科大讯飞
算法研究员-多模态深度鉴伪
算法研究员-多模态深度鉴伪
发布于 大约 14 小时前普通员工/个人贡献者
合肥市
中级经验
全职员工
仅现场办公
硕士
深度学习
PyTorch
计算机视觉
TensorFlow
多模态
CNN
GAN
diffusion
语音信号处理
深度伪造检测
AI 估算 · 25k–40k
深度鉴伪方向稀缺，大厂平台，硕士起薪高，合肥生活成本适中。
职位详情
关于这个职位
该职位专注于多模态深度伪造检测与溯源的前沿技术研发，涉及语音、图像、视频等多模态伪造分析与鲁棒鉴伪建模
你将跟踪国际前沿、参与竞赛，并推动算法在安防、内容安全等场景落地
适合在语音/视觉鉴伪方向有扎实积累的硕士或博士
最低要求
硕士及以上学历，人工智能、计算机、信号处理、电子工程、自动化等相关专业，具备扎实的数学与机器学习基础
熟悉至少一个方向的技术原理与实践：语音信号处理（如声学特征、频谱分析、说话人建模）、计算机视觉（如图像/视频表征、时空建模）、深度学习模型（CNN/Transformer/自监督预训练等）
理解深度伪造（Deepfake）或生成模型相关技术，包括：语音合成（TTS）、语音转换（VC）或音频生成模型、图像/视频生成（GAN、Diffusion等）、常见伪造检测方法与攻击方式
具备良好的英文文献阅读能力，能够进行前沿技术调研与分析
具备PyTorch/TensorFlow等深度学习框架实践经验，有论文发表、开源项目或竞赛经验者优先
工作职责
负责多模态深度伪造（Deepfake）检测与溯源方向的核心技术研发，重点包括：语音、图像、视频等模态的伪造生成机制分析与检测方法设计
面向复杂场景（压缩、剪辑、重采样、跨设备）的鲁棒鉴伪建模
真实世界分布下的泛化能力提升（Out-of-Distribution/Cross-domain）
构建面向产业落地的鉴伪技术体系，包括：数据构建与标注体系设计（真实/伪造、多攻击类型覆盖）
鉴伪评测基准与指标体系设计（鲁棒性、泛化性、可解释性）
推动算法在实际场景中的部署与性能优化（实时/离线、多端协同）
跟踪国际前沿研究与竞赛，参与或组织相关评测与技术对标，持续提升技术领先性
优先资格
在INTERSPEECH、ICASSP、CVPR、ICCV、NeurIPS等会议/期刊有相关研究成果
在深度伪造检测、音视频理解或生成模型方向有系统性研究积累
有大规模数据构建或实际业务落地经验（如安防、内容安全、取证等）
AI 洞察
优缺点分析
优点
- 前沿技术方向，深度伪造检测需求旺盛，行业前景广阔
- 科大讯飞为行业龙头，平台资源丰富，研究氛围浓厚
- 算法研究与落地结合，能积累从研发到部署的全链路经验
- 接触顶会竞赛，有利于提升学术影响力
- 技术难度高，需同时掌握多模态和生成模型，学习曲线陡峭
- 实际场景复杂，模型泛化性和鲁棒性要求高，研究与工程结合紧密
- 竞争激烈，需持续跟踪前沿，保持技术领先
缺点 / 挑战
- 适合有语音/视觉AI背景、对深度伪造检测有热情、喜欢挑战技术难题的研究型人才
角色解读
- 技术深耕：成为多模态鉴伪领域专家，主导核心技术研发
- 横向扩展：向AI安全、内容审核、多媒体取证等方向拓展
- 管理路线：带领技术团队，负责项目规划与落地
- 研发多模态深度伪造检测与溯源算法，覆盖语音、图像、视频等模态
- 设计鲁棒鉴伪模型，应对压缩、跨设备等复杂场景
- 构建数据标注体系和评测基准，推动算法落地
- 跟踪国际前沿，参与竞赛与技术对标
- 扎实的数学与机器学习基础，熟悉CNN、Transformer等深度学习模型
- 至少精通语音信号处理或计算机视觉中的一个方向
- 了解深度伪造生成技术（GAN、Diffusion、TTS等）及检测方法
- 熟练使用PyTorch/TensorFlow，有英文文献阅读能力
申请策略
- 在求职信中表达对深度伪造安全问题的兴趣和见解
- 提前了解科大讯飞在AI安全领域的业务布局
- 重点突出在语音/图像鉴伪、生成模型或相关竞赛（如ASVspoof）中的项目经验
- 展示论文、开源项目或竞赛名次，体现技术深度
- 强调多模态、鲁棒性建模的实际落地案例
- 系统学习GAN、Diffusion模型原理及常见Deepfake生成工具
- 练习使用PyTorch搭建鉴伪模型，复现顶会论文
- 关注INTERSPEECH、CVPR等会议最新动态
面试指南
- 从问题分析、方法选择、实验验证三个维度组织回答
- 结合具体项目，强调算法创新点与性能提升
- 展示对复杂场景的考量，如泛化性、可解释性
- 请介绍你熟悉的深度伪造检测方法及其优缺点
- 如何处理多模态数据（如语音+视频）的伪造检测？
- 如何设计一个鲁棒的鉴伪模型应对压缩和噪声？
- 你了解哪些生成模型（GAN、Diffusion）？它们在伪造攻击中的应用？
- 请描述一个你参与的项目，如何从数据构建到模型部署
匹配度报告
74
综合匹配度
大厂前沿研发岗，技术成长性极强，薪资不错，WLB一般。
适合人群
最适合看重技术成长和行业前景的求职者，生活平衡方面需要自己平衡。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利匹配
75中等
薪资在合肥具有较强竞争力，大厂福利较完善，但未明确说明具体薪资范围，薪资信号为未披露。
薪资信号未披露（AI估算：25K-40K/月）
成长发展匹配
90较高
研究方向为前沿技术，涉及多模态、生成模型等热点，参与顶会竞赛，成长空间大。
技术前沿前沿/新兴技术
技术栈多模态、深度伪造、GAN、Diffusion、CNN、Transformer、自监督预训练
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性或WLB，合肥科技园办公可能通勤一般，无明确WLB信号。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
深度伪造检测具有社会价值，打击虚假信息，行业为高速增长赛道，创新程度高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs