岗位详情
岗位描述
- 本职位承接腾讯会议会议实时字幕，会后流式和离线纪要，上传文件，录音笔，实时和离线多语种语音内容理解和翻译等工作。在当前已有模型下，需要进一步提升内容识别和理解质量，这里就需要针对会议的特点，从长度和内容的丰富度上，研发超长音频，超长上下文，多说话人，多语种，多方言，多轮，连续语流场景下，全面理解会议内容的大模型方案；同时，从可利用的信息上，充分利用会中会外各类多媒体信息，通过和用户不断的交互，提升会议场景内容理解的质量；
岗位要求
- 1. 具有语音识别、说话人识别等方向的研究经验 2. 具备一定的LLM理论基础和调优实践经验 3. 熟悉端到端语音大模型的训练和调优技术 4. 在Interspeech、ICASSP等会议中稿者优先