岗位详情
岗位描述
- 专注于AudioLLM的研究与开发，参与构建下一代音频基础模型和Omni多模态框架，探索语音、音乐、环境声音等多模态音频内容的统一理解建模方法，推动 audio AI 在理解、生成和交互场景中的技术突破。
核心职责
- 1. 模型架构与训练：负责通用音频理解模型设计与分布式训练优化，实现语音识别、情感分析、音频问答、音乐理解、声音事件检测等多任务统一建模 2. 数据管线：设计并落地大规模多模态音频数据 pipeline，完成数据对齐、质量控制与自动标注 3. 跨模态融合：研究音频编码器与大语言模型融合技术，优化跨模态注意力与统一特征表示
岗位要求
- 1. 计算机科学、人工智能、电子工程等相关博士学历 2. 具备大模型（LLM 或多模态）训练经验，熟悉 Transformer 架构与大规模分布式训练 3. 深入掌握以下至少一方向 • 通用音频自监督表征，如 Best-RQ, CLAP, wav2vec bert2.0 等 • Omni模型架构和多模态RL • 语音识别/情感识别/音乐信息检索算法 4. 精通 Pytorch，具备海量数据处理经验 5. 具备跨时区协作与良好沟通能力，结果导向，责任心强