顺丰速运
大模型算法高级工程师（语音大模型）
大模型算法高级工程师（语音大模型）
发布于 1 天前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
语音识别
预训练
LLM
语言模型
TensorRT
ONNX
后训练
Whisper
Conformer
AI 估算 · 35k–55k
深圳大厂高级算法岗，语音大模型方向稀缺，技能门槛高，薪资区间合理。
职位详情
关于这个职位
该职位负责顺丰速运语音大模型的研发与落地，聚焦语音识别、语音理解与语音交互三大方向
你将深入语音信号处理与深度学习，应用前沿模型（如 Whisper、Qwen-Audio）解决复杂声学环境下的识别难题，并推动算法到高性能线上服务的全流程落地
适合具备扎实语音算法功底和工程能力的资深工程师
最低要求
硕士或以上学历，信号处理、计算机、电子信息、自动化、模式识别等相关专业
年以上语音算法相关工作经验，有大规模语音系统落地经验者优先
工作职责
对语音方向有浓厚兴趣，扎实的语音信号处理和深度学习理论功底，对语音领域前沿技术有深入跟踪与实践，精通语音识别、语音理解、语音交互中至少两个领域
语音识别方向：精通语音识别全链路技术，包括 VAD、声学模型、语言模型、端到端建模（CTC / RNN-T / Conformer 等），熟悉解码与优化方法（Beam Search / WFST / LM 融合等），具备复杂声学环境下识别效果优化的实战经验
语音理解方向：对语音大模型与语音理解技术有深入理解，熟悉主流语音理解大模型方案（如 Whisper、Qwen-Audio 等），具备 LLM 理论基础和调优实践经验，能够将语音理解能力与业务场景深度结合
语音交互方向：熟悉语音交互系统架构，具备半双工 / 全双工语音交互系统开发经验，深入理解语义打断（barge-in）、轮次控制、端点检测等关键机制，有语音交互链路从设计到上线的完整研发经验
熟悉语音大模型的训练和调优技术，熟悉预训练、后训练、上下文学习、反馈强化学习等相关技术，具备独立设计训练方案和解决训练疑难问题的能力
具备良好的工程能力，熟练使用 Python / C++，熟悉模型部署与推理优化技术（如 ONNX / TensorRT / 量化加速等），能够推动算法从原型到高性能线上服务的全流程落地
优先资格
在语音相关顶级学术会议或期刊（如 ICASSP、Interspeech、TASLP 等）发表过论文
有销售、客服或呼叫中心等业务场景下的语音算法应用经验
有开源语音项目贡献或技术社区影响力
AI 洞察
优缺点分析
优点
- 语音大模型是当前 AI 热点，技术前沿性强，个人技能增值快
- 顺丰为上市巨头，业务场景丰富，算法可快速落地并产生实际价值
- 团队技术氛围浓厚，与学术界接轨，有机会参与顶会论文发表
- 适合在语音领域有深厚积累、热爱技术攻坚、希望在物流 AI 场景中实现算法落地的资深工程师
缺点 / 挑战
- 行业竞争激烈，需持续跟踪前沿技术，学习压力较大
- 物流场景声学环境复杂，识别优化挑战大，需要较强的问题解决能力
- 薪资面议，可能存在谈判压力，且大厂内部晋升周期较长
角色解读
- 技术深耕：成为语音领域的算法专家，主导核心模型创新与学术论文发表
- 管理方向：带领语音算法团队，负责技术路线制定与业务落地
- 跨界发展：结合业务场景（如物流、客服）向 AI 产品经理或解决方案专家转型
- 负责语音大模型的研发，包括语音识别、语音理解、语音交互的核心算法设计与优化
- 针对复杂声学环境（如客服、物流场景）进行识别效果优化，提升系统鲁棒性
- 参与模型训练、调优及部署全流程，使用 ONNX/TensorRT 等工具实现高性能推理
- 精通语音识别全链路技术（VAD、声学模型、端到端建模、解码优化）
- 熟悉语音大模型方案，如 Whisper、Qwen-Audio，并有 LLM 调优经验
- 扎实的工程能力，熟练 Python/C++，掌握模型部署与推理优化技术
申请策略
- 了解顺丰物流业务中的语音场景（如客服、外呼、仓储），在面试中提出针对性方案
- 突出语音识别/理解/交互方向的项目经验，尤其是端到端建模和大模型调优案例
- 强调复杂环境下的优化经验，如噪声处理、远场识别等
- 列出发表的顶会论文、开源贡献或技术博客，展示学术影响力
- 补充语音大模型（如 Whisper、Qwen-Audio）的微调和部署实践
- 练习使用 TensorRT/ONNX 进行模型加速，掌握 C++ 高性能编程
面试指南
- STAR 法则：情境、任务、行动、结果，重点突出技术难点和个人贡献
- 问题解决思路：先分析痛点，再比较不同方案优劣，最后给出选择依据
- 业务结合：展示对业务需求的理解，说明技术如何服务业务目标
- 请详细描述你参与过的一个语音识别/理解项目，包括技术选型、挑战和最终效果
- 如何优化噪声环境下的语音识别性能？请举例说明
- 你对语音大模型的理解？如何将大模型与业务场景结合？
- 训练一个语音大模型时，你通常会遇到哪些问题？如何解决？
- 复习语音识别的经典模型（CTC、RNN-T、Conformer）及最新大模型论文
职位点评
60
综合评分
前沿语音大模型研发，技术成长空间大，但薪资面议且WLB不明确。
更适合这类人
最适合理性驱动的技术深耕型人才，追求前沿技能成长，对薪资和WLB要求一般。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展90
工作生活40
使命价值60
薪资福利
50较低
薪资面议，但大厂高级算法岗通常有竞争力；福利未明确披露，补偿性动机满足度一般。
薪资信号面议 (35K-55K/月)
成长发展
90较高
前沿语音大模型方向，技术栈最新，有独立设计训练方案的机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Whisper、Qwen-Audio、LLM、CTC、RNN-T、Conformer
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或 WLB，大厂可能强度较高。
工作模式仅现场办公
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
60中等
物流行业稳定，语音技术应用有实际社会价值（提升客服效率），但使命感不强。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs