岗位职责
- 负责智能NPC对话（语音合成TTS）方向的前沿研究，研发新一代语音合成底座模型，驱动游戏中的智能NPC像真实人物一样与玩家实时交互；
- 研究最新的大模型后训练、蒸馏技术，深入神经音频编解码、语音token化、零样本音色克隆、情感与韵律控制、流式低时延合成等方向，让大模型学会扮演各类游戏NPC角色，拥有高度拟人化的性格、情绪、音色及语言风格，并与玩家实时交互，优化模型线上推理效果；
- 构建NPC语音生成专用数据集，训练和微调大模型，提升生成语音的听觉自然度、音色一致性、可懂度、情绪与韵律表现力，减少人工后期调整，探索多奖励强化学习（RL）、可验证奖励（RLVR）、小模型蒸馏（OPD）等技术，优化生成结果与NPC人物设定的匹配度；
- 与游戏引擎团队协作，确保生成内容可直接在主流引擎（如Unreal）中运行，监控模型在真实场景中的表现，持续迭代优化生成效果和稳定性；
- 与游戏策划、美术、程序团队紧密合作，理解业务需求，将技术方案转化为实际生产力，输出技术文档、专利或论文，推动行业技术标准建设；
- 跟踪语音合成与游戏AI领域最新进展，主动探索新技术在智能NPC场景的落地可能，赋能生态二方游戏项目。
职位要求
- 硕士及以上学历，人工智能、语音合成、语音信号处理、机器学习或相关领域毕业，在语音合成大模型方向有深入理解与丰富实践经验；
- 精通Python与PyTorch生态，熟悉DeepSpeed / Megatron-Core / FSDP等训练框架与vLLM / SGLang等推理框架，深入理解神经音频编解码器（EnCodec / DAC、RVQ分层token）、语义token与声学token建模、声码器（HiFi-GAN / Vocos等）；
- 具备TTS大模型训练与微调经验，掌握分布式训练、混合精度、梯度检查点等工程能力，有实际使用、评测或二次开发业界前沿语音大模型（如CosyVoice、MiniMax Speech、Seed-TTS等）的经验；
- 系统掌握TTS大模型后训练技术栈：SFT、偏好对齐（DPO / IPO / KTO）、强化学习（GRPO / PPO / REINFORCE++），熟悉多奖励强化学习并围绕音色相似度、可懂度、情感表现、韵律等维度构造奖励，能运用ASR / 评测模型作为可验证奖励（RLVR）进行训练与对齐；
- 深入理解模型蒸馏技术：策略蒸馏（OPD）、多教师蒸馏、自蒸馏，能将强教师模型的能力迁移到线上服务的小模型；
- 熟悉TTS数据管线构造：源分离与VAD切分、音质过滤、富转写标注、合成数据生成、数据清洗去重与质量过滤，能围绕音色一致性 / 情绪 / 韵律 / 语言风格设计数据方案并搭建数据飞轮；
- 熟悉TTS评测管线构造：自然度（MOS）、可懂度（CER / WER）、音色相似度（SIM）、韵律与情绪一致性等主客观指标及实时性指标（RTF / 首包时延），能建立端到端评测体系与在线A/B反馈闭环；
- 具备端到端TTS大模型后训练落地经验：完整跑通「数据 → 训练 → 评测 → 上线」全链路，能在实时性与成本约束下最大化语音生成效果；
- 熟悉语音生成线上推理优化：流式合成与低时延推理、KV Cache、量化、多说话人并发服务及零样本音色克隆的高效部署等；
- 具备良好的跨团队沟通能力和技术文档撰写能力，能高效推动技术方案在游戏业务中的落地。
