支撑自动标注、并对标冲击业界 SOTA 的语音算子（识别与对齐、说话人与声学、中文方言/口音/LID、多音字 G2P、中英混、TN/ITN 等），负责训练、评估、迭代与持续对标；
- 建设亿小时级语音数据资产中枢：内容族与资产族两族标签的 schema/ontology、取数引擎、元数据库、多维查询与按标签取数；
- 设计跨源去重治理与 train-eval 去污 pipeline，建立数据覆盖率矩阵与缺口诊断，驱动数据按需补齐、形成质量闭环。
职位要求
- 计算机、电子、声学、语言学、统计等相关专业，硕士及以上；
- 在语音/音频算法或大规模数据工程方向具备扎实功底，能独立承担语音算子研发或数据资产中枢建设；
- 熟悉 PyTorch、大规模数据 pipeline、向量检索/metadata、数据建模/taxonomy 等相关技术栈之一或多项，能复现并改进业界方法；
- 对算子技术深度与数据资产质量有极致追求，能独当一面；
- 有中文方言/混说场景、亿级数据治理经验，或 ICASSP / Interspeech 等顶会产出者优先。
