蚂蚁集团
蚂蚁集团-语音数据算法工程师-健康事业群
蚂蚁集团-语音数据算法工程师-健康事业群
发布于 大约 9 小时前普通员工/个人贡献者
杭州市
专家级经验
全职员工
仅现场办公
硕士
机器学习工程
Asr
Badcase分析
Pytorch
大模型
数据闭环
方言识别
自监督学习
语音信号处理
AI 估算 · 40k–60k
蚂蚁集团算法岗位薪资丰厚，杭州生活成本适中，语音大模型方向热门，专家级别薪资竞争力强。
职位详情
关于这个职位
作为语音数据算法工程师，你将主导构建支撑千亿级大模型训练的高质量语音数据体系，攻克方言识别、多人混叠等难题，建立自动化数据闭环
你的工作将直接决定大模型在复杂现实场景下的能力上限，推动行业标准定义
最低要求
教育背景：计算机、信号处理、数学或相关专业硕士及以上学历
核心背景：在语音识别（ASR）、说话人识别、或多模态学习领域有扎实的研发经验
算法功底：深厚掌握语音信号处理算法（如降噪、回声消除、增益控制等）
深刻理解语音大模型（Speech LLM）的训练范式及数据配比逻辑
工程与架构：精通 Python，熟练使用 PyTorch/TensorFlow
具备设计高并发、可扩展的数据处理 Pipeline 的能力
数据思维：极强的数据敏感度，能从海量 Badcase 中总结规律，并将其转化为可量化的技术方案
工作职责
数据体系架构：主导海量音视频数据的自动化清洗、质量评估与标注一致性检查体系，构建行业领先的高质量语音训练数据集
核心难点攻坚：
方言与低资源语种：研发高效的方言检测（LID）与多方言自动化处理方案，解决非标口语场景下的模型泛化难题
复杂角色切分：攻克多人对话中严重的言语重叠（Overlapping）识别，优化说话人日志（Speaker Diarization）算法，实现高精度的角色分离与切割
全链路数据闭环：
Badcase 溯源：深入分析线上模型失效场景，精准定义修复特定缺陷（如特定口音、极端噪声、远场环境）所需的数据分布
端到端验证：构建自动化的数据收益评估体系，通过严谨的消融实验（Ablation Studies）量化数据对模型能力的提升，驱动算法迭代闭环
前沿技术转化：探索自监督学习（SSL）、弱监督对齐、以及基于生成式 AI 的数据合成技术，在真实数据稀缺时补齐数据短板
优先资格
复杂场景实战：在多人会议、车载环境或医疗临床等极高难度场景下有成功交付经验
多模态深度结合：有基于音视频对齐（如唇动辅助、视觉聚类）提升语音分离或识别效果的经验
学术影响力：在 ICASSP, INTERSPEECH, CVPR, NeurIPS 等顶级会议发表过高水平论文或在权威挑战赛（如 M2MeT, VoxCeleb）中取得优异成绩
大数据能力：熟悉 Spark, Flink 等分布式框架，具备处理 PB 级大规模数据的工程实践经验
AI 洞察
优缺点分析
优点
- 技术前沿：专注语音大模型数据难题，有大量创新空间
- 平台优势：蚂蚁集团提供海量数据和丰富场景，影响力大
- 科学闭环：强调消融实验和数据驱动，避免盲目调参
- 难度高：需要同时攻克方言、重叠语音等复杂问题
- 技术更新快：需持续跟进自监督学习、生成式AI等新方向
- 适合对语音技术有深厚热情、喜欢解决高难度问题、享受从数据中提炼规律的技术专家
缺点 / 挑战
- 压力大：数据质量直接影响大模型效果，容错率低
角色解读
- 技术深耕：成为语音数据领域顶级专家，定义行业标准
- 横向扩展：向多模态、大模型全栈方向拓展，成为AI架构师
- 管理路线：带领数据团队，主导核心算法方向
- 主导构建大规模的语音数据清洗、标注和评估体系，确保训练数据的高质量
- 攻克方言识别和多人对话中的言语重叠问题，优化说话人日志算法
- 建立Badcase驱动的数据闭环，通过消融实验量化数据对模型的影响
- 探索自监督学习和数据合成技术，弥补真实数据不足
- 扎实的语音识别、说话人识别或多模态学习研发经验
- 精通Python和PyTorch/TensorFlow，能设计高并发数据处理Pipeline
- 深刻理解语音信号处理算法和语音大模型训练范式
- 极强的数据敏感度，能从Badcase中总结规律并转化为技术方案
申请策略
- 在简历中量化成果，例如数据量级、识别准确率提升等
- 提前了解蚂蚁健康事业群的业务场景，思考如何将语音技术应用于医疗领域
- 突出语音识别或说话人识别的项目经验，尤其是处理方言或重叠语音的案例
- 展示数据Pipeline搭建能力，包括大规模的清洗、标注和评估流程
- 强调对Badcase分析和消融实验的具体实践与量化结果
- 补强自监督学习（如wav2vec 2.0）和数据合成技术
- 熟悉分布式数据处理框架如Spark和Flink
面试指南
- STAR法则：先说明背景和挑战，再讲具体方案和行动，最后用量化结果收尾
- 数据驱动思维：强调从Badcase出发，设计实验验证数据效果
- 如何设计一个自动化数据清洗和标注一致性检查系统？
- 请描述你解决过的一个多人对话中的言语重叠问题，具体算法和效果
- 如何通过Badcase分析确定数据增强方向？请举例
- 你对语音大模型的训练数据配比有什么理解？
- 如何在方言数据稀缺情况下提升模型泛化能力？
- 复习ASR和说话人日志经典论文，如Speaker Diarization最新方法
职位点评
74
综合评分
前沿语音数据算法专家，高成长、高薪资，但工作强度大，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
适合追求技术前沿、高成长性、不在意加班和办公灵活性的技术专家。
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95
工作生活40
使命价值70
薪资福利
80较高
薪资市场水准偏高，且蚂蚁集团福利完善，但未在JD中明确具体薪资和福利，补偿性动机中等偏上。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
95较高
职位处于语音大模型前沿，技术挑战大，成长空间极高，且有明确的科学闭环和前沿探索。
技术前沿前沿/新兴技术
技术栈ASR、Speaker Diarization、Speech LLM、自监督学习、生成式AI、多模态
业务类型profit_center
工作生活
40较低
工作地点仅现场办公，未提及弹性工作或远程，可能面临高强度加班，生活化动机满足度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况JD含高强度暗示词
使命价值
70中等
行业属于AI高速增长赛道，且蚂蚁健康事业群有社会价值，但JD未明确表达使命感。
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
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs