语音生成算法工程师

优缺点分析

角色解读

• 技术深耕：从语音算法工程师向语音技术专家发展，深入大模型方向
• 业务落地：参与核心业务场景，成长为技术负责人
• 跨界发展：多模态和AIGC领域拓展，机会广阔
• 研究并优化语音生成大模型，涉及多模态融合和长序列建模
• 开发风格与情感可控的语音合成技术，实现音色迁移和交互式编辑
• 将instruct TTS等前沿技术落地到小米的业务场景中
• 精通端到端TTS和LLM-based TTS框架，熟悉声学模型与声码器
• 有TTS大模型或语音克隆项目经验，深入理解各模块原理
• 较强的工程实现能力，良好的沟通协作能力

申请策略

• 了解小米在语音助手、智能家居等场景的应用，在面试中体现你对业务的思考
• 准备一两个你解决过的最复杂的技术问题，展示你的深度和解决问题的能力
• 突出TTS大模型或语音克隆项目经验，说明你的具体贡献和成果
• 强调对声学模型、声码器等模块的深入理解，如对比过哪些方案
• 开源项目经历和顶会论文是加分项，务必醒目呈现
• 补齐最新LLM-based TTS模型的最新知识，如VALL-E、NaturalSpeech等
• 练习工程实现能力，熟悉PyTorch等深度学习框架

面试指南

• 用STAR法则（情境-任务-行动-结果）描述项目经历
• 先讲原理再讲实践，体现深度理解
• 结合小米业务场景提出落地思路
• 请详细讲讲你参与过的TTS大模型项目的技术架构和关键设计
• 如何实现音色迁移？有哪些主流方法？
• 如何控制情感和风格？你会怎么设计可控接口？
• 你如何评估TTS模型的自然度？有什么客观或主观指标？
• 你在工程实践中遇到的主要挑战是什么？如何解决的？