岗位职责
面向淘宝直播数字人场景，研究探索语音大模型等前沿技术，提升技术影响力：
- 负责语音大模型等前沿算法研究，包括语音对话系统、语音理解与生成、语音强化学习等方向，参与架构设计、训练调优及迭代工作；
- 负责端到端语音交互模型的前沿探索，优化数字人全双工语音交互架构，包括智能打断、上下文感知、情感交互理解、流式输入输出等，解决级联模型等语义割裂与延迟问题；
- 负责高表现力语音合成算法探索，参与数字人TTS系统研发，包括多情感、高表现力的电商直播感染力语音建模，实现语音、重音、情感的动态可控；
- 参与团队合作，与团队一起解决技术难题，推动技术落地，产出高质量学术论文和专利。
职位要求
- 计算机、人工智能、信号处理、自动控制等相关专业背景的在读硕士或博士；
- 扎实的算法和编程能力，熟练掌握 Python 编程及 PyTorch/TensorFlow 等主流深度学习框架；
- 在语音多模态大模型某一领域（Voice Agent / 语音合成 / 语音识别等）有相关经验，对相关算法模型和优化有深刻理解；
- 在 ICASSP、Interspeech、NeurIPS、CVPR 等顶会发表过论文者优先；有数字人、虚拟主播或语音交互相关项目经验者优先；
