岗位职责
LongCat 是美团基础研发自主研发的大模型，覆盖语言、视觉、语音、具身全栈。LongCat 相继推出 LongCat-Flash、LongCat-Flash-Thinking、LongCat-Flash-Omni 等系列模型，正在构建支撑 LongCat全场景的语音大模型。加入团队你将参与如下工作：
- LLM-ASR 模型演进，研究端到端语音识别大模型的架构与训练范式，攻克复杂声学、多说话人、专业术语热词等核心场景。
- 下一代 TTS 模型探索，研发上下文感知的语音合成大模型，攻克音色 / 情绪 / 语速 / 方言多属性可控、首包延时与自然度的平衡，逼近真人级表达力。
- 声纹与说话人建模，研究大规模声纹基座模型与多说话人分离算法，构建早期注入、多场景泛化的声纹能力底座。
- 语音与多模态融合探索，研究语音表征与 LLM、视觉模态的统一建模范式，作为 Omni 模型的语音底座，支撑下一代多模态实时交互。 【为什么是我们】
- 全栈顶配算力支持，依托美团大规模算力集群，提供千卡至万卡级算力支持，具备成熟的分布式训练与低延迟推理优化栈，保障 世界动作模型与 VLA 大规模训练。
- 与优秀人才同行，你将与行业顶尖的大模型研究员及机器人领域专家并肩作战，共同攻克具身智能的技术难点。
职位要求
- 计算机、电子工程、声学、人工智能等相关专业硕士/博士学位，具备扎实的语音信号处理或语音机器学习理论功底；
- 在 ICASSP / Interspeech / NeurIPS / ICLR / ACL 等顶级会议发表过高水平论文者优先；
- 深入理解 ASR / TTS / Speaker Verification / Speech LM / Audio Tokenization 等至少一项前沿技术；
- 精通 PyTorch，具备大规模分布式训练（千卡及以上集群）或大规模语音数据管线构建经验；
