中国平安
算法工程师（语音识别方向）
算法工程师（语音识别方向）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
专家级经验
全职员工
仅现场办公
硕士
软件工程
语音识别
PyTorch
TensorFlow
大模型
模型调优
自监督学习
端到端语音识别
说话人角色区分
AI 估算 · 30k–50k
语音识别大模型方向技术稀缺，平安作为巨头企业薪资竞争力强，硕士以上学历，预计月薪3-5万。
职位详情
关于这个职位
该职位负责语音识别大模型方向的算法创新与落地，包括模型训练、优化及解决业务中的语音识别问题
要求对端到端语音识别、自监督学习等有深入研究，具备较强的编程和工程能力
适合有语音识别背景、追求技术前沿的算法工程师
最低要求
对以下一种或多种语音识别领域有较深入的研究：端到端语音识别算法，自监督学习算法，说话人角色区分（speaker diarization），对模型原理有较深入的理解
熟悉pytorch/tensorflow 深度学习框架，以及python/c++编程语音，具备较强的编程能力，能够对论文中的算法进行复现
同时具备一定的工程能力，熟悉模型工程落地的常用方案
具备模型调优能力，针对模型的训练结果进行分析，并调整模型训练参数进行进一步优化改进
硕士及以上学历
工作职责
负责语音识别大模型方向的算法创新，模型训练及落地
分析业务反馈的语音识别生产问题，并提供优化解决方案
优先资格
有语音顶会论文发表经验优先
AI 洞察
优缺点分析
优点
- 语音识别大模型是AI前沿方向，技术积累价值高
- 平安作为巨头企业，平台大、资源丰富，项目落地机会多
- 薪资待遇优厚，福利完善，职业稳定性强
- 技术难度高，需要持续跟进最新论文和算法
- 大模型训练对计算资源要求高，可能面临资源竞争
- 适合对语音识别有浓厚兴趣、具备扎实算法和工程能力、追求技术深度和行业影响力的求职者
缺点 / 挑战
- 业务场景复杂，需要解决实际生产问题，压力较大
角色解读
- 技术专家路线：深耕语音识别算法，成为领域权威
- 管理路线：带领团队负责语音识别项目，向技术经理发展
- 跨领域发展：向多模态、自然语言处理等方向拓展
- 负责语音识别大模型的算法创新与模型训练，推动技术前沿
- 分析业务反馈的语音识别问题，提供优化方案并落地
- 复现论文算法，进行模型调优，提升识别准确率
- 深入理解端到端语音识别、自监督学习等算法原理
- 熟练使用PyTorch/TensorFlow，具备Python/C++编程能力
- 具备模型调优和工程落地能力，熟悉常用部署方案
申请策略
- 关注平安在AI领域的业务布局，面试时展现对金融场景的理解
- 准备一个完整的语音识别项目案例，从算法到落地的全过程
- 突出语音识别相关项目经验，尤其是端到端或自监督学习方向
- 强调论文复现和模型调优的具体成果，如提升的指标
- 展示工程落地能力，如模型部署、性能优化案例
- 补充说话人角色区分（speaker diarization）相关知识
- 熟悉大模型训练框架如DeepSpeed、Megatron等
- 了解语音识别在金融等行业的应用场景
面试指南
- 对于原理类问题，先概述核心概念，再深入细节，最后举例说明
- 对于项目类问题，采用STAR法则：情境、任务、行动、结果
- 对于优化类问题，先分析问题原因，再提出方案，最后评估效果
- 请详细解释端到端语音识别模型的工作原理
- 如何优化一个已经训练好的语音识别模型？
- 描述一次你复现论文算法的经历，遇到了哪些挑战？
- 说话人角色区分（speaker diarization）的常用方法有哪些？
- 如何将语音识别模型部署到生产环境？
匹配度报告
71
综合匹配度
大厂前沿算法岗，薪资高、技术新，但WLB一般。
适合人群
适合追求技术成长和薪资回报、能接受现场办公和一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值60
薪资福利匹配
85较高
薪资水平偏高，平安作为上市巨头福利完善，补偿性动机满足较好。
薪资信号偏高 (30K-50K/月)
成长发展匹配
90较高
语音识别大模型是前沿技术，岗位提供算法创新和落地机会，成长空间大。
技术前沿前沿/新兴技术
技术栈语音识别、大模型、端到端语音识别、自监督学习、说话人角色区分、PyTorch、TensorFlow
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性工作或WLB，深圳科技园工作强度可能较大。
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
60中等
语音识别技术有广泛应用，但平安作为金融公司，社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs