ASR/TTS算法工程师/专家

岗位职责：

岗位职责

1. 语音算法研发：负责语音识别（ASR）、语音合成（TTS）及语音大模型的核心算法开发（声学模型/语言模型/端到端建模/语音唤醒），探索语音与多模态数据（文本/视觉/传感器）的融合技术，提升交互智能化水平。
2. 场景优化落地：针对智能客服，优化语音系统在复杂环境（噪声/远场/多语种/多方言）下的鲁棒性、实时性与准确率，推动算法在实际业务中的工程化落地与性能调优。
3. 多语种/低资源攻坚：解决多语种、多方言、低资源场景下的语音识别/合成技术难题，支撑海内外业务需求。
4. 数据处理与训练：参与语音及文本相关数据（语音-文本平行数据/语义标注数据）的采集、清洗、标注与增强，设计高效处理流程；主导或配合完成大规模语音模型（含NLP关联模块）的分布式训练与调优。
5. 工程部署与协同：配合算法模型（ASR/TTS/NLP关联模块）的部署、后台架构搭建及接口实现，优化推理性能（如流式识别/低功耗），与产品/开发团队紧密协作达成业务指标。

任职要求：

任职要求

1. 学历与基础经验：计算机科学、电子工程、通信工程、自动化、应用数学等相关专业本科及以上学历，3年以上语音算法（ASR/TTS至少一项深耕）或语音大模型研发经验。
2. 核心技术能力：
• 精通传统语音技术（HMM/GMM、WFST解码）及深度学习模型（CTC/RNN-T/Transformer-based架构），熟悉端到端语音识别/合成模型原理；

• 掌握语音大模型（如VALL-E、CosyVoice等）或TTS前沿技术（如神经声码器优化）；

• 具备NLP基础能力：熟悉文本预处理、语义理解（如BERT/GPT类模型应用）、上下文建模、多语言文本处理等技术，有语音与NLP融合项目经验（如语音指令转文本后的语义纠错/多轮对话优化）者优先；

• 熟悉主流语音工具链（Kaldi/ESPnet/WeNet/FunASR/CosyVoice等）及NLP开源框架（如HuggingFace Transformers），具备大规模语音/文本数据处理与分布式训练经验。
3. 工程能力：熟练使用Python/C++，熟悉Linux开发环境，有实际项目落地经验。

加分项

• 有低资源场景（小语种/方言）语音优化经验、多模态语音交互（结合视觉/传感器）研发经验；

• 主导过语音算法从研发到产品落地全流程；

• 熟悉语音大模型与NLP模型的联合训练/微调方法。

【职位类别】科技序列
【学历要求】本科及以上
【招聘人数】若干
【招聘项目】日常招聘
【所属公司】数智金融事业群