语音算法工程师（27届）

核心目标

参与云端大规模端到端语音识别（ASR）及相关算法体系的研发与迭代，在导师带领下深入声学模型优化、解码器调优及前沿方向探索，成长为能独立承担核心算法模块的语音算法工程师。

岗位职责

1. ASR 核心算法研发：参与端到端 ASR 系统的声学模型（AM）与语言模型（LM）优化及解码器调优，在导师指导下完成模型训练、效果验证与迭代，提升远场、高噪声、口音、多语种等复杂场景下的识别准确率。

2. VAD 算法研究：参与 VAD（语音端点检测）算法的设计与训练实验，探索远场、高噪声、双讲及复杂背景音下的静音截断与语音触发优化方案。

3. 前沿技术探索：跟踪 LLM + Speech、长音频对齐、多语种混合识别、流式识别等前沿方向，参与预研实验与技术调研，撰写技术分析报告。

4. 工程落地实践：参与算法云端部署与推理优化的工程实践，学习并实践模型压缩、蒸馏、量化及推理加速等技术，理解高吞吐、低延迟的工程约束。

5. 数据闭环参与：参与自动化数据标注与清洗流程的建设与优化，通过弱监督、主动学习等手段协助构建持续迭代的数据飞轮。

6. 技术积累与成长：持续阅读语音领域顶会论文（Interspeech、ICASSP 等），参与组内技术分享，逐步建立对语音识别全链路的系统性理解。

任职要求

1. 学历与专业：声学、信号与信息处理、模式识别与智能系统、计算机、人工智能等相关专业，硕士及以上。

2. 理论基础：扎实的数字信号处理与深度学习基础，熟悉常用语音特征提取（MFCC / Fbank 等）；对主流 ASR 架构（CTC / RNN-T / Attention(AED) / Conformer 等端到端模型）有一定理解或研究经历。

3. 编程与框架：掌握 Python / C++，具备良好的算法实现能力；使用过 PyTorch / TensorFlow 至少一种深度学习框架；有 Kaldi / WeNet / ESPnet 等语音框架使用经验者优先。

4. 开发环境：具备 Linux 开发基础，了解多线程、异步编程基本概念。

5. 学术素养：具备良好的英语论文阅读能力，关注语音领域顶会（Interspeech、ICASSP 等）前沿进展。

6. 综合素质：对语音识别方向有持续热情，具备较强的学习能力、问题分析能力和团队协作意识。

加分项

1. 竞赛获奖：在语音国际竞赛（CHiME、Interspeech 相关评测、SpeechIO 等）中获得前排名次。

2. 顶会论文：在 Interspeech、ICASSP、ICLR、ACL 等语音或 AI 领域顶会/顶刊发表过相关论文（一作或核心作者优先）。

3. 科研经历：在导师课题组有语音识别/语音处理/语音增强方向的研究经历，且有具体成果（论文/专利/系统Demo/竞赛排名）。

4. VAD 方向经验：有基于神经网络的 VAD 开发或研究经验，对人声、噪声、音乐及环境异响的区分有一定实践。

5. LLM + Speech：对 LLM + Speech 结合方向有了解或实践经历，或对 Whisper 等模型有调优/复现经验。

6. 工程优化经验：有模型量化、剪枝、蒸馏或 GPU 推理优化的学习或实践经验。

7. 开源贡献：在 Kaldi / WeNet / ESPnet / Whisper 等开源语音项目有代码贡献。