千问事业部-音频多模态生成算法专家-杭州/北京/上海

团队介绍
千问语音团队致力于构建千问 APP、夸克APP、千问智能硬件的核心语音交互能力，聚焦语音生成、语音理解、端到端全双工对话、Voice Agent 等前沿方向，持续探索下一代语音与多模态基础模型。

我们希望让 AI 不仅能够听懂和说好，更能够自然地交流、实时地思考、主动地协作。在这里，研究、工程与产品紧密结合，你将有机会参与前沿语音大模型的架构探索、模型训练和技术创新，让研究成果真正落地于大规模真实用户场景

职位描述
1. 负责音频多模态生成大模型的研发，包含语音合成、音乐生成、音效生成和歌曲生成等任务的基础研究和应用落地；
2. 研发基于扩散模型（Diffusion Models）或自回归模型（AR）的音频生成算法；
3. 研究音频表征、强化学习或语音端到端等技术方向。

1. 计算机、信号处理、数学等相关专业硕士/博士学位，3 年以上相关工作经验；
2. 在语音合成、音乐生成、音效生成或语音端到端等领域有深入研究，具备大规模数据训练经验；
3. 熟练掌握 PyTorch/DeepSpeed/Megatron等框架，有高性能推理优化经验者优先；
4. 发表过领域顶级会议文章（NeurIPS、ICML、ICLR、ACL、ICASSP、Interspeech等）、相关实习经验或者ACM竞赛获奖者优先。