微软
Software Engineer II - Voice Agent
Software Engineer II - Voice Agent
发布于 2 小时前普通员工/个人贡献者
全职员工混合式弹性办公人工智能
人工智能
Asr/Tts
分布式架构
多模态交互
实时系统
生成式Ai
语音Ai
值不值得投
83综合评分
综合评分 83
顶尖外企核心AI平台岗，技术栈前沿、发展机会极佳，WLB视团队节奏而定
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
56 个在招 · 其中人工智能 4 个
市场机会
选择面较广
北京 · 人工智能 · 约 650 个在招
职位详情
关于这个职位
负责微软Azure语音AI团队的核心语音代理技术研发，涵盖语音识别(ASR)、语音合成(TTS)、实时交互流水线及Talking Avatar技术的系统设计与工程实现
需结合生成式AI技术构建端到端的语音代理解决方案，优化系统延迟、质量与可扩展性，并与跨职能团队协作完成SDK集成与生产环境部署
最低要求
计算机科学或相关技术领域的学士学位，以及2年以上专业软件工程经验
熟练掌握C、C++、C#、Java、JavaScript或Python中至少一门编程语言
具备机器学习驱动的系统、平台或服务的工作经验（模型开发经验为加分项但非必需）
工作职责
设计并构建支撑Microsoft Foundry Agent Platform语音代理的语音与语音技术（如ASR、TTS、实时交互流水线）
实现并演进语音代理功能，包括实时语音处理、多模态编排及代理运行时集成
开发并集成Talking Avatar技术，支持零样本及定制化体验
在适当场景应用并适配现代生成式AI技术（包括扩散模型和语言建模），注重工程鲁棒性与系统集成
与跨职能团队协作，将语音代理、语音服务和虚拟形象组件集成至平台、SDK及端到端应用中
持续优化真实部署中的系统延迟、质量、可扩展性和可靠性
跟踪语音AI、智能体系统及生成式技术的行业与研究进展，并将其转化为实际解决方案
通过设计评审、代码评审和共享最佳实践贡献工程卓越性
优先资格
具备语音处理、自然语言处理(NLP)、计算机视觉或实时系统背景
熟悉生成式AI技术（如扩散模型、自回归方法）、模型集成或优化
有构建或集成语音代理、AI服务或大规模分布式系统的经验
具备系统性思维的问题解决能力
拥有有效的沟通技巧及跨职能团队协作经验
AI 洞察
优缺点分析
优点
- 依托微软Azure生态与Foundry平台，接触业界顶尖的语音AI与生成式技术栈
- 技术视野开阔，成长资源丰富
- 对实时性、低延迟及高并发要求极高，需兼顾学术前沿与工程落地
- 跨部门协作复杂度高
- 适合对语音交互、多模态AI有浓厚兴趣，具备扎实工程基础且追求技术深度的开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深语音AI工程师、技术专家或跨模态AI系统架构师方向发展，逐步主导核心平台技术路线
- 负责微软Foundry Agent Platform底层语音代理核心模块的研发与迭代，涵盖语音识别、合成及实时交互流水线
- 精通C++/Python等至少一门语言，具备机器学习系统开发与集成经验，熟悉实时音视频处理架构
申请策略
- 提前了解微软Foundry平台定位，准备1-2个涉及端到端AI服务落地的深度项目复盘
- 突出语音处理/NLP项目经验，强调实时系统性能优化成果，展示C++/Python工程能力及ML系统集成案例
- 补充扩散模型/LLM在语音领域的应用知识，强化实时通信协议(RTC/WebRTC)与分布式系统设计能力
面试指南
- 采用STAR法则阐述项目背景与难点
- 从架构设计、算法选型、性能瓶颈分析、压测数据对比四个维度展开
- 强调工程权衡与可维护性
- 请介绍一个你优化的实时语音处理系统，如何保证低延迟？
- C++内存管理与Python性能调优的差异是什么？
- 如何将生成式模型集成到生产级语音代理中？
- 复习语音信号处理基础与深度学习框架原理，梳理过往项目中关于系统稳定性与扩展性的具体指标与优化手段
职位点评
薪资福利85
成长发展92
工作生活70
使命价值80
薪资福利
85较高
微软作为成熟外企，薪酬福利体系完善且具备较强市场竞争力，能较好满足求职者对稳定高薪的诉求。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
92较高
岗位直接参与前沿语音AI与生成式技术落地，技术栈先进且内部培训资源丰厚，职业发展路径清晰。
技术前沿前沿/新兴技术
技术栈Voice AI、ASR、TTS、Generative AI、Diffusion Models、C++、Python
业务类型ambiguous
工作生活
70中等
微软通常提供较好的工作生活平衡与弹性办公政策，但核心研发团队可能面临版本发布期的强度波动。
工作模式未明确
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
80较高
致力于推动普惠AI与人性化语音交互技术发展，社会价值与技术使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号empower every person and every organization on the planet、human‑like, diverse, and delightful AI voices
创新程度积极采用新技术
微软 的其他在招职位
相似职位推荐
Watch Jobs