商汤
语音算法工程师
语音算法工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Conformer
Pytorch
信号处理
大模型
机器学习
算法优化
语音合成
语音识别
值不值得投
80综合评分
综合评分 80
前沿语音算法岗，技术成长性高，薪资市场水准，WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
与算法优化工程师中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
76 个在招
市场机会
选择适中
深圳 · 算法优化工程师 · 40 个在招
职位详情
关于这个职位
该职位是语音算法工程师，负责多模态语音交互场景下的算法研发，包括语音理解、生成和交互大模型优化，应用于数字人个性化情感对话，并实现高性能云服务和私有化部署
最低要求
人工智能、机器学习、信号处理或计算机科学等相关专业研究生以上学历，基础扎实
熟悉主流的语音识别模型算法，如RNN-T、conformer、CTC
熟悉kaldi / K2 / wenet / espnet / whisper / FunASR 中至少两种工具
学习研究能力强，能够独立阅读英文文献，对解决具有挑战性的问题充满激情
具有扎实的机器学习理论基础，优秀的算法实现能力，熟练使用 PyTorch 等深度学习框架，掌握SSL、LLM、diffusion、对比学习等机器学习技术在音频生成领域的应用
具有语音交互链路的研发经验，熟练掌握 Python/C/C++/Java/Shell/python编程
熟悉 SpearTTS、ChatTTS、IndexTTS、CosyVoice等语音合成大模型的基本原理，掌握语音信号的离散化方法
工作职责
负责多模态语音交互场景下的语音理解、语音生成和语音交互大模型的算法研发、性能优化与落地实现
负责数字人场景下的个性化实时情感对话语音合成、低资源音色克隆、语音识别、语音增强、语音检测、语种识别、声纹识别、说话人分割、变声、音乐生成等技术研发
负责语音相关算法引擎的流式改造、推理优化、大并发低延迟云服务、私有化服务定制开发
跟进学术界、行业最新的研究趋势，产出新的科研成果，并落地于实际产品
优先资格
在计算及科学相关会议或期刊（如IEEE TASLP、Speech Communication、NIPS、ICML、ICASSP、Interspeech、ACL、ASRU等）发表过文章，或者参加过相关国际比赛者优先
相关领域比赛获得较好成绩者优先
对相关开源项目有突出贡献者优先
AI 洞察
优缺点分析
优点
- 专注于前沿语音技术，参与多模态和大模型研发
- 应用场景明确，数字人领域发展迅速
- 公司平台大，有资源支持技术落地
- 技术难度高，需要持续学习和跟进最新研究
- 可能面临高强度工作节奏，以推进项目进展
- 适合对语音算法有浓厚兴趣、具备扎实机器学习基础、并希望将技术应用于实际产品的工程师
缺点 / 挑战
- 落地挑战大，需优化性能以满足实际产品需求
角色解读
- 深入语音算法领域，成为专家工程师
- 担任技术负责人，带领团队进行语音技术研发
- 转向算法架构师或技术管理岗位，推动产品创新
- 研发多模态语音交互算法，包括语音理解、生成和大模型优化
- 应用于数字人场景，实现个性化情感对话的语音合成和识别
- 优化算法引擎，实现高性能云服务和私有化部署
- 跟进学术前沿，将研究成果落地到产品中
- 扎实的机器学习理论基础和算法实现能力
- 熟练使用PyTorch等深度学习框架和语音处理工具如Kaldi
- 掌握语音识别、合成、增强等技术，以及大模型原理
- 具备Python/C++编程能力和独立阅读英文文献的能力
申请策略
- 深入了解商汤在数字人和语音技术方面的业务方向
- 准备展示代码能力的项目案例，如GitHub仓库
- 突出语音相关项目经验和成果，如语音识别或合成模型开发
- 强调使用PyTorch、Kaldi等工具的技能和深度学习技术应用
- 展示在顶级会议或期刊发表论文或参加比赛的经历
- 学习和实践更多语音合成大模型，如SpearTTS、CosyVoice
- 提升C++和云服务部署能力，以支持算法引擎优化
面试指南
- 使用STAR法则描述项目经验：情境、任务、行动、结果
- 结合具体技术细节回答优化问题，如模型压缩、推理加速
- 展示学习能力和对行业趋势的了解
- 请介绍你在语音识别或合成项目中的经验
- 如何优化语音算法引擎以实现低延迟服务？
- 谈谈你对语音大模型如SpearTTS的理解
- 如何将学术研究成果落地到实际产品？
- 你如何保持对最新研究趋势的跟进？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
该职位在上市大公司，薪资有竞争力，福利体系较完善。
薪资信号市场水准 (2.5千–4.5万/月)
成长发展
90较高
职位涉及前沿语音大模型技术，有较好的技能成长和晋升机会。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、语音识别、大模型、机器学习
业务类型profit_center
工作生活
60中等
未提及办公模式和WLB信息，可能工作强度较高。
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
75中等
语音技术在数字人等领域有应用前景，但社会影响力中等。
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