崗位職責(zé)：
1、交互框架升級(jí)與開發(fā)：輔助優(yōu)化對(duì)話系統(tǒng)的全鏈路交互邏輯，重點(diǎn)開發(fā)流式（Streaming）數(shù)據(jù)處理模塊，降低首字延遲，提升人機(jī)對(duì)話的實(shí)時(shí)性。
2、語(yǔ)音與打斷機(jī)制優(yōu)化：參與“全雙工”交互功能的開發(fā)，優(yōu)化VAD（語(yǔ)音活動(dòng)檢測(cè)）算法，實(shí)現(xiàn)精準(zhǔn)的用戶打斷（Barge-in）與自動(dòng)喚醒功能。
3、聲紋與語(yǔ)音合成技術(shù)：協(xié)助調(diào)研和集成聲紋識(shí)別（Speaker Verification）算法，用于身份驗(yàn)證；探索零樣本或少樣本語(yǔ)音復(fù)刻（Voice Cloning）技術(shù)，實(shí)現(xiàn)個(gè)性化語(yǔ)音合成。
4、多語(yǔ)種適配：參與多語(yǔ)種（如英語(yǔ)、阿拉伯語(yǔ)及其他小語(yǔ)種）ASR與TTS模型的篩選、微調(diào)與集成，實(shí)現(xiàn)對(duì)話過程中的語(yǔ)種自動(dòng)識(shí)別（LID）與無(wú)縫切換。
5、模型輕量化與部署：協(xié)助將大模型或語(yǔ)音模型進(jìn)行輕量化處理（如量化、剪枝、蒸餾），并探索在Linux邊緣設(shè)備上的推理加速落地。
6、前沿技術(shù)調(diào)研：針對(duì)語(yǔ)音大模型（Audio-LLM）、端到端語(yǔ)音交互（Speech-to-Speech）等前沿方向進(jìn)行調(diào)研，撰寫技術(shù)驗(yàn)證報(bào)告。
崗位要求：
1、專業(yè)背景：計(jì)算機(jī)、信號(hào)處理、電子工程、人工智能等相關(guān)專業(yè)，碩士及以上在讀；
2、編程能力：精通Python，有C++基礎(chǔ)者優(yōu)先（用于端側(cè)部署），熟悉Linux環(huán)境與Shell腳本；
3、算法基礎(chǔ)：熟悉語(yǔ)音信號(hào)處理基礎(chǔ)（如STFT、Mel頻譜等），熟悉PyTorch深度學(xué)習(xí)框架；
4、領(lǐng)域經(jīng)驗(yàn)（加分項(xiàng)）：
- 熟悉主流語(yǔ)音開源項(xiàng)目（如WeNet, FunASR, Espnet, VITS, CosyVoice等）；
- 對(duì)流式ASR/TTS架構(gòu)有理解，了解WebSocket/gRPC通信協(xié)議；
- 有聲紋識(shí)別或語(yǔ)音克隆相關(guān)實(shí)踐經(jīng)驗(yàn)；
- 了解模型量化（Int8/FP16）及端側(cè)推理引擎（MNN, NCNN, TensorRT-LLM）者優(yōu)先；
5、綜合素質(zhì)：具備較強(qiáng)的動(dòng)手能力和文獻(xiàn)復(fù)現(xiàn)能力，連續(xù)3個(gè)月以上的實(shí)習(xí)時(shí)間。