万兴科技
音频算法实习生
音频算法实习生
发布于 3 天前实习/见习
长沙市
无经验要求
实习生
仅现场办公
硕士
实习与临时职位
Dit模型
Pytorch
Speech Codec
Tensorflow
大模型
扩散模型
语音合成
语音降噪
音频算法
AI 估算 · 3k–6k
实习生岗位，按长沙地区硕士实习市场行情估算。
职位详情
关于这个职位
该实习岗位专注于音频算法领域，主要参与语音合成大模型（人声克隆）和语音降噪算法的研发工作
你将接触到先进的 Transformer、DiT 和扩散模型技术，适合对音频和深度学习有浓厚兴趣的硕士研究生
最低要求
届及之后毕业在读学生，计算机相关专业硕士及以上学历
理解当前 DiT 模型框架，会使用 Pytoch, TenserFlow 等训练模型工具
具备优秀的调试和解决问题能力
具备良好的团队合作和沟通能力
工作职责
参与研发语音合成大模型（人声克隆）：了解离散音频编解码器 Speech Codec，语言模型 Transformer、LLaMA，扩散模型 Diffusion Model 等
参与语音降噪算法开发：包括通用场景降噪和单一噪声的降噪
AI 洞察
优缺点分析
优点
- 接触前沿的语音合成大模型和扩散模型技术，技术含量高
- 公司已上市，平台稳定，可积累工业级项目经验
- 团队协作，能提升沟通和合作能力
- 实习经历有助于未来求职 AI 算法岗位
- 对理论基础要求高，需要快速学习新模型（如 DiT）
- 薪资相对较低，仅适合积累经验
- 适合对音频 AI 和深度学习有强烈兴趣、愿意投入时间学习前沿技术的硕士研究生
缺点 / 挑战
- 实习生可能面临较大的学习压力，需要独立调试和解决问题
角色解读
- 从音频算法实习生起步，可转向语音合成或降噪方向的算法工程师
- 积累大模型和生成式 AI 经验，未来可进入更广泛的 AI 研究领域
- 表现优异者可转正为正式员工，参与核心算法研发
- 参与研发语音合成大模型，包括人声克隆技术，涉及离散音频编解码器、Transformer、LLaMA和扩散模型
- 开发语音降噪算法，涵盖通用场景和单一噪声的降噪处理
- 使用 PyTorch、TensorFlow 等工具训练和调试模型
- 与团队成员协作，解决实际音频处理问题
- 扎实的计算机科学基础，尤其是深度学习和音频处理知识
- 熟练使用 PyTorch 或 TensorFlow 进行模型训练
- 理解 DiT、Transformer、扩散模型等前沿模型架构
- 具备优秀的调试和问题解决能力
申请策略
- 在简历中明确说明毕业时间，确保符合 2027 届及之后的要求
- 了解万兴科技的产品方向，将个人技能与公司业务结合
- 突出深度学习项目经历，尤其是语音合成或降噪相关
- 展示 PyTorch/TensorFlow 的使用经验，包括模型训练和调优
- 强调对 Transformer、扩散模型等理论的理解
- 附上 GitHub 或论文链接以证明实践能力
- 提前学习 DiT 模型原理和代码实现
- 熟悉语音信号处理基础，如 STFT、滤波器设计
面试指南
- 对于模型原理问题，先给出核心定义，再分步骤阐述关键组件，最后联系实际应用
- 对于编程实现问题，说明整体框架，强调重要调参和训练技巧
- 对于项目经历问题，使用 STAR 法则：情境、任务、行动、结果
- 请解释 DiT 模型的结构与扩散模型的关系
- 你如何用 PyTorch 实现一个简单的 Transformer 模型？
- 如何处理语音信号中的噪声？请介绍一种降噪算法
- 描述一次你调试深度学习模型失败并最终解决的经历
- 你对语音合成大模型的发展趋势有什么看法？
职位点评
58
综合评分
前沿音频算法实习，技术含量高，薪资低，适合积累经验。
更适合这类人
最适合看重技术成长和前沿经验、对薪资要求不高的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利30
成长发展90
工作生活50
使命价值60
薪资福利
30较低
实习生薪资水平较低，福利不明确，补偿性动机满足程度有限。
薪资信号未披露（AI估算：3K-6K/月）
成长发展
90较高
实习岗位接触前沿语音合成大模型和扩散模型，技术成长空间大，能满足发展性动机。
技术前沿前沿/新兴技术
技术栈DiT、Transformer、扩散模型、Speech Codec、PyTorch、TensorFlow
业务类型ambiguous
工作生活
50较低
现场办公且工作地点在长沙，未提及弹性工时，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
60中等
音频合成和降噪技术有应用价值，但实习岗位对行业的直接影响有限，意义感中等。
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