岗位职责
- 负责抖音直播中低延迟音频理解和生成模型的能力建设，为实时对话智能体提供音频技术支持，包括但不限于ASR、TTS、端到端语音大模型、音频分类等；
- 负责关键场景的算法优化，构建高质量低延迟的智能体系统，提升业务效果；
- 跟进业界前沿的音频技术，探索多模态感知交互能力的边界并落地产品。
职位要求
- 计算机、人工智能、模式识别等相关专业本科及以上学历；
- 熟悉Linux系统和常用的数据结构，熟练使用Python/C++等至少一种编程语言，熟练使用TensorFlow/PyTorch等至少一种深度学习框架；
- 深入理解端到端语音大模型的原理和架构，熟悉常见的语音大模型，如Whisper等，对语音识别、合成、对话理解等技术有扎实的理论基础；
- 在语音、人工智能领域的会议和期刊，如ICASSP、Interspeech、NIPS、ICML、ICLR等发表过论文，或在相关竞赛中取得优异成绩者优先；
- 优秀的分析和解决问题的能力，对解决具有挑战性的问题充满激情，良好的沟通和团队合作能力。
