算法工程师（语音方向）

岗位职责： 1、交互架构迭代与开发：协助优化对话系统全链路的交互流程，重点推进流式（Streaming）数据处理模块的研发，减少首字响应延迟，增强人机交互的实时表现。 2、语音交互与打断机制改进：参与“全双工”通信功能实现，优化VAD（语音活动检测）策略，提升用户自然打断（Barge-in）及自动唤醒的准确性和响应速度。 3、声纹识别与语音生成技术：配合开展声纹验证（Speaker Verification）算法的研究与集成，用于身份确认；探索零样本或少样本条件下的语音复刻（Voice Cloning）方法，支持个性化TTS输出。 4、多语言支持能力建设：参与英语、阿拉伯语及其他小语种ASR与TTS模型的选型、微调与整合，实现语种自动识别（LID）和对话中语种的平滑切换。 5、模型压缩与边缘部署：协助完成大模型或语音模型的轻量化工作（如量化、剪枝、知识蒸馏），并推动其在Linux边缘设备上的高效推理落地。 6、前沿方向技术探索：围绕语音大模型（Audio-LLM）、端到端语音到语音交互（Speech-to-Speech）等新兴领域开展调研，输出可行性分析与技术验证文档。 任职要求： 1、专业背景：计算机科学、信号处理、电子工程、人工智能等相关方向，硕士及以上在读学历； 2、编程能力：熟练掌握Python，具备C++基础者优先（适用于端侧部署场景），熟悉Linux操作系统及Shell脚本使用； 3、算法基础：了解语音信号处理基本方法（如STFT、Mel谱图等），掌握PyTorch深度学习框架； 4、领域经验（加分项）： - 熟悉主流语音开源工具（如WeNet, FunASR, Espnet, VITS, CosyVoice等）； - 理解流式ASR/TTS架构，了解WebSocket/gRPC通信机制； - 有声纹识别或语音克隆实际项目经历； - 掌握模型量化技术（Int8/FP16）及边缘端推理框架（MNN, NCNN, TensorRT-LLM）者优先； 5、综合素养：具备良好的工程实践与论文复现能力，可保证连续3个月以上的稳定实习周期。