海尔
语音算法研究员/专家
语音算法研究员/专家
发布于 3 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
Asr/Tts
Pytorch
多模态
大模型
工程化落地
深度学习
算法优化
语音算法
值不值得投
77综合评分
综合评分 77
头部企业AI前沿技术岗、技术成长空间大、落地场景丰富、WLB待确认
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
7.0万
比人工智能中位数高
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 780 个在招 · 其中人工智能 9 个
市场机会
选择面较广
上海 · 人工智能 · 约 380 个在招
职位详情
关于这个职位
负责语音及音频智能算法的研究、模型研发与系统优化，跟踪语音大模型及多模态前沿技术并开展预研验证
参与核心模型的训练评测与工程化落地，搭建数据实验体系，协同产品与工程团队推动技术商业化应用，并承担关键技术攻关、方案设计及技术引领工作
最低要求
计算机、人工智能、电子信息、自动化、信号处理、数学或相关专业
具备扎实的机器学习、深度学习及算法基础，熟悉 Transformer、Foundation Model 等主流模型架构
熟悉 PyTorch 等主流深度学习框架，具备良好的算法实现、实验设计和问题分析能力
在 ASR / LLM-ASR、TTS / Speech Generation、Speech-to-Speech、Speech Enhancement / Speech Front-end、Speaker Recognition / Diarization、Audio Understanding、Audio-Visual / Multimodal Speech、On-device Speech AI 等至少一个方向具备较好的研究或工程经验
具备良好的沟通协作能力、技术学习能力和结果导向
工作职责
负责语音及音频智能相关算法研究、模型研发和系统优化
跟踪语音大模型、生成式语音、多模态语音等领域的前沿技术进展，并开展技术预研与验证
参与核心模型的训练、评测、优化及工程化落地，持续提升模型效果、效率与稳定性
建立和完善相关数据、实验及评测体系，提升研发效率与技术迭代质量
与产品、工程及其他 AI 技术团队协作，推动技术在实际产品和业务中的应用
针对关键技术问题开展深入研究和技术攻关，并根据经验承担相应的技术方案设计、方向规划或技术带领工作
鼓励发表高水平学术论文、申请核心专利并参与开源社区建设
优先资格
鼓励发表高水平学术论文、申请核心专利并参与开源社区建设
AI 洞察
优缺点分析
优点
- 依托全球化平台与海量真实场景数据，技术落地空间广阔且业务闭环完整
- 直接对接语音大模型与多模态前沿赛道，技术视野领先且创新氛围浓厚
- 鼓励论文专利与开源社区参与，学术影响力与产业价值可同步积累
- 跨部门协同复杂度高，需在高强度业务交付节奏中平衡学术探索与产品落地
- 技术迭代极快，需持续高强度跟进最新文献、开源项目并快速验证可行性
- 追求技术深度与产业落地结合、具备强自驱力与跨团队协同能力的资深算法研究者
缺点 / 挑战
- 工业场景对模型稳定性、低延迟与端侧部署要求极高，工程化压测与优化压力大
角色解读
- 纵向可向首席科学家或技术总监演进，主导公司AI战略与核心技术路线制定
- 横向可拓展至全栈AI产品架构师或跨模态大模型负责人，覆盖数据到部署全链路
- 对外可成为行业顶尖学术与产业双栖专家，通过论文专利与开源项目建立个人技术品牌
- 聚焦语音与大模型前沿技术预研与核心算法突破，主导模型训练、评测及工程化部署落地
- 搭建算法实验与数据评测基础设施，建立标准化研发流程以提升迭代质量
- 跨部门协同推动AI技术在智能终端与家居场景的商业化应用与产品化
- 承担关键技术攻关、技术方案设计及技术路线规划，引领团队攻克工程瓶颈
- 扎实的深度学习与Transformer架构功底，精通PyTorch及大规模模型训练调优
- 在ASR/TTS/多模态等细分方向有深厚积累，具备端到端语音系统实战经验
- 出色的算法实现、实验设计与问题分析能力，能将学术成果转化为工业级可用模型
- 具备技术攻关、方案设计及技术团队引领能力，拥有强自驱力与结果导向意识
申请策略
- 提前调研目标企业AIoT业务线，准备针对具体场景（如智能音箱、车载语音、家庭机器人）的技术解决方案思路
- 突出大模型微调/训练实战经验、端到端语音系统落地案例及性能指标提升数据
- 强调在ASR/TTS/多模态任一方向的深度积累，附代表性成果（顶会论文/核心专利/高质量开源项目）
- 量化展示算法优化成果（如推理速度提升比例、内存占用降低幅度、准确率增益）
- 强化端侧模型压缩与推理加速技能（如INT8量化、结构剪枝、NPU/GPU适配）
- 补充分布式训练、大规模数据Pipeline构建与自动化评测体系的工程能力
面试指南
- 采用STAR法则结构化呈现项目背景、核心瓶颈、技术选型依据、实验对比数据及最终业务收益
- 强调工程化思维与学术严谨性的结合，突出可复现的实验设计与量化指标追踪
- 展现跨部门协同意识，说明如何将技术指标转化为业务价值并管理预期
- 请分享你主导的语音大模型或TTS/ASR项目中最具挑战的技术难点及解决路径
- 如何平衡前沿算法探索与工业级稳定性、延迟及端侧部署要求？
- 面对多模态语音任务，你会如何设计数据清洗Pipeline与客观/主观评测体系？
- 当业务方需求与当前技术边界存在冲突时，你的技术方案设计与沟通策略是什么？
- 复习Transformer变体、语音信号处理基础及PyTorch底层机制，准备常见算法题与系统设计题
职位点评
薪资福利78
成长发展92
工作生活55
使命价值76
薪资福利
78中等
职位未明确披露具体薪酬与福利细节，但结合专家级岗位要求与一线城市市场行情，整体补偿性动机满足程度处于中等偏上水平。
薪资信号未披露（AI估算：5.0千–9.0万/月）
成长发展
92较高
岗位直接对接语音大模型与多模态前沿技术，提供充足的学术产出支持与开源社区参与机会，技术成长天花板极高。
技术前沿前沿/新兴技术
技术栈Transformer、Foundation Model、PyTorch、ASR、TTS、多模态、大模型
成长机会鼓励发表高水平学术论文、申请核心专利、参与开源社区建设
业务类型profit_center
工作生活
55较低
未明确提及弹性工时或远程政策，算法研发通常伴随项目节点压力，WLB取决于团队管理风格，整体处于中等水平。
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
76中等
致力于将AI技术赋能智能家居与实体经济，改善用户交互体验，兼具技术创新与社会实用价值。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs