岗位职责
- 负责端到端音乐/语音生成方案的架构设计与研发，实现节奏、情绪、音色、旋律等多维度的可控生成，持续打磨自然度、音质与主观听感，对标主流商用音频生成系统；
- 追踪并落地音频生成前沿技术（Audio LLM、DiT、Audio Tokenizer、Vocoder、Audio VAE 等），驱动生成模型的迭代与推理优化；
- 研发基于音频表征与大语言模型的音乐/语音/音效内容理解管线，实现自动语义打标与自然语言描述（人声特质、情绪、曲风、乐器配置等），支撑音频检索、内容管理及音频生成闭环；
- 设计并维护音频数据清洗、标注与质量评估管线，建设面向生成与理解任务的大规模高质量音频数据集。
职位要求
- 硕士及以上学历，音乐信息检索（MIR）、信号处理、人工智能、计算机相关专业；
- 熟悉音频生成/理解领域主流模型（如 CosyVoice, IndexTTS, LeVo, Yue/Yue2, Qwen-Audio, Music-Flamingo, Moss-Music 等）的架构与优化思路，有模型调优、结构改进或推理适配经验者优先；
- 熟练使用 Python，具备音频大模型分布式训练与调优经验（PyTorch / DeepSpeed / FSDP）；
- 良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。 加分项
- 有成功落地的 AI 音乐产品或项目经验（如参与开发过 AI 作曲工具、智能配乐软件等）；
- 在 ICASSP / Interspeech / NeurIPS / ISMIR 等会议发表音频生成、音频理解相关论文，或持有相关专利；
- 具备音乐理论基础（旋律、和声、节奏、曲式），能与音乐制作团队协同定义模型目标；
- 有大语言模型预训练、RLHF / 偏好优化（DPO、Reward Model）实战经验；
- 活跃于开源社区，有高质量 GitHub 项目、技术博客或核心代码贡献。
