阿里巴巴
晓天衡宇-多模态评测专家-音频
晓天衡宇-多模态评测专家-音频
发布于 大约 9 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
硕士
算法优化工程师
Audition
Praat
Sql
歌声合成
语音合成
语音识别
音效合成
音频大模型
音频评测
AI 估算 · 25k–40k
阿里作为互联网大厂，薪资竞争力强，该岗位要求硕士学历和AI产研经验，属于技术专家岗，薪资水平较高。
职位详情
关于这个职位
该职位负责视频生成模型中音频方向的评测工作，包括评测集构建、主观评估方案设计、数据校验和报告撰写，同时需要追踪前沿技术，在模型与听觉感官对齐等领域创新，并管理内外部评测团队
适合对音频质量有敏锐感知、具备技术理解力和项目管理能力的候选人
最低要求
硕士及以上学历，语言类（语言学、汉语言、外语等）、音乐技术类（录音工程、声音设计、音乐工程等）、统计学等专业优先，1年以上AI产研经验优先
有AI语音产品、音频效果评测、TTS音色质量评估等工作经验者优先
听力好，对音频质量（语音、歌声、音效、音乐）有感知，对交付物有极高要求，尊重常识和统计学
具体要求：
技术原理：熟悉语音合成、语音识别、音效合成、歌声合成中至少1个领域的技术实现架构，熟悉主流音频大模型基础原理
应用导向：熟悉并深度使用过国内外热门音频应用，对音频领域生成类任务效果有深刻见解
工具使用：音频处理分析能力（Audition、Praat、iZotope等）+基础代码能力（python/SQL/CC）
工作职责
负责视频生成模型中音频方向各任务的评估工作，包括但不限于：通用及专项评测集构建、主观评估方案设计、评测培训宣贯、评测数据校验、评测报告撰写等，对评估结果负责
负责音频算法研发流程中各模块真实能力的评估工作（数据集质量、单点及e2e能力等），通过敏捷评测等机制，设计流程实验，及时暴露诊断反馈问题
追踪学界、工业界前沿成果，在模型与听觉感官对齐、人类偏好数据建设等交叉领域持续钻研创新
管理内外部评测与精标执行团队，提升执行团队工作效率
优先资格
有音频数据处理各环节任务评测标准的设计能力（如：VAD、说话人日志、ASR、LipSync等）
有语音方向评测集构建经验（如：语音特殊现象、篇章韵律研究经验等）或badcase诊断分析和溯源验证经验
AI 洞察
优缺点分析
优点
- 该职位处于AI视频生成的前沿领域，技术含量高，能接触到最新的音频大模型技术
- 公司平台大，资源丰富，有良好的职业发展空间
- 对音频质量感知要求高，需要具备较强的听力和审美能力
- 工作内容涉及评测集构建和主观评估，可能需要处理大量数据，工作强度较大
- 适合对音频技术有浓厚兴趣，具备扎实的音频处理基础，并且希望深入AI评测领域的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可以在音频评测领域深耕，成为评测专家，也可以向音频算法研发或产品方向转型，未来有机会晋升为团队负责人或技术专家
- 负责视频生成模型中音频方向的评测工作，包括评测集构建、主观评估方案设计、评测数据校验和报告撰写
- 需要具备音频处理分析能力（如Audition、Praat、iZotope等工具），基础代码能力（Python/SQL/Java），并熟悉语音合成、语音识别、音效合成、歌声合成中至少一个领域的技术架构
申请策略
- 了解阿里巴巴在AI音频领域的最新动态，在面试中展示对音频评测的深刻见解和热情
- 突出音频处理和分析经验，尤其是TTS音色质量评估、音频效果评测等
- 强调对音频质量的感知能力和对交付物的高要求
- 可以提前学习音频大模型的基础原理，熟悉主流音频应用，并提升Python/SQL等代码能力
面试指南
- 回答时，可以结合具体项目案例，突出评测方案的设计思路、执行过程和结果分析
- 对于团队管理问题，可以强调任务分配、进度跟踪和质量控制
- 请描述一次你设计音频评测方案的经历
- 如何评估TTS音色的质量？你如何管理一个评测团队？
- 准备一个音频评测相关的项目案例，展示你的技术能力和解决问题的能力
- 复习语音合成、语音识别等基础知识
职位点评
77
综合评分
阿里AI音频评测专家，前沿技术，薪资优厚，但WLB一般。
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。
更适合这类人
该职位最适合追求技术成长和职业发展的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活60
使命价值70
薪资福利
80较高
该职位薪资水平较高，且公司平台大，福利待遇好，能满足补偿性动机。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该职位处于AI音频前沿领域，能接触到最新的技术，有良好的技能成长和职业发展空间。
技术前沿前沿/新兴技术
技术栈视频生成模型、音频大模型、语音合成、语音识别、音效合成、歌声合成
业务类型ambiguous
工作生活
60中等
该职位要求现场办公，工作地点在杭州，未提及远程或弹性工作安排，生活化动机满足程度一般。
工作模式仅现场办公
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
该职位属于AI技术领域，行业前景好，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