字节跳动
豆包AI大模型语音平台研发工程师-火山方舟MaaS
豆包AI大模型语音平台研发工程师-火山方舟MaaS
发布于 1 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
分布式计算
数据处理
GO
MLOps
设计模式
语音技术
大模型
AI 估算 · 25k–45k
北京一线大厂，语音大模型方向技术前沿，岗位要求较高，薪资竞争力强。
职位详情
关于这个职位
作为豆包AI大模型语音平台研发工程师，你将负责语音大模型的后端开发与平台建设，支撑豆包、抖音、火山引擎等多款核心产品的语音能力
工作涉及大规模数据处理、分布式机器学习平台设计，以及与算法团队紧密协作推动前沿技术落地
该岗位要求扎实的Go/Python编程基础和MLOps经验，适合对AI技术有热情、追求技术挑战的工程师
最低要求
拥有计算机及相关专业本科及以上学历，1年以上Go、Python项目开发经验
扎实的编程基础、良好的编程风格，熟悉多线程编程、分布式计算、网络通信、内存管理、设计模式
熟悉MLOps、大模型数据处理等相关工作，了解常见语音技术
有强烈的学习欲望，对新技术抱有足够热情和好奇心，热爱AI技术
有强烈的工作责任心，目标导向，结果驱动，业务意识强，具有独立解决问题的能力，良好的协作沟通能力和自驱力
工作职责
负责字节跳动豆包语音大模型的原子能力后端开发，确保在豆包、剪映、即梦、抖音、番茄、火山引擎等落地
负责团队大模型平台规划设计和研发迭代，提升模型生产交付效率，持续推进语音理解、生成创作以及多模态端到端大模型最新技术落地
负责设计和开发大规模预训练数据处理管线，建设数据scaling能力保障基座模型预训练，提供稳定、可靠的高质量数据处理能力
负责设计并实现高可用、可扩展、分布式机器学习平台，与算法、引擎、推理后端工程师密切配合，理解深度学习模型研发和部署流程，支撑多地域语音大模型服务高效迭代更新
提升平台效率、易用性、降低使用成本，探索业界前沿的机器学习相关技术，设计并实现到机器学习平台
优先资格
有以下经验者优先：具备AI模型工程和MaaS项目落地经验，大模型数据处理经验，分布式架构设计开发经验，或者丰富内部效率平台经验
AI 洞察
优缺点分析
优点
- 字节跳动平台大，业务场景丰富，技术落地机会多
- 语音大模型是前沿方向，个人成长速度快
- 团队技术氛围浓厚，能接触到业界最新MLOps实践
- 薪资福利优厚，职业发展通道清晰
- 工作强度可能较大，需要快速迭代和响应业务需求
- 面对海量数据和复杂分布式系统，问题排查难度大
缺点 / 挑战
- 技术栈要求较高，需要同时掌握工程和算法知识
- 适合有1-3年后端开发经验，对AI工程化有浓厚兴趣，愿意在高速发展中承担挑战的技术型人才
角色解读
- 可向语音大模型架构师方向发展，主导核心平台设计
- 可深入AI工程化领域，成为MaaS平台的技术专家
- 可横向扩展至其他模态（如图像、视频）的大模型平台建设
- 负责语音大模型后端开发，包括原子能力封装和核心业务逻辑
- 设计并构建大规模数据处理管线，支撑预训练数据的高效生产
- 参与机器学习平台的设计与迭代，提升模型训练和部署效率
- 与算法、引擎团队紧密合作，推动语音理解与生成技术的落地
- 精通Go或Python，具备扎实的分布式系统开发能力
- 熟悉MLOps和大模型数据处理流程，了解常见语音处理技术
- 具备良好的系统设计能力，能构建高可用、可扩展的架构
- 强烈的责任心和自驱力，能独立解决复杂问题
申请策略
- 在简历中具体描述你参与的AI项目，量化成果
- 面试前了解字节跳动旗下产品的语音应用场景，展示业务敏感度
- 突出Go/Python项目经验，尤其是高性能后端或分布式系统的设计实践
- 强调MLOps或数据处理相关经验，如数据处理管线、模型训练平台等
- 展示对语音技术或大模型的了解，如参与过相关项目或比赛
- 强调跨团队协作和独立解决问题的能力
- 补充MLOps工具链（如Kubeflow、MLflow）和容器化技术（Docker、K8s）
- 学习语音相关的深度学习知识，如Wav2Vec、Whisper等模型
面试指南
- STAR法则：描述场景、任务、行动和结果，突出你的技术选型和问题解决过程
- 结构化回答：先给出核心原则，再详细展开，最后总结关键点
- 展示深度：不仅讲做法，还要解释为什么这么做，以及与其他方案的权衡
- 请描述一个你设计过的分布式系统，其架构如何保证高可用？
- 你对MLOps的理解是什么？如何实现模型训练与部署的自动化？
- 如何设计一个大规模数据处理管线支持大模型预训练？
- 你在Go中如何管理并发？常见的内存泄漏原因有哪些？
- 语音大模型相比文本大模型有哪些技术挑战？
匹配度报告
69
综合匹配度
大厂前沿技术岗，薪资优厚、技术成长快，但工作节奏快，适合奋斗型人才。
适合人群
最适合追求技术成长、愿意在高强度环境中快速发展的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利82
成长发展90
工作生活40
使命价值65
薪资福利匹配
82较高
字节跳动薪资福利在行业中处于领先地位，且明确提及大厂背景，补偿性动机得到较好满足。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
该职位涉及前沿的语音大模型和MLOps技术，团队注重技术迭代，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Go、Python、MLOps、大模型、语音技术、分布式计算、数据处理
成长机会持续学习、新技术、前沿
业务类型profit_center
工作生活匹配
40较低
北京大厂研发岗位通常工作节奏较快，JD未提及弹性办公或WLB，可能面临较高压力。
工作模式未明确
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
65中等
参与AI大模型建设具有技术影响力，但社会价值偏向商业落地，意义感中等。
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