Microsoft logo
微软
Principal Software Engineer - Voice Agent

Principal Software Engineer - Voice Agent

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 6.0–10.0万 · AI 参考估算
高级经验
本科
全职员工仅现场办公语音交互
语音交互
Asr
Diffusion Models
Generative Ai
JavaScript
Pytorch
Tts

值不值得投

80综合评分

综合评分 80

前沿语音与数字人 AI 研发岗,技术成长和使命感强,办公灵活性与薪资福利未披露。

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

参考估算薪资

根据职位描述推断,供对比参考

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 100 个在招

市场机会

选择不多

北京 · 语音交互 · 2 个在招

职位详情

关于这个职位

该职位面向 Azure Voice AI 团队,负责语音与数字人生成式 AI 模型的研发,包括 SOTA ASR、TTS、零样本与微调场景下的说话人头像模型

你将与 AI、机器学习和软件工程专家协作,把前沿模型集成到产品中,并持续优化性能、扩展性和准确率

最低要求

必备条件

计算机科学或相关技术领域的学士学位,以及 7 年以上技术工程经验,具备使用包括但不限于 C、C++、C#、Java、JavaScript 或 Python 等语言编码的经验
具备机器学习框架和库的使用经验(例如 PyTorch)

工作职责

职责

推动具备 SOTA ASR 和 TTS 的 omni model 开发
开发用于 zero shot 和 fine tune 场景的 SOTA talking avatar models
熟悉最新的 GenAI 建模技术,如 diffusion 和 language modelling
与跨职能团队合作,将 AI 模型集成到各种应用和平台中
开展研究并持续关注 AI 和机器学习的最新进展,以不断改进我们的模型
优化和微调 AI 模型,以提升性能、可扩展性和准确性
参与代码审查,提供建设性反馈,并为开发流程的整体改进做出贡献
该职位将至少开放 5 天,申请将持续接受,直至职位招满为止
Microsoft 是一家平等机会雇主
所有合格的申请人将获得平等的就业考虑,不会因年龄、血统、公民身份、肤色、家庭或医疗护理休假、性别认同或表达、遗传信息、移民身份、婚姻状况、医疗状况、国籍、身体或精神残疾、政治立场、受保护的退伍军人或军人身份、种族、族裔、宗教、性别(包括怀孕)、性取向或适用的当地法律、法规和条例保护的任何其他特征而受到歧视
如果您在申请过程中需要宗教便利和/或因残疾需要合理便利,请阅读有关申请便利的更多信息

优先资格

优先条件

具备自然语言处理(NLP)和计算机视觉技术知识
熟悉生成模型,例如 GANs、VAEs、diffusion、flow matching 或 autoregressive models
优秀的解决问题能力和对创新的热情
较强的沟通能力和团队合作能力

AI 洞察

优缺点分析

优点

  • 团队聚焦生成式语音和 avatar AI,技术方向前沿,能接触 SOTA 模型研发与产品化落地
  • 岗位覆盖 ASR、TTS、diffusion、language modelling 等多模态与生成式技术,技术积累密度高
  • 与 AI、机器学习和软件工程专家协作,适合希望提升大规模 AI 系统工程能力的工程师
  • 职位强调模型优化、集成和代码评审,能同时锻炼研究转化与工程规范能力
  • 需要持续跟进最新 AI 研究并转化为产品能力,对学习速度和工程落地能力要求高
  • 适合具备扎实编码能力、熟悉 PyTorch 和生成式模型,并希望在语音 AI、多模态交互或数字人方向长期发展的高级工程师

缺点 / 挑战

  • 要求多年技术工程经验和机器学习框架实战经验,技术门槛较高
  • 跨团队集成模型到多种应用和平台,可能面临需求复杂、系统约束多和协作成本高的挑战

角色解读

  • 可向生成式语音、多模态 AI、数字人交互等方向持续深耕,成为语音 AI 或多模态模型专家
  • 可发展为高级技术负责人,主导模型架构设计、研发路线和跨团队技术方案落地
  • 也可转向 AI 平台架构、研究科学家或产品工程结合型角色,参与下一代智能交互产品建设
  • 负责语音与数字人生成式 AI 模型研发,重点覆盖 SOTA ASR、TTS 以及 omni model 的开发与迭代
  • 开发面向零样本和微调场景的 talking avatar 模型,提升语音、头像和交互体验的自然度与多样性
  • 跟踪 diffusion、language modelling、flow matching、autoregressive 等最新生成式建模方法,并应用到实际产品中
  • 与跨职能团队合作,将 AI 模型集成到不同应用和平台,同时优化性能、扩展性和准确率
  • 需要扎实的软件工程能力,具备多年使用 C、C++、C#、Java、JavaScript 或 Python 编码的实战经验
  • 需要熟悉 PyTorch 等机器学习框架,并具备模型训练、微调、优化和工程落地能力
  • 需要掌握 ASR、TTS、NLP、计算机视觉和生成式模型相关知识,理解语音与数字人多模态任务
  • 需要良好的问题拆解、研究追踪、代码评审和跨团队协作能力

申请策略

  • 申请前建议了解 Azure Voice AI 的产品方向,思考如何将前沿语音与 avatar 模型转化为真实用户体验
  • 面试中可准备清晰的技术项目叙事,重点说明问题定义、模型选择、实验设计、工程挑战和最终效果
  • 突出与 ASR、TTS、语音合成、数字人或多模态生成模型相关的项目经历,说明模型效果指标和业务影响
  • 强调使用 PyTorch 进行模型训练、微调、推理优化和部署的经验,最好包含性能、延迟或准确率改进数据
  • 展示多年工程实践经验,包括 C++、Python、C#、Java 或 JavaScript 等语言的大型项目经历和代码质量意识
  • 补充跨团队协作、代码评审、技术方案设计和模型平台集成经历,体现高级工程师影响力
  • 可重点补强 diffusion、flow matching、autoregressive modelling 等生成式模型原理与实现经验
  • 建议熟悉语音与视觉多模态结合场景,如 talking avatar、零样本语音克隆、语音驱动表情或口型生成

面试指南

  • 技术项目回答采用“背景目标—方案选择—实验验证—工程落地—结果复盘”的结构,突出量化指标和个人贡献
  • 模型原理类问题先讲核心机制,再比较适用场景、训练成本、推理效率和质量风险,最后结合业务选择
  • 协作类问题用具体冲突案例说明沟通对象、决策标准、权衡过程和最终结果,体现高级工程师的判断力
  • 请介绍一个你主导或深度参与的 ASR、TTS 或语音生成项目,包括模型方案、指标和落地难点
  • 你如何理解 diffusion、flow matching 和 autoregressive models 在语音或 avatar 生成中的优劣?
  • 面对零样本和微调场景,你会如何设计 talking avatar 模型的训练与评估方案?
  • 如何优化生成式 AI 模型的推理性能、扩展性和准确率?请结合具体工程经验说明
  • 在跨职能团队中,如果模型效果与产品交付时间冲突,你会如何权衡和推进?

职位点评

薪资福利82
成长发展92
工作生活55
使命价值88

薪资福利

82较高

JD 未披露薪资和福利信息,但岗位要求高级工程经验与前沿 AI 模型能力,通常对补偿性动机有一定吸引力。由于缺少明确薪资、奖金和福利条款,判断保留一定不确定性。

薪资信号未披露(AI估算:6.0千–10.0万/月)

成长发展

92较高

岗位直接参与 SOTA ASR、TTS、talking avatar 和 GenAI 建模,技术前沿且强调研究跟进、模型优化和代码评审,对技能成长非常有利。JD 未明确提及晋升通道或培训机制,因此发展性主要体现在技术内容本身。

技术前沿前沿/新兴技术
技术栈ASR、TTS、GenAI、diffusion、language modelling、PyTorch、NLP、computer vision、GANs、VAEs、flow matching、autoregressive models
业务类型ambiguous

工作生活

55较低

JD 仅明确地点为北京,未说明远程、混合办公、弹性工时或加班情况,因此生活化动机只能基于地点和办公模式缺失做保守判断。没有明确 WLB 承诺,通勤与办公灵活性存在不确定性。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

88较高

JD 明确提出让全球每个人和组织拥有类人、多样且愉悦的 AI 声音和头像,使命表达清晰,且技术方向具有较强创新性。岗位聚焦下一代交互体验,对看重 AI 应用价值和行业前景的求职者吸引力较高。

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 to have human like, diverse and delightful AI voices and avatars、revolutionize user experiences、enhance user interaction and engagement
创新程度积极采用新技术
Watch Jobs