字节跳动
语音算法工程师-飞书AI
语音算法工程师-飞书AI
发布于 大约 16 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
语音识别
PyTorch
TensorFlow
TensorRT
ASR
说话人分离
Whisper
Funasr
语种识别
AI 估算 · 35k–60k
语音算法属AI核心岗位，字节飞书业务稳定，高级工程师薪资对标大厂P7-P8水平，北京市场竞争力强。
职位详情
关于这个职位
作为字节跳动飞书AI团队的语音算法工程师，你将负责核心语音识别（ASR）、语种识别（LID）、说话人分离（SSD）等算法的研发与优化，应用于会议转录、实时字幕等ToB办公场景
你将深入使用Python和PyTorch/TensorFlow构建训练Pipeline，并探索TensorRT等推理加速工具，与产品和工程团队紧密协作，推动语音技术落地
最低要求
年以上语音算法研发经验，主导过ASR/LID/SSD任一方向的完整项目
精通Python及常用AI工具链（NumPy/Pandas等），深度掌握PyTorch/TensorFlow框架
熟悉语音信号处理全流程（前端处理/特征提取/声学建模/语言模型）
对语音技术有强烈热情，能持续跟踪领域前沿动态
具备优秀的问题拆解能力，擅长解决数据/训练/部署中的复杂问题
良好的跨团队沟通能力，能将技术语言转化为业务价值
工作职责
负责核心算法研发：
）负责语音识别（ASR）算法的设计与优化，构建高精度、低延时的语音处理系统
）主导语种识别（LID）、说话人分离（SSD）等语音相关技术的研发与落地
）深入探索Whisper/FunASR等开源语音项目，结合业务需求进行技术创新与改进
负责技术应用与优化：
）将语音算法应用于会议转录、实时字幕、语音消息等ToB办公场景
）优化语音模型在云端的推理性能，提升资源利用效率
）建设语音领域的高质量数据集及评测体系
工程能力建设：
）深入使用Python进行算法开发，熟练应用PyTorch/TensorFlow搭建训练Pipeline
）构建高性能推理框架，探索TensorRT/Triton/OnnxRuntime等加速工具的应用
跨团队协作：
）与产品团队合作挖掘用户需求，推动语音技术在产品中的创新应用
）与工程团队协作完成模型部署，解决端到端落地中的技术挑战
技术前瞻性研究：
）持续跟踪ICASSP/INTERSPEECH等顶会最新进展
）探索语音与大模型结合的创新方向
优先资格
加分项：
有Whisper/FunASR等开源项目二次开发经验
掌握CUDA编程，具备TensorRT/Triton等推理框架实战经验
在ASR领域顶级会议发表论文或持有相关专利
具备多语种（中/英/日）语音处理经验
AI 洞察
优缺点分析
优点
- 字节跳动作为互联网巨头，平台大，业务场景丰富，算法落地机会多
- 语音算法是AI核心方向，技术门槛高，积累的经验具有长期价值
- 团队氛围和技术氛围浓厚，能接触业界顶级资源和前沿研究
- 薪资福利有竞争力，包括股票期权、五险一金等
- 需要持续跟踪前沿论文，技术迭代迅速，学习成本高
- 适合有3年以上语音算法经验、热爱技术钻研、希望在大型互联网公司积累ToB产品落地经验的技术型人才
缺点 / 挑战
- ToB场景对实时性和稳定性要求高，模型调优和工程化挑战大
- 工作节奏较快，可能面临高强度项目压力
角色解读
- 技术深耕：成为语音算法领域专家，主导核心算法创新，发表顶会论文
- 架构升级：转向系统架构方向，设计高性能分布式推理平台
- 技术管理：带团队负责语音技术方向，向技术主管或技术总监发展
- 设计并优化ASR、LID、SSD等语音算法模型，确保高精度与低延迟
- 将语音技术集成到飞书会议转录、实时字幕等产品中，解决落地难题
- 探索Whisper/FunASR等开源项目，进行二次开发与性能调优
- 与产品和工程团队协作，推动技术创新并提升用户体验
- 精通Python和深度学习框架（PyTorch/TensorFlow），能独立搭建训练Pipeline
- 深入理解语音信号处理全流程，包括前端处理、特征提取、声学建模和语言模型
- 熟悉推理加速工具（TensorRT/Triton/OnnxRuntime），具备模型部署经验
- 良好的跨团队沟通能力，能将技术方案转化为业务价值
申请策略
- 在面试中结合具体案例展示问题拆解和落地方案，而非只谈理论
- 了解字节跳动的技术文化，强调结果导向和快速迭代能力
- 突出主导过的ASR/LID/SSD完整项目，包括数据准备、模型设计、优化和部署
- 强调Python和PyTorch/TensorFlow的使用深度，以及性能调优成果
- 展示开源项目二次开发经验（如Whisper/FunASR）或CUDA编程能力
- 如有顶会论文或相关专利，务必放在显眼位置
- 系统复习语音信号处理全流程，特别是前端处理和声学建模细节
- 动手练习推理加速工具（TensorRT/Triton），掌握ONNX模型转换
面试指南
- 用STAR法则描述项目：情境-任务-行动-结果，重点突出你的角色和技术选择
- 对于优化类问题，先分析瓶颈（计算/内存/IO），再提出具体加速方案（模型剪枝、量化、批处理等）
- 对于趋势问题，结合学术论文和工业实践，展现技术视野和创新思考
- 请详细说明你主导的一个ASR项目，从数据到部署的完整流程和挑战
- 如何优化Whisper模型在推理时的速度？你会采用哪些策略？
- 请解释CTC和Attention机制的区别，在什么场景下选择哪种？
- 如何处理多语种混合的语音识别问题？
- 你如何看待语音与大型语言模型结合的未来趋势？
匹配度报告
74
综合匹配度
大厂核心算法岗，薪资优厚，技术前沿，但工作强度较大。
适合人群
适合追求技术成长和高薪酬的求职者，但对工作生活平衡要求较高者需慎重考虑。
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70
薪资福利匹配
85较高
字节跳动薪资在行业中处于顶尖水平，算法岗位尤其优厚，上市后股票价值稳定，福利完善（五险一金、补充医疗、免费三餐等），能很好地满足补偿性动机。
薪资信号市场水准 (35K-60K/月)
成长发展匹配
90较高
语音算法属新兴技术方向，团队技术积累深厚，有Whisper/FunASR等开源项目实践经验，鼓励论文发表和专利产出，成长空间极大。
技术前沿前沿/新兴技术
技术栈语音识别、ASR、Whisper、FunASR、PyTorch、TensorRT
成长机会顶会最新进展、技术创新
业务类型profit_center
工作生活匹配
50较低
字节跳动工作强度普遍较高，虽未明确说明加班，但互联网大厂算法岗往往任务繁重；办公地点位于北京市区，通勤可能耗时；无远程办公描述。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
飞书AI服务于企业办公场景，能提升团队协作效率，有一定社会价值；但相较于医疗、教育等领域，使命感稍弱。
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