岗位职责
- 主导多模态理解/音频大模型的前沿算法研究及产业落地。
- 音频理解方向： （1）研发语音识别、语音翻译以及音频分析等理解算法。 （2）开发跨模态（语音/文本/视觉）的音频语义理解系统。 （3）探索音频大模型架构设计。 （4）推动算法成果转化：通过ModelScope开源社区创造研究价值，或通过阿里云产品体系创造商业价值。 （5）持续跟踪国际前沿技术动态（ICASSP/Interspeech/NeurIPS/ICLR等），参与国际会议、研讨会，与全球顶级团队进行交流合作。
职位要求
- 计算机科学、信号处理、语音处理、人工智能等相关领域硕士及以上学历。
- 2年以上音频AI研发经验，包括但不限于 音频识别及理解、音频生成、数字人、多模态交互 等方向。
- 扎实的深度学习基础，熟练掌握PyTorch/TensorFlow等框架。
- 优秀的编程能力（Python/C++），具备大规模音频数据处理经验。
- 良好的跨团队协作能力，对技术落地有强烈热情。 加分项：
- 在音频、多模态、机器学习顶会或期刊发表过相关论文。
- 深入了解语音在各类业务场景应用落地的相关挑战。
- 具备多模态（语音+视觉+文本）交互系统研发及落地经验。
