Token Foundary事业部-多模态通用音频大模型算法工程师/专家-未来生活实验室

岗位职责

1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地；

2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系；

3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代；

4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题；

5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。

任职要求

1、学历经验：硕士及以上，1年以上音频/语音/音乐生成大模型研发经验。

2、核心技术：精通音频生成算法，对DiT、Flow Matching、MLLM、vocoder等技术有自己的理解和实操经验。

3、底层技术：熟悉音频表征（HuBERT/WavLM等）及高音质编解码方案（EnCodec/DAC等），对音质敏感。

4、多模态能力：有 AudioLDM、MusicGen、Qwen-Audio 等多模态音频大模型开发经验者优先。

5、工程与科研：Python/C++ 基础扎实，熟练使用 PyTorch/DeepSpeed；有 ICASSP/Interspeech 顶会论文或乐理/声学背景者加分。

(注：满足以上任意3项即可)

岗位标签

NEW