传音
算法工程师-语音合成(J20229)
算法工程师-语音合成(J20229)
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人工智能
人工智能
Pytorch
Tensorflow
Tts
深度学习
语音合成
语音大模型
音频信号处理
值不值得投
67综合评分
综合评分 67
前沿算法岗、技术含量高、技术成长性强，但生活化动机信息不足。
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
3万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招 · 其中人工智能 3 个
市场机会
选择面较广
深圳 · 人工智能 · 91 个在招
职位详情
关于这个职位
该职位负责传音公司语音合成（TTS）核心算法的研究、优化与产品落地
你将深度参与端到端TTS模型的开发与迭代，从数据处理到模型训练，再到工程化部署，致力于提升合成语音的自然度和流畅度，并跟进前沿的语音大模型技术，推动算法性能升级
最低要求
数学、计算机、自动化、信号处理等相关专业硕士及以上学历
了解语音发生机理，对语音信号处理有一定基础，如基频检测跟踪、变速变调等
熟练掌握Python，至少熟练使用一种深度学习训练框架，如Tensorflow、Pytorch等
理解TTS原理，熟悉开源架构Cosyvoice系列、IndexTTS系列、F5-TTS等，以及声码器HifiGAN、BigVGAN等优先
熟悉TTS前端Cleanser、TN、G2P等优先
工作职责
负责语音合成（TTS）核心算法的研究、迭代与落地优化，参与端到端TTS模型的训练、调优与改进，提升合成语音的自然度、清晰度、流畅度
参与语音数据的清洗、筛选、标注、预处理及数据集构建工作，结合业务场景优化数据质量，支撑模型高效训练与迭代
跟进业界前沿的语音合成、语音生成大模型技术，开展技术调研、复现与创新实验，沉淀可落地的技术方案，推动算法性能升级
配合产品、工程落地团队完成算法移植、适配与上线测试，解决落地过程中的实际问题，保障线上效果稳定
AI 洞察
优缺点分析
优点
- 专注于语音合成这一前沿且应用广泛的AI方向，技术深度有保障
- 职位描述明确包含技术调研、创新实验和落地优化，有利于技术能力全面成长
- 传音作为全球化科技公司，在语音交互领域有真实且庞大的业务场景，所做工作有明确价值
- 语音合成技术发展迅速，需要持续学习，跟进最新论文和技术趋势
- 适合对语音技术充满热情，具备扎实的信号处理和深度学习基础，且希望将算法技术转化为实际产品能力的硕士及以上学历求职者
缺点 / 挑战
- 算法工程师需要兼顾研究前沿与工程落地，对候选人的综合能力要求较高
- 保障线上效果稳定意味着需要处理复杂的工程化和运维问题，存在一定的技术压力
角色解读
- 技术专家路线：深耕语音合成领域，成为TTS算法或语音大模型方向的技术权威
- 技术管理路线：带领小团队负责语音相关技术方向，统筹算法研发与落地
- 跨领域拓展：从语音合成扩展到语音识别、多模态交互等更广泛的AI领域
- 研究、开发和优化语音合成（TTS）核心算法，提升生成语音的自然度和表现力
- 处理和准备大规模语音数据集，为模型训练提供高质量燃料
- 跟踪语音AI前沿技术，进行技术预研和落地转化
- 与产品和工程团队紧密合作，将算法模型部署到实际产品中并确保效果
- 扎实的语音信号处理基础，了解语音产生机理和关键参数（如基频）
- 熟练的编程能力（Python）和主流深度学习框架（Pytorch/TensorFlow）使用经验
- 对语音合成（TTS）技术栈有深入理解，包括声学模型、声码器及前端处理
- 优秀的工程实践和问题解决能力，能将算法从研究阶段推进到产品落地
申请策略
- 在申请前，可以尝试使用或复现一些开源的TTS项目，这将极大增加你对岗位的理解和面试时的谈资
- 研究传音的产品线（如Tecno, Infinix手机）中可能应用语音合成技术的场景（如语音助手、语音朗读），在面试中展现你对业务的理解
- 准备好展示自己解决问题的完整流程，从问题定义、技术选型、实验验证到最终效果评估
- 重点突出与语音处理、语音合成相关的项目经历、研究成果或竞赛经历，无论是在校期间还是工作实践
- 详细描述使用Python和深度学习框架（Pytorch/TensorFlow）进行模型训练、调优的具体经验
- 如有开源项目贡献（特别是与TTS相关的）、论文发表或专利，应作为亮点展示
- 强调算法从原型到落地的工程化能力，包括数据处理、模型部署、问题排查等环节
- 深入学习主流TTS模型架构（如Cosyvoice、VITS等）和声码器（HifiGAN、BigVGAN）的原理与实现
面试指南
- 项目介绍采用STAR法则：Situation(背景)、Task(任务)、Action(行动-突出你的技术决策和实现细节)、Result(结果-量化效果)
- 技术问题回答要结构化：先讲核心原理，再对比分析优劣，最后可以结合实践案例或自己的理解
- 开放性问题（如大模型影响）可采用“现状-影响-我方应对”的思路来组织回答
- 请介绍一个你做过的语音相关（或深度学习）项目，重点说明你在其中的角色、技术选型和遇到的挑战
- 端到端TTS模型（如VITS）与传统的拼接、参数合成相比，有哪些优势和挑战？
- 在处理语音数据时，你会关注哪些质量问题？如何清洗和筛选数据以提升模型效果？
- 如果模型的合成语音在某些场景下不够自然或清晰，你会从哪些方面去分析和优化？
- 你如何看待当前语音生成大模型的发展？它对传统TTS技术意味着什么？
职位点评
薪资福利65
成长发展85
工作生活50
使命价值60
薪资福利
65中等
该职位作为技术岗，薪资水平预计具有市场竞争力，但JD中未提及具体薪资和福利信息，补偿性满足度有待确认。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
85较高
该职位要求深入技术研究、跟进前沿并负责落地，为求职者提供了在语音合成领域深度钻研和工程实践的双重成长机会。
技术前沿前沿/新兴技术
技术栈语音合成、TTS、深度学习、Pytorch、TensorFlow、语音生成大模型、HifiGAN
成长机会跟进业界前沿、技术调研、复现与创新实验、推动算法性能升级
业务类型ambiguous
工作生活
50较低
工作地点明确在深圳，但JD未说明具体办公模式、工作节奏等，无法对工作生活平衡做出明确判断。
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
60中等
语音合成技术在智能手机、人机交互等领域有广泛应用，能带来直接的产品体验提升，但JD未强调更宏观的社会使命。
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