【B-UP】语音算法工程师（实习）

优缺点分析

角色解读

• 实习期可积累工业级语音大模型研发经验，为后续求职互联网大厂语音方向奠定基础
• 表现优秀者可转正，正式加入B站AI团队，参与核心算法研发
• 未来可向语音算法专家、多模态研究员或AI应用架构师等方向深造
• 参与音频大模型的研发，包括语音识别、语音合成、音色克隆、音乐生成等前沿技术
• 进行模型的后训练优化（SFT、RL），提升模型在具体场景中的表现
• 调研前沿语音技术、行业动态，并参与数据生成、清洗和管理工作
• 将模型落地到B站视频理解、字幕、搜索等实际业务中
• 扎实的计算机科学和人工智能基础，熟悉语音大模型原理
• 有语音相关研究或项目经验，理解多模态/生成式模型
• 编程能力强，至少熟练使用Python及深度学习框架（如PyTorch）
• 具备论文阅读与复现能力，能够独立进行实验和数据分析

申请策略

• 仔细阅读岗位要求，在简历中针对性展示语音大模型经验
• 附上GitHub链接和论文列表，最好有一段简短的自我介绍说明研究兴趣
• 突出语音相关项目或论文，特别是大模型、多模态方向
• 展示编程竞赛成绩、开源项目贡献或GitHub链接
• 列出相关课程成绩、GPA、奖学金等学术亮点
• 强调团队协作和沟通能力，因为需要与产品、工程团队协作
• 补充语音大模型相关理论知识，例如Attention、Transformer在语音中的应用
• 动手实现一个简单的语音识别或合成模型，熟悉常用开源工具（如ESPnet、Fairseq）

面试指南

• STAR法则：描述情境、任务、行动、结果，突出个人贡献
• 对于技术问题，建议先给出核心原理，再结合自己的实践或思考
• 对于开放问题，可以分步骤、分模块回答，展示逻辑清晰
• 请介绍一下你参与过的语音项目，你在其中负责什么？
• 你对Transformer在语音任务中的应用理解如何？
• 如何优化语音生成模型的音质？请举例说明
• 如果你有一周时间，如何复现一篇ICASSP论文？
• 你了解SFT和RL吗？在语音大模型训练中如何应用？