阿里云智能-终端智能创新业务 端侧语音推理引擎专家-杭州/北京/深圳

1. 负责语音识别（ASR）核心算法研究与推理引擎开发，对 Conformer、RNN-T、Whisper 等主流架构进行性能优化，覆盖实时转写、离线识别、多语种、强噪声等复杂场景； 2. 负责语音合成（TTS）声学模型与声码器算法研究，对 VITS、NaturalSpeech、CosyVoice 等架构进行优化，提升合成语音的自然度、表现力与推理速度，支撑多发音人、多语种、情感风格可控合成等场景落地； 3. 负责机器翻译算法研究与产品化落地，基于 Transformer 等主流架构进行优化，设计支持云端与离线端的翻译推理框架，覆盖多语种互译、低资源语言对及垂直领域翻译场景； 4. 负责 ASR / TTS / 翻译全链路推理框架设计，推动模型流式改造、INT8/INT4 量化、知识蒸馏、结构剪枝等轻量化技术落地，支撑移动端、嵌入式设备的大并发低延迟部署； 5. 跟进 ASR、TTS、机器翻译及多模态语音领域的学术前沿与行业动态，将研究成果快速转化为工程能力，持续提升产品效果与用户体验。 【任职要求】 1. 计算机、人工智能、电子信息、信号处理等相关专业本科及以上学历，具备扎实的数学基础（概率统计、线性代数、信号处理）； 2. 熟悉主流语音识别模型算法，如 CTC、RNN-T、Conformer、Whisper，熟悉 Kaldi、WeNet、ESPnet、FunASR、K2 中至少两种开源框架； 3. 熟悉主流语音合成架构，了解 VITS、FastSpeech、HiFiGAN、CosyVoice、ChatTTS、IndexTTS 等模型基本原理，掌握语音信号离散化方法及声码器设计； 4. 熟悉 Seq2Seq / Transformer 翻译架构，了解 BPE、词表构建等基础知识，有 NMT 模型训练或推理部署实践经验； 5. 具备扎实的机器学习理论基础，熟练使用 PyTorch 等深度学习框架，掌握 SSL、LLM、Diffusion、对比学习等技术在语音与翻译领域的应用； 6. 熟练掌握 Python / C / C++ 编程，有 TensorRT、ONNX Runtime、TFLite 等推理框架使用经验，具备模型量化、剪枝、蒸馏工程落地能力者优先； 7. 学习能力强，能够独立阅读英文文献，对解决具有挑战性的问题充满热情。 加分项： 1. 在 ICASSP、Interspeech、ACL、EMNLP、NeurIPS、ICML、IEEE TASLP 等顶会或期刊发表过论文，或参加过相关国际竞赛者优先； 2. 相关领域竞赛取得优异成绩者优先； 3. 对 WeNet、FunASR、fairseq 等开源项目有突出贡献者优先。