携程
资深大模型语音对话算法工程师(MJ035244)
资深大模型语音对话算法工程师(MJ035244)
发布于 大约 14 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
PyTorch
多模态
TensorRT
大模型
LoRA
ASR
TTS
QLoRA
语音对话
Vad
AI 估算 · 35k–55k
资深大模型算法工程师市场稀缺，上海平均薪资较高，结合携程上市大厂背景和行业经验估算。
职位详情
关于这个职位
该职位负责携程语音大模型与智能对话系统的核心算法研发，专注于全双工语音交互、实时打断、多模态对话等前沿技术
你将主导从模型训练、微调优化到推理部署的全流程工作，并推动相关技术在企业级场景中的落地
适合对语音AI有深厚技术积累的资深算法工程师
最低要求
硕士及以上学历，计算机、人工智能、电子信息、声学、自动化等相关专业，3年及以上语音识别/语音大模型/智能对话算法全职研发经验
精通Python/C++，熟练使用PyTorch、TensorRT等工具链，具备数据处理、模型训练、微调优化、推理部署全流程实战能力
熟练掌握流式建模、TTS-ASR联合优化、全双工时序对齐、端点检测VAD、打断意图识别等现代语音技术栈
熟悉LoRA/QLoRA大模型微调技术，具备完整的算法迭代、性能优化、效果评估、线上问题排查的项目落地经验
逻辑清晰、数据敏感，具备良好的问题攻坚、团队协作与沟通能力
工作职责
负责语音大模型、智能对话、电话机器人核心算法研发与迭代，主导大模型全双工语音交互、实时语音打断、抢话识别核心能力搭建与优化，支撑智能客服电话、旅游多语言交互等企业级场景落地
支持语音大模型的训练和识别率优化，重点攻克语音对话中的噪声场景适配、大模型全双工双向流式并发、打断边界判定、边说边听、用户情感与意图精准理解等核心问题
负责语音大模型领域适配优化，基于Prompt Engineering、LoRA/QLoRA微调等方案开展实验迭代，完成模型效果评测、对比调优与技术沉淀、场景适配
同时针对打断触发、拒打扰、人声检测做精细化策略调优
研发多模态（语音+文本）交互、智能语音对话算法，优化拟人TTS合成、多轮对话理解、生成与表达能力，迭代全双工对话逻辑、打断恢复、上下文接续机制，大幅提升人机交互自然度与拟人感
搭建轻量化语音对话推理引擎，负责流式建模、解码器优化、模型量化压缩、VLLM/SgLang/TensorRT推理加速，适配全双工流式推理架构，保障业务低延迟、高并发、实时打断响应的交互需求
跟进语音大模型前沿技术，落地Codec编解码、ASR-TTS联合优化、端到端语音对话等技术，攻坚全双工链路时延优化、人声分离、背景音抑制与打断鲁棒性等技术难点，沉淀标准化技术方案
优先资格
有全双工语音交互、语音打断、边说边听落地经验优先
了解语音大模型Codec编码、语义理解、对话生成、能力对齐技术，有多语言语音识别、语音多模态交互、电话机器人、全双工智能外呼/客服机器人项目经验者优先
熟悉打断阈值调优、拒打扰策略、多轮对话打断上下文管理者加分
AI 洞察
优缺点分析
优点
- 前沿技术方向：大模型语音交互是当前AI热点，技术积累价值高
- 平台优势：携程作为行业龙头，业务场景丰富，数据资源庞大
- 核心岗位：负责全双工交互等关键能力，影响力大
- 薪资竞争力：上市大厂算法岗薪资待遇优厚
- 技术难度高：全双工实时打断、多模态融合等需攻克多项难点
- 竞争激烈：大模型领域人才密集，需持续学习和创新
- 适合对语音AI技术有深厚热情、具备扎实算法功底和工程能力、希望在核心业务中发挥技术价值的资深工程师
缺点 / 挑战
- 业务压力大：支撑企业级智能客服，对延迟和稳定性要求极高
角色解读
- 技术专家路线：深耕语音AI领域，成为大模型对话技术权威
- 架构师路线：向系统架构方向发展，设计高并发、低延迟的推理引擎
- 管理路线：带团队主导语音交互产品线，向技术管理转型
- 负责语音大模型、全双工语音交互、实时打断等核心算法的研发与优化
- 主导模型训练、微调、推理部署全流程，包含Prompt Engineering和LoRA微调
- 研发多模态对话算法，优化TTS合成和对话理解能力，提升人机交互自然度
- 跟踪语音大模型前沿技术，如Codec编解码、端到端语音对话，并解决工程落地难题
- 精通Python/C++，熟练使用PyTorch、TensorRT等工具链
- 掌握流式建模、VAD、打断意图识别等现代语音技术栈
- 熟悉LoRA/QLoRA大模型微调技术及全流程优化
- 具备良好的问题攻坚和团队协作能力，数据敏感
申请策略
- 了解携程智能客服业务场景和痛点，在面试中展示针对性解决方案
- 准备一个完整的项目案例，从问题定义、方案设计到落地效果，体现全流程能力
- 突出语音对话相关项目经验，特别是全双工交互、实时打断、VAD优化等
- 强调模型训练和部署全流程能力，包含LoRA微调、推理加速等
- 展示成果量化指标，如识别率提升、延迟降低等
- 体现对前沿技术的跟踪和实践，如Codec、多模态等
- 深入学习大模型语音联合训练方法，如ASR-TTS联合优化
- 掌握TensorRT、VLLM等推理加速工具，提升工程能力
面试指南
- 问题拆解法：先解析问题关键点，分模块阐述技术方案（如全双工交互：流式ASR+打断检测+对话管理）
- 经验案例法：结合自身项目经历，说明遇到的挑战和解决方案，突出量化结果
- 对比权衡法：比较不同技术路线的优劣，展示技术深度和决策能力
- 请描述全双工语音交互中实现打断的核心技术方案
- LoRA微调时如何选择低秩矩阵的秩和层数？
- VAD在噪声环境下如何优化以减少误断和漏断？
- 如何设计流式推理架构以兼顾低延迟和高并发？
- 你在项目中遇到过最难的语音技术问题是什么？如何解决的？
匹配度报告
71
综合匹配度
前沿大模型语音算法岗，技术成长快，薪资有竞争力，但办公模式传统，WLB不明确。
适合人群
适合追求技术前沿和职业成长、对薪资和稳定性有较高要求、能接受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70
成长发展85
工作生活50
使命价值80
薪资福利匹配
70中等
薪资水平在上海具有竞争力，但JD未明确具体福利，综合判断补偿性动机满足较好。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
85较高
职位涉及大模型语音等前沿技术，技术成长空间大，但JD未明确提及晋升路径，发展动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、全双工、LoRA、TensorRT、VAD、Codec、多模态
业务类型ambiguous
工作生活匹配
50较低
工作地点为上海核心地段，但JD未提及WLB和远程办公，可能是传统办公模式。
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
80较高
语音AI行业高速增长，技术具有创新性，但社会影响力中性，意义感动机满足较好。
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