哔哩哔哩
语音算法工程师（TTS方向）【2027届】
语音算法工程师（TTS方向）【2027届】
发布于 大约 14 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Cosyvoice
Diffusion
Flow Matching
Tts
深度学习
语音合成
语音大模型
Indextts
AI 估算 · 20k–35k
上海互联网公司校招算法岗，语音大模型方向需求旺盛，竞争力强。
职位详情
关于这个职位
作为哔哩哔哩的语音算法工程师，你将专注于语音大模型和TTS技术的研发，包括零样本音色克隆和情感可控语音生成
你将参与前沿技术探索，并推动成果落地到视频创作、虚拟主播等核心场景
适合对语音合成充满热情、渴望挑战技术边界的应届毕业生
最低要求
届应届毕业生，计算机科学、人工智能、信号处理等相关专业本科及以上学历，具备扎实的机器学习、深度学习理论基础
深入理解多模态与生成式模型原理，熟悉大模型底层技术（如 Transformer、Diffusion、Flow Matching、自回归建模等）
在语音生成领域有前沿技术研究及论文发表经验，敢于挑战技术边界
对主流语音合成架构有深入理解，熟悉 IndexTTS、CosyVoice等开源语音合成模型，具备模型训练、微调、推理优化及工程化部署的实战经验
工作职责
负责语音大模型（Speech LLM）及语音生成技术的研发与迭代，聚焦高保真语音合成（TTS）、零样本音色克隆、情感/风格可控语音生成等方向，持续挑战技术边界
紧密跟踪语音合成领域最新进展（如基于 LLM 的端到端语音生成、扩散/流匹配语音模型等），推动研究成果向业务转化，并在顶级会议/期刊发表高水平论文
将语音生成技术工程化落地于 B站视频出海、内容创作、虚拟主播等核心场景，解决音色相似度、情感表现力、多语言支持等实际业务痛点，打造行业领先的语音创作工具
优先资格
有 ACM/ICPC、Kaggle 等编程竞赛获奖经历，或 GitHub 开源项目具有较大影响力者优先
InterSpeech、ICASSP、NeurIPS、ICML、ACL 等语音或 AI 顶会/顶刊发表过相关论文者优先
熟练使用AI agent能力者优先
AI 洞察
优缺点分析
优点
- 技术前沿：语音大模型是当前AI热点，能积累稀缺技能
- 公司平台：B站为上市大厂，业务场景丰富，落地机会多
- 学术支持：鼓励发表顶会论文，对个人学术发展有利
- 工程化落地复杂，需处理音色、情感等多维度问题
- 竞争激烈，校招要求高，需要优秀的研究背景
- 适合对语音/AI有浓厚兴趣、具备扎实算法功底和科研热情的应届毕业生
缺点 / 挑战
- 技术难度高，需要快速学习新模型，压力较大
角色解读
- 从算法工程师成长为语音技术专家，深入突破语音生成核心技术
- 可选择技术专家路线或向技术管理方向发展
- 有机会转向多模态、大模型等更广的AI领域
- 负责语音大模型的研发与迭代，聚焦高保真TTS、零样本音色克隆等方向，持续探索技术前沿
- 跟踪语音生成领域最新进展，将研究成果转化为实际业务功能，并撰写高水平论文
- 与团队协作，将算法工程化部署，应用于B站视频出海、虚拟主播等场景
- 扎实的机器学习和深度学习基础，熟悉Transformer、Diffusion等生成模型
- 熟悉主流语音合成架构，有CosyVoice等开源模型的使用和优化经验
- 具备模型训练、微调和推理优化的实战能力，熟悉工程化部署
- 加分项：有顶会论文或竞赛获奖经验
申请策略
- 了解B站业务特点，思考语音技术如何与视频创作结合
- 面试前准备一个完整的研究项目总结，展示解决问题的能力
- 突出语音合成相关项目或论文，展示技术深度
- 强调对开源模型（如CosyVoice）的熟悉和改进经验
- 体现竞赛获奖或开源贡献，证明工程能力
- 展示对大模型和生成式模型的理解
- 深入理解Diffusion、Flow Matching等最新生成模型
- 动手复现主流TTS模型，掌握训练和微调技巧
面试指南
- 使用STAR法则回答项目经历，突出个人贡献和成果
- 对于技术原理问题，从基础模型出发，对比不同方法优劣，再联系实际应用
- 对于设计类问题，先明确需求，再拆解模块，给出合理方案
- 介绍你之前的语音合成项目，遇到了哪些挑战？
- 如何理解Diffusion模型在语音生成中的应用？
- 如何评估一个TTS系统的音色相似度？
- 如果让你为一个虚拟主播设计语音方案，你会怎么做？
- 你对最近的语音大模型（如VALL-E）有什么看法？
职位点评
74
综合评分
上海上市大厂，语音大模型前沿方向，技术成长快，但WLB和薪资细节未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合追求技术成长和价值实现、对语音和AI充满热情的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展88
工作生活55
使命价值75
薪资福利
70中等
职位未披露具体薪资，但作为上市互联网公司，薪酬体系相对完善，稳定性较好，不过具体福利待遇需在面试中沟通确认。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
88较高
该职位聚焦语音大模型前沿技术，提供大量研究和工程实践机会，个人技能和学术影响力都能快速提升，发展动力充足。
技术前沿前沿/新兴技术
技术栈TTS、语音合成、语音大模型、Transformer、Diffusion、Flow Matching、CosyVoice、IndexTTS
业务类型ambiguous
工作生活
55较低
工作地点在上海，但未提及远程或弹性办公，互联网公司节奏可能较快，工作生活平衡存在不确定性。
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
75中等
语音生成技术处于高速增长赛道，创新性强，但对社会的直接价值中性，使命感一般。
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
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs