上海在招岗位岗位信息聚合

豆包语音合成大模型算法实习生 - Data语音

字节跳动 · 日常实习
面议
工作城市 深圳 / 北京 / 上海 / 杭州学历 本科岗位类型 实习实习分类 日常实习
内容来自「字节跳动校招」官方招聘页面 · 采集于 2026-11-10

岗位详情

团队介绍

  • Data-语音团队致力于语音、音乐等大模型AIGC技术的研发和产品创新,我们的使命是通过多模态AIGC音频技术赋能内容创作和语音交互,让内容生产、消费与互动变得更加简单、沉浸、多元化。当前团队已有成熟的大模型语音合成、语音理解、音乐生成等多模态音频技术,并持续迭代大模型端到端语音交互方案等,一方面通过中台形式服务于公司众多业务线,例如豆包/Dola、抖音/TikTok、剪映/CapCut、番茄小说、海绵音乐等产品;另一方面,团队已经通过字节跳动旗下的火山引擎开放平台-语音技术和火山方舟平台,向众多企业开放技术成熟稳定的能力和服务。
  • 日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
  • 1、参与下一代语音合成(TTS)、音频生成大模型(Seed Audio)与语音大模型核心技术的研发,包括但不限于Zero-Shot TTS、声音克隆(Voice Cloning)、跨语种合成及高表现力语音生成; 2、持续优化合成语音的音质、自然度、情感表现力,并针对端/云侧业务需求,进行模型轻量化、稳定性调优与推理加速; 3、参与音频生成技术在字节跳动场景的落地与交付,跟进并解决真实复杂场景下的业务诉求,包括豆包、抖音、剪映、番茄小说等; 4、进行音频生成技术的Model-as-a-Service应用探索,通过火山方舟进行国内和国外重点场景的业务应用能力建设,让语音技术从研究走向应用。

岗位要求

  • 1、本科及以上学历在读,计算机、软件工程等相关专业优先; 2、有自然语言处理、语音合成与识别、音乐生成等研究或者技术背景优先; 3、有预训练技术,包括但不限于高效训练、强化学习,参与过研发音频、NLP相关的预训练模型及其下游应用者优先; 4、熟练掌握PyTorch等深度学习框架,Python编程语言; 5、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、相关实习经验或者ACM竞赛获奖者优先。