蚂蚁集团
蚂蚁集团-语音交互系统专家/高级专家-杭州
蚂蚁集团-语音交互系统专家/高级专家-杭州
发布于 大约 14 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
本科
机器学习工程
Llm
Pytorch
Tensorflow
Vad
深度学习
端到端语音识别
语音交互
说话人分离
音频算法
AI 估算 · 45k–80k
语音AI专家稀缺，蚂蚁平台技术实力强，薪酬具有竞争力。
职位详情
关于这个职位
该职位负责蚂蚁集团语音交互系统的核心算法研发，涵盖VAD、说话人分离、端到端语音识别与LLM结合等前沿方向
适合有扎实音频信号处理和深度学习背景的专家，工作地点杭州，团队技术氛围浓厚
最低要求
计算机、电子信息、自动化、声学或相关专业，统招本科及以上学历（硕士/博士优先）
具备扎实的音频信号处理或机器学习基础，有智能硬件/IoT设备等场景的音频算法落地与性能优化经验
深入理解语音识别或音频理解系统，对基于大语言模型（LLM）的端到端语音识别与理解有深入研究和实践优化经验
编程功底扎实，精通 Python 和 C/C++，熟练使用 PyTorch/TensorFlow 等至少一种主流深度学习框架
工作职责
负责全双工语音交互系统的核心算法研发，包括但不限于3A算法、流式语音端点检测（VAD）、说话人分离（Diarization）、话语权决策/轮次检测（Turn-taking）等模块的设计与优化
探索并落地统一的音频理解前端，实现复杂场景下的多人对话理解与交互，解决复杂场景下的端到端语音识别与对话理解问题
跟踪业界前沿的语音/音频技术发展（如最新深度学习架构在音频领域的应用），持续提升现有算法系统的性能与鲁棒性，解决实际业务中的长尾问题
优先资格
在国内外知名语音/音频挑战赛（如 CHiME、DNS Challenge、Kaggle等）中获得过国际领先名次者优先
在 ICASSP、Interspeech 等语音/音频领域顶级会议或期刊发表过高质量论文者优先
AI 洞察
优缺点分析
优点
- 蚂蚁集团平台大，业务场景丰富，算法落地机会多
- 团队技术氛围浓厚，有国际赛事和顶级会议机会
- 语音交互算法复杂度高，需要持续学习最新技术
- 需要处理长尾问题，工程实现细节多
缺点 / 挑战
- 语音交互是AI前沿方向，技术挑战大，成长空间高
- 业务对实时性和鲁棒性要求严格，可能面临较大工作压力
- 适合有多年语音算法经验，热爱技术挑战，希望在大型平台做深度研究的工程师
角色解读
- 技术专家路线：深耕语音交互算法，成为领域权威
- 横向发展：向多模态AI或大模型方向拓展
- 管理路线：未来可带领团队负责核心语音模块
- 负责全双工语音交互系统的核心算法研发，包括3A算法、VAD、说话人分离、Turn-taking等模块设计与优化
- 探索落地统一的音频理解前端，解决复杂场景下的端到端语音识别与对话理解问题
- 跟踪业界前沿语音/音频技术，提升算法系统性能与鲁棒性
- 扎实的音频信号处理或机器学习基础
- 深入理解语音识别或音频理解系统，对LLM端到端语音有研究
- 精通Python和C/C++，熟练使用PyTorch/TensorFlow
申请策略
- 了解蚂蚁在语音交互方面的业务场景，如智能客服、IoT设备
- 准备一个你主导的语音算法的完整项目案例，从问题到解决过程
- 突出语音/音频算法项目经验，特别是实际落地和优化案例
- 强调对VAD、Diarization、Turn-taking等模块的深入理解
- 如果有论文或竞赛获奖，一定要突出
- 展示编程能力和深度学习框架熟练度
- 深入了解LLM在语音识别中的最新应用，如SpeechLLM
- 熟悉Kaldi/Wenet等语音工具链
面试指南
- 用STAR法则描述项目经历，突出挑战和量化结果
- 从系统角度分析问题，考虑模块间交互
- 结合最新论文和技术趋势，展现学习能力
- 请详细讲一下你在VAD或说话人分离上的算法设计和优化过程
- 如何设计一个端到端的语音对话系统？
- 你如何评估语音识别系统在嘈杂环境下的鲁棒性？
- 请谈谈你对LLM在语音识别中应用的看法
- 如何平衡实时性和准确率？
职位点评
76
综合评分
蚂蚁语音算法专家岗，前沿技术，高薪，但工作地点固定杭州，WLB未知
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
该职位最适合追求技术成长、热爱语音算法研究、不畏挑战的求职者。
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90
工作生活50
使命价值75
薪资福利
80较高
蚂蚁集团薪酬福利在业内具有竞争力，但JD未明确具体薪资数字，综合判断补偿性满足度高。
薪资信号未披露（AI估算：45K-80K/月）
成长发展
90较高
语音交互属于AI前沿领域，涉及LLM等新技术，技术成长空间大，发展性动机强烈。
技术前沿前沿/新兴技术
技术栈语音交互、VAD、说话人分离、Turn-taking、LLM、端到端识别、PyTorch、TensorFlow
业务类型ambiguous
工作生活
50较低
工作地点杭州，要求现场办公，JD未提及弹性或远程，生活化动机满足一般。
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
语音交互技术可提升人机交互体验，行业前景好，但社会影响力相对中性，意义感满足良好。
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