科大讯飞
中级研究算法工程师-声学方向(J14702)
中级研究算法工程师-声学方向(J14702)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Pytorch
Tensorflow
声学信号处理
数字信号处理
波束形成
深度学习
算法优化
音频降噪
麦克风阵列
值不值得投
72综合评分
综合评分 72
合肥头部AI企业、前沿声学算法岗、技术成长性强、业务导向明确、WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 210 个在招 · 其中人工智能 41 个
市场机会
选择面较广
合肥 · 人工智能 · 63 个在招
职位详情
关于这个职位
该职位主要负责声学信号处理与AI算法的研究设计，涵盖麦克风阵列、波束形成、降噪增强及智能音频分析等核心方向
结合传统DSP与深度学习技术，针对语音交互、海洋及工业声学等业务场景开展算法迭代、模型优化与系统级验证，最终实现技术方案的落地交付与性能评估
最低要求
硕士及以上学历，计算机、信号处理、电子信息、自动化、应用数学等相关专业
具备一定的数字信号处理、数理统计、模式识别及机器学习基础
熟悉声学信号分析与建模方法，具备音频信号处理算法研发能力
熟悉麦克风阵列、波束形成、声源定位、降噪、分离、回声消除等一种或多种音频处理技术
熟悉常见深度学习算法及理论，具备传统信号处理与AI融合算法的研发能力
具备良好的编程能力
熟悉PyTorch/TensorFlow深度学习框架，具备较强的算法验证与性能优化能力
具备良好的沟通协作能力、学习能力和问题分析能力，具备英文论文阅读能力，能够适应研究与落地并重的工作模式，具备较强的责任心和抗压能力
工作职责
负责声学信号处理及相关AI算法的研究与设计，包括麦克风阵列、波束形成、声源定位、声源分离、音频降噪增强、声学效果后处理及智能音频分析等方向
负责声学AI前沿技术研究，结合传统声学信号处理与深度学习技术，进行算法方案设计、技术路线选型及系统级验证，解决实际场景中的复杂声学问题
基于真实业务数据，包括但不限于语音交互、海洋声学、工业声学等场景，持续开展数据分析、算法迭代与模型优化，完成算法验证、性能评估及交付验收
优先资格
有语音信号处理、声学前端信号处理、音频降噪增强、声学目标检测或音频大模型等相关研究经验者优先
具有DCASE、ICME及ICASSP等声学相关竞赛获奖经历，或在声学、信号处理等领域高水平期刊/会议发表论文，或具有语音、工业声学、海洋声学相关项目经验者优先
AI 洞察
优缺点分析
优点
- 依托国内领先的AI语音平台，拥有海量真实业务数据与丰富的落地场景，技术转化路径清晰
- 聚焦声学AI前沿方向，技术栈现代且具备高壁垒，有助于积累硬核算法经验与行业影响力
- 上市公司背景提供稳定的职业平台与完善的研发资源支持，利于长期技术深耕
- 声学场景复杂多变（如海洋、工业环境），噪声干扰与实时性要求高，调试与迭代周期可能较长
- 中级岗位需独立承担核心模块，前期需快速适应高强度技术攻关与跨部门协同节奏
- 适合具备扎实信号处理与深度学习基础，热爱技术攻坚，并希望将科研成果转化为实际产品价值的求职者
缺点 / 挑战
- 研究与落地并重的模式要求兼顾学术创新与工程实效，对算法泛化能力与系统优化能力挑战较大
角色解读
- 纵向深耕：可向首席算法专家或声学技术架构师方向发展，主导公司级声学技术路线规划
- 横向拓展：可延伸至语音大模型、多模态交互或智能硬件前端信号处理领域，成为复合型AI技术骨干
- 管理转型：凭借扎实的技术底蕴与项目交付经验，逐步过渡至算法团队负责人或技术项目经理角色
- 负责声学信号处理与AI算法的底层研究及方案设计，涵盖麦克风阵列、波束形成、降噪增强等核心技术方向
- 结合传统数字信号处理与深度学习技术，搭建算法技术路线并进行系统级验证，解决语音交互、工业及海洋声学等复杂场景问题
- 基于真实业务数据进行模型训练、迭代优化与性能评估，推动算法从理论研究向实际产品交付转化
- 扎实的声学信号分析与建模能力，精通麦克风阵列处理、声源定位、回声消除等音频处理技术
- 熟练掌握PyTorch/TensorFlow等主流深度学习框架，具备传统DSP与AI融合算法的研发与调优能力
- 优秀的算法验证与性能优化能力，能够独立完成从数据处理、模型训练到系统集成的全链路工作
- 良好的英文文献阅读与技术追踪能力，能够快速吸收前沿学术成果并应用于工程实践
申请策略
- 提前了解公司核心产品线（如智能音箱、车载语音、工业听诊设备等）的声学痛点，面试时可针对性提出技术见解
- 准备1-2个完整的项目案例，按照STAR法则梳理从问题定义、方案选型、实验对比到最终交付的全过程
- 重点突出声学/音频处理相关项目经历，明确说明使用的算法模型、优化指标及最终落地效果
- 详细列出掌握的深度学习框架与性能调优手段（如模型剪枝、量化、分布式训练等）
- 如有顶会论文、权威竞赛获奖或专利成果，需单独成段并标注核心贡献与技术难点
- 强化传统DSP与深度学习的交叉应用能力，熟悉C++/CUDA等底层加速工具以提升算法部署效率
- 补充多通道麦克风阵列信号处理与实时流媒体处理的相关理论知识与实战代码
- 关注ICASSP、INTERSPEECH等顶级会议的最新声学论文，保持技术视野的前沿性
面试指南
- 采用STAR结构回答项目类问题：清晰界定业务场景与指标要求，说明技术选型依据，展示实验对比数据，总结工程落地经验
- 针对技术对比类问题，先客观陈述各自适用边界（如传统方法可解释性强、算力占用低
- 深度学习泛化能力强但依赖数据），再给出融合或场景适配的具体方案
- 遇到开放性问题时，先拆解核心约束条件（延迟、精度、算力、数据分布），再分层给出算法设计、工程优化与测试验证的完整闭环思路
- 请详细介绍一个你主导的声学信号处理或音频降噪项目，遇到的最大技术瓶颈是什么？如何解决的？
- 传统波束形成算法与基于深度学习的声源定位方法各有什么优缺点？在实际工程中你会如何选择或融合？
- 如何在计算资源受限的边缘设备上实现低延迟的音频增强算法？请谈谈你的优化思路
- 面对工业或海洋声学中非平稳强噪声环境，你的特征提取与模型鲁棒性设计策略是什么？
职位点评
薪资福利72
成长发展86
工作生活52
使命价值71
薪资福利
72中等
薪资未明确披露，但作为上市AI头部企业，通常提供具备市场竞争力的薪酬与完善福利体系，整体补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
86较高
聚焦声学AI前沿技术与实际业务落地，技术栈现代且贴近产业需求，有利于积累硬核算法经验与行业影响力。
技术前沿前沿/新兴技术
技术栈声学信号处理、深度学习、PyTorch、TensorFlow、音频大模型、麦克风阵列、波束形成
业务类型profit_center
工作生活
52较低
工作地点位于合肥产业园区，通勤相对便利；但算法研发与业务交付并重的模式可能伴随一定的项目压力，WLB需视具体团队而定。
工作模式未明确
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
71中等
致力于将先进声学AI技术应用于语音交互与多领域场景，技术成果具备较高的实用价值与社会影响力。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs