海信
算法工程师（语音方向）(J44957)
算法工程师（语音方向）(J44957)
发布于 16 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
Pytorch
Tensorflow
大模型
深度学习
语音合成
语音识别
音频处理
值不值得投
67综合评分
综合评分 67
前沿语音算法岗位，技术成长性强，但工作地点和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
2万
比算法优化工程师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 160 个在招
职位详情
关于这个职位
该职位负责语音合成、语音识别、语音大模型及实时语音交互等方向的算法研发与优化，涉及TTS、ASR、Voice Conversion等技术
面向多语种、情感表达等业务场景，推动技术产品化落地，并跟踪前沿进展探索新应用
最低要求
计算机、人工智能、电子信息、信号处理、通信、自动化等相关专业本科及以上学历
具备良好的机器学习和深度学习基础，理解Transformer、注意力机制、监督学习等基本原理
熟练使用Python，熟悉Pytorch、Tensorflow等至少一种深度学习框架，能够独立完成模型训练、调试和实验分析
对语音技术有浓厚兴趣，了解以下至少一个方向：语音合成与声码器
自动语音识别
声音转换与音色克隆
语音情绪识别与情感语音
SpeechLM、AudioLM或者多模态大模型
实时语音交互或者Voice Agent
了解音频信号处理基础知识，如采样、频谱、梅尔谱、声学特征等
能够使用常见音频处理工具或者库
具备较强的算法实现、问题分析和实验能力，能够通过数据、指标和badcase定位并改进模型问题
具备良好的学习能力、沟通协作能力和自驱力，能够阅读英文技术资料及论文
工作职责
参与语音合成、语音识别、语音大模型及实时语音交互等方向的算法研发与优化，包括 TTS、ASR、Voice Conversion、SpeechLM、情感语音和端到端语音对话等
参与语音模型的数据处理、训练、微调、评测与迭代，持续提升模型在自然度、准确率、表现力、稳定性和实时性等方面的效果
参与语音数据 Pipeline 和算法工具建设，包括文本与音频处理、数据清洗、特征提取、数据标注、自动化评测及 badcase 分析等
面向实际业务场景，参与多语种与方言、情感表达、个性化音色、音色克隆、低延迟流式交互等能力的研发和产品化落地
跟踪语音、自然语言处理和多模态大模型领域的前沿进展，复现并验证相关论文或开源方案，探索 LLM、多模态模型在语音任务中的应用
与产品、工程及其他算法团队协作，完成算法方案设计、实验分析、效果优化和模型部署支持
AI 洞察
优缺点分析
优点
- 涉及语音前沿技术（如SpeechLM、端到端交互），技术含量高，成长空间大
- 海信作为大型企业，项目资源丰富，有技术产品化落地机会
- 跨团队协作环境，能接触产品、工程等多方面工作，视野开阔
- 技术更新快，需持续跟踪论文和开源方案，保持学习状态
- 多语种与方言场景增加技术复杂度，需应对多样化需求
- 对语音技术有浓厚兴趣，具备扎实机器学习基础，喜欢解决实际业务问题、追求技术深度的算法工程师
缺点 / 挑战
- 模型优化可能涉及复杂badcase处理，工作强度较高
角色解读
- 深耕语音算法领域，成为技术专家或高级算法工程师
- 向技术管理方向发展，负责团队项目和研发管理
- 探索多模态大模型等前沿领域，拓展技术影响力
- 负责语音合成、识别等算法研发与优化，提升模型在自然度、准确性等方面的表现
- 处理语音数据，构建Pipeline和工具链，支持模型训练、评测与问题分析
- 跟踪前沿技术如大模型在语音领域的应用，推动产品化落地
- 与产品、工程团队协作，完成算法方案设计和部署支持
- 熟练掌握Python和深度学习框架（如Pytorch或TensorFlow），具备模型训练调试能力
- 了解语音技术至少一个方向（如TTS、ASR或SpeechLM），有相关实践经验
- 具备音频信号处理基础知识和实验分析能力，能通过badcase优化模型
- 良好的学习能力和沟通协作，能阅读英文论文和技术资料
申请策略
- 研究海信在语音技术的产品应用（如智能家电、语音交互设备），了解业务场景
- 准备语音算法相关的详细项目案例，面试中可深入讲解
- 体现对技术的热情和自驱力，展示持续学习的能力
- 突出Python和深度学习框架的使用经验，尤其语音相关项目成果
- 展示对语音技术方向的了解，如参与过TTS、ASR项目或论文研究
- 强调实验分析和问题解决能力，举例说明通过badcase优化模型的经历
- 深入学习语音合成、识别等子领域技术，如声码器、SpeechLM原理
- 熟悉音频处理工具库（如librosa、torchaudio），提升数据处理能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术细节和量化成果
- 从数据预处理、模型架构、训练优化等多角度分析问题，提出系统性解决方案
- 结合论文阅读和实践经验，阐述技术原理、应用场景及个人见解
- 请介绍一个你参与过的语音算法项目，遇到的挑战和解决方案
- 如何优化语音模型在实时交互中的延迟和准确性？
- 解释Transformer在语音识别中的应用，并举例说明
- 如何处理多语种语音数据中的badcase？请分享你的方法
- 你对语音大模型（如SpeechLM）的发展趋势有何看法？
职位点评
薪资福利65
成长发展80
工作生活50
使命价值70
薪资福利
65中等
职位未披露薪资和福利信息，无法确定具体竞争力，但基于岗位级别和城市，市场水准可能中等。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
80较高
涉及前沿语音技术和大模型，技术成长空间较大，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈Python、Pytorch、TensorFlow、Transformer、SpeechLM、多模态大模型
业务类型ambiguous
工作生活
50较低
办公模式未明确，可能需现场办公；WLB信号未提及，无法判断工作强度。
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
70中等
语音技术处于AI高速增长赛道，有产品化落地机会，但社会影响力一般。
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