传音
TTS算法工程师（偏前端）(J18991)
TTS算法工程师（偏前端）(J18991)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Fst
Nemo
Tts
多语言处理
正则表达式
规则引擎
语音合成
值不值得投
71综合评分
综合评分 71
TTS前端算法岗，技术专精、成长性强，但工作模式与WLB需进一步确认。
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
2.5万
比NLP工程中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
84 个在招
市场机会
选择适中
上海 · NLP工程 · 28 个在招
职位详情
关于这个职位
本职位负责TTS（语音合成）前端核心模块——文本规范化（Text Normalization）与反向文本规范化（Inverse Text Normalization）的设计、开发与维护
你需要利用NVIDIA NeMo text-processing框架，针对数字、时间、货币、度量单位等多种文本形态，制定和实现多语言处理规则，确保文本预处理的高准确率，从而支撑高质量的语音合成效果
最低要求
设计、开发和维护 TTS 前端 Text Normalization / Inverse Text Normalization 模块，确保高准确率的文本预处理
利用 NeMo text-processing 框架进行规则引擎开发及模型训练，覆盖数字、时间、货币、度量单位等多种文本形态的规范化处理
根据不同语言的书写与发音特点，制定多语言TN规则及数据处理Pipeline
熟悉 NVIDIA NeMo 框架及 NeMo-text-processing 模块
具备规则引擎、正则表达式、Finite State Transducer（FST）等文本处理技术经验
语言能力：对多语言（非洲其他小语种）文字处理和发音规律有深入兴趣与了解
工作职责
设计、开发和维护 TTS 前端 Text Normalization / Inverse Text Normalization 模块，确保高准确率的文本预处理
利用 NeMo text-processing 框架进行规则引擎开发及模型训练，覆盖数字、时间、货币、度量单位等多种文本形态的规范化处理
根据不同语言的书写与发音特点，制定多语言TN规则及数据处理Pipeline
AI 洞察
优缺点分析
优点
- 技术栈专注且前沿，深入语音合成核心领域，能积累TTS和NLP的深度经验
- 直接影响产品的基础能力，工作成果可见性强
- 多语言文本规范化规则复杂，需要投入大量精力进行语言学研究和规则调试，技术难度高
- 作为算法工程师，需要持续跟进NeMo等框架的更新，并解决实际业务中的长尾问题
- 适合对语音合成技术有浓厚兴趣，具备扎实算法和工程能力，且对语言学（特别是多语言文字处理）有好奇心和探索欲的求职者
缺点 / 挑战
- 项目具有挑战性，处理多语言（尤其非洲语种）的文本规范，是独特的技术场景
角色解读
- 你可以深耕TTS/NLP领域，成为语音技术专家
- 也可以向更通用的NLP算法工程师发展
- 还可以结合对语言的理解，转向多语言AI产品经理或技术解决方案架构师等角色
- 你负责为语音合成系统打造‘眼睛’——确保系统输入的文本是准确、规范的
- 你将设计并开发处理各种复杂文本（如数字、日期、货币）的规则，使它们能被语音模型正确朗读
- 你的工作聚焦于TTS管线的前端，需要对多语言（尤其是非洲小语种）的文本特性有深入理解
- 你需要精通NVIDIA NeMo框架及其text-processing模块，熟练运用规则引擎、正则表达式和FST算法
- 核心能力在于将语言学知识转化为可工程化实现的文本处理逻辑，并具备多语言处理的系统性思维
申请策略
- 研究传音公司的核心业务（如非洲市场手机业务），思考该TTS技术如何为其产品和服务赋能
- 准备一个能体现你解决复杂文本处理问题的案例，以便在面试中深入讨论
- 突出与文本处理、规则引擎相关的项目经验，特别是使用正则表达式、FST等技术的实践
- 详细描述对NLP/TTS技术的理解，如果有NeMo框架的使用经验务必强调
- 展示对语言学的兴趣或基础，如有处理多语言文本、机器翻译或语音相关项目的经历更佳
- 系统学习或复习NeMo框架，特别是text-processing模块的官方文档和示例
- 深入研究文本规范化（TN）和反向文本规范化（ITN）的技术原理与最佳实践
面试指南
- 对于技术原理问题，结合实际应用案例进行解释，先定义概念，再说明其在TTS管线中的位置和价值
- 对于案例问题，采用STAR法则（情境、任务、行动、结果），重点描述技术选型和实现细节
- 对于开放设计问题，展示你的结构化思维：分析语言特点、参考类似语言经验、设计规则原型、考虑可维护性和扩展性
- 请解释什么是Text Normalization和Inverse Text Normalization，它们在TTS系统中各自起什么作用？
- 描述一个你设计或实现过的复杂规则引擎/正则表达式处理文本的案例
- 如果让你为一种你不熟悉的非洲语言设计数字文本规范化规则，你的思路和步骤是什么？
- 你对NVIDIA NeMo框架有哪些了解？它处理文本规范化的模块有什么特点？
- 多语言文本处理中，除了数字和时间，还有哪些常见的规范化挑战？你会如何应对？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
JD未提及薪资和具体福利，补偿性动机满足程度无法准确判断，但作为算法岗位，在上海市场通常具有市场竞争力的薪酬水平。
薪资信号未披露（AI估算：1.8千–3.2万/月）
成长发展
85较高
该岗位专注于TTS前端这一垂直且重要的技术领域，能深入学习NeMo框架和多语言文本处理技术，专业成长路径清晰。
技术前沿主流现代技术
技术栈NeMo、TTS、Text Normalization、FST、正则表达式
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式、WLB相关信号，工作地点推断为现场办公，生活化动机满足程度未知，需进一步确认。
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
75中等
传音专注于新兴市场（尤其非洲）的通信科技，该岗位的多语言TTS技术直接服务于其核心产品，具有明确的业务价值和一定的社会影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs