安克创新
音频算法工程师（语音识别方向）
音频算法工程师（语音识别方向）
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AI算法
AI算法
Llm
Pytorch
Vad
声纹识别
模型压缩
深度学习
端侧部署
语音合成 (Tts)
语音识别 (Asr)
值不值得投
76综合评分
综合评分 76
前沿语音技术、产品落地导向、技术成长性强、工作模式未明确
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
3.3万
比AI算法中位数高
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 480 个在招 · 其中AI算法 4 个
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
负责语音识别（ASR）、语音合成（TTS）及声纹等核心算法的研发与优化，探索LLM在语音领域的应用
同时承担模型工程化落地工作，包括端侧部署、压缩量化及前后端联合优化，以提升产品在多语种、远场及噪声场景下的用户体验
最低要求
学历专业：硕士及以上学历，计算机、人工智能、信号与信息处理、电子信息、通信工程、声学等相关专业
工作经验：1-3年语音算法相关工作经验，具备独立承担算法方向的能力
理论基础：扎实的语音信号处理与深度学习基础，深入理解声学特征、CTC/Attention/RNNT等建模方式
专业技能：精通ASR/TTS/声纹/VAD中至少一个方向，有完整的从研发到落地的项目经验
工具掌握：熟练掌握Python与PyTorch，具备良好的工程习惯（版本管理、代码规范、实验可复现）
模型熟悉：熟悉主流通用模型与语音模型（如Whisper, FunASR/Paraformer, CosyVoice, SenseVoice, Qwen3-Omni等），有过模型训练与微调实战经验
开发能力：具备AI-Native开发能力，习惯利用AI工具提升研发迭代效率
工作职责
ASR语音识别：负责多语种、远场、噪声场景下的语音识别模型研发与优化，持续提升识别准确率与鲁棒性
TTS语音合成：主导语音合成系统研发，包括音色克隆、情感可控合成、多风格生成，推动合成自然度达到产品级标准
声纹与说话人日志：负责声纹识别、说话人日志（Diarization）算法研发，解决重叠语音场景下的分离与归属问题
VAD/音频前端：优化语音活动检测、降噪、回声消除、去混响等前端算法，推动前后端联合优化
语音大模型：探索LLM-based语音理解与生成，覆盖端到端语音交互、幻觉抑制、多模态对齐等前沿方向
会议转写系统：主导多人会议场景的端到端转写链路优化，提升转写精度与说话人归属准确率
模型工程化：负责模型压缩、量化、端侧部署，推动算法从实验阶段到生产环境落地
优先资格
具备大规模多卡训练、数据流水线搭建、模型压缩量化经验者优先
有多人会议转写、说话人日志或重叠语音处理项目经验者优先
有大模型相关经验（LLM-based ASR、端到端语音交互、多模态理解）者优先
AI 洞察
优缺点分析
优点
- 平台优势：上市公司，资源稳定，拥有真实的硬件产品落地场景
- 技术前沿：涉及LLM+语音的前沿探索，技术栈更新快
- 业务闭环：算法直接服务于消费级硬件，影响力可见
- 竞争激烈：语音赛道成熟，对细节优化和鲁棒性要求极高
- 适合希望在语音AI领域深耕，且具备较强工程落地能力的算法工程师
缺点 / 挑战
- 落地压力大：需兼顾算法效果与端侧部署的资源限制（算力、内存）
- 复合要求：既懂算法又懂工程化部署，对综合能力要求较高
角色解读
- 可向语音算法专家、AI架构师方向发展，或转向更广泛的AIGC与大模型应用研究岗位
- 专注于语音核心技术（ASR/TTS/声纹）的算法研发与性能优化，确保在复杂场景下的高准确率
- 扎实的语音信号处理与深度学习理论，精通Python/PyTorch，熟悉主流开源语音模型及大模型应用
申请策略
- 准备展示你对主流开源语音模型（FunASR, CosyVoice等）的深入理解和微调经验，这将是重要的加分项
- 突出完整的算法落地项目经验，特别是从模型训练到端侧部署的全流程案例
- 强调在噪声、远场等复杂场景下的优化成果
- 加强对模型压缩、量化及端侧推理框架（如TensorRT, NCNN, ONNX Runtime）的学习
- 关注LLM在语音领域的最新进展（如Whisper, Qwen-Audio等）
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术手段、遇到的问题及解决方案、最终量化指标的提升
- 对于理论问题，结合具体应用场景进行对比分析
- 请介绍一个你负责的语音算法从研发到落地的完整项目，遇到的最大挑战是什么？
- 如何优化ASR模型在强噪声或远场环境下的识别准确率？
- 简述CTC、Attention和RNNT三种解码方式的优缺点及适用场景
- 如何进行模型压缩和量化以适配端侧设备？有哪些权衡考虑？
- 如何看待LLM在语音交互中的应用前景？如何解决幻觉问题？
- 复习语音信号处理基础（MFCC, Fbank等）及主流深度学习模型结构
职位点评
薪资福利80
成长发展85
工作生活60
使命价值70
薪资福利
80较高
作为已上市的头部硬科技公司，提供具有市场竞争力的薪酬和稳定的福利保障，符合高技能人才的市场价值。
薪资信号市场水准 (2.5千–4.0万/月)
成长发展
85较高
职位涉及LLM、多模态等前沿技术，且要求模型工程化落地，技术成长空间大，能接触从算法到产品的全链路。
技术前沿前沿/新兴技术
技术栈LLM、ASR、TTS、PyTorch、Whisper、FunASR、CosyVoice、SenseVoice、Qwen3-Omni
业务类型profit_center
工作生活
60中等
未明确提及弹性工作制或远程办公，通常算法研发岗需坐班协作。但相比纯互联网大厂，硬科技公司的节奏可能相对可控。
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
70中等
通过提升智能硬件的语音交互体验，间接改善用户日常生活便利性，具有一定的社会价值和产品使命感。
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
Watch Jobs