快手
语言算法实习生
语言算法实习生
发布于 大约 2 个月前实习/见习
北京市
无经验要求
实习生
仅现场办公
本科
研究与开发 (研发)
Cosyvoice
Paraformer
Seed-Tts
Whisper
语音合成
音色克隆
ASR
TTS
情感Tts
AI 估算 · 5k–9k
快手北京语音算法实习生岗位，日薪约200-400元，按22天计算，月薪在5000-9000元区间，属于行业中等偏上水平。
职位详情
关于这个职位
该职位是快手的语音算法实习生，专注于情感化TTS、长文本合成及端到端语音对话技术
你将参与音色克隆、Voice Design等前沿技术研发，并有机会在丰富的数据和GPU资源支持下将算法落地
适合对语音合成和AI充满热情的同学
最低要求
计算机、信号处理等相关专业本科及以上学历
有TTS或ASR任一方向的实战经验，熟悉至少一个主流语音模型（如CosyVoice、Seed-TTS、Whisper、Paraformer等）
工作职责
负责情感化、长文本TTS研发，优化韵律自然度与跨句连贯性，提升语音表现力
参与Voice Design技术开发，支持音色克隆、音色编辑等个性化能力
探索双双工端到端S2S（语音到语音）对话技术
基于CosyVoice、Seed-TTS、Whisper等开源框架进行调优与业务适配，根据需求参与ASR相关任务
优先资格
情感TTS：韵律控制、情感表达优化
长文本合成：段落级韵律规划与连贯性
Voice Design：音色克隆、音色属性编辑
端到端S2S：语音翻译、语音对话
多语言实践：葡语、印尼语等小语种语音处理
能阅读论文并动手复现，有ModelScope/Hugging Face使用经验加分
AI 洞察
优缺点分析
优点
- 聚焦语音合成前沿方向（情感TTS、S2S），技术含金量高
- 拥有大规模高质量语音数据和充足GPU资源，实验条件优越
- 快手作为大厂，技术积累深厚，导师经验丰富，成长空间大
- 实习转正机会多，对后续求职或深造都有加分
- 语音合成方向竞争激烈，需要不断跟进最新论文和模型
- 端到端S2S技术尚不成熟，存在研究不确定性
- 适合对语音技术有浓厚兴趣、具备较强动手能力和学习能力的计算机或信号处理专业学生，尤其是有TTS/ASR项目经验的同学
缺点 / 挑战
- 可能需要同时负责多个方向（TTS、ASR、S2S），工作强度较高
角色解读
- 从单一TTS或ASR任务扩展到端到端语音链路，成为语音全栈工程师
- 在情感表达、音色设计等细分方向深耕，成为语音算法专家
- 积累多语言、多场景经验，向AI产品经理或技术Leader发展
- 负责情感化TTS和长文本合成算法的研发，优化语音的自然度和表现力
- 参与音色克隆和音色编辑等Voice Design技术的开发，支持个性化语音生成
- 探索端到端语音到语音（S2S）对话技术，推动语音交互的实时性和自然性
- 基于开源框架（如CosyVoice、Seed-TTS）进行调优和业务适配，并参与ASR相关任务
- 扎实的计算机或信号处理背景，熟悉深度学习基础
- 有TTS或ASR的实战经验，熟悉至少一个主流语音模型
- 具备论文阅读和复现能力，能够使用ModelScope或Hugging Face
- 对语音技术有热情，具备较强的动手能力和问题解决能力
申请策略
- 在简历中附上个人GitHub或博客链接，展示代码和笔记
- 面试前可以主动了解快手语音团队的公开技术分享，体现对团队的认同
- 突出TTS或ASR相关的项目或实习经历，说明使用的模型和取得的成果
- 展示对开源语音框架（如CosyVoice、Whisper）的实际使用和调优经验
- 如果有情感TTS、音色克隆等方向的经验，务必重点描述
- 列出阅读并复现过的相关论文，体现研究和动手能力
- 熟悉Hugging Face或ModelScope上的语音模型，动手跑通demo
- 学习端到端语音生成的相关论文，如VALL-E、SoundStorm等
面试指南
- 针对项目经验问题：采用STAR法则（情境、任务、行动、结果）结构化回答，突出个人贡献和学习收获
- 针对技术理解问题：先定义概念，再解释原理，最后结合当前业界进展给出自己的看法
- 针对调优经验问题：说明基线模型、调优方法（如数据增强、超参搜索）、评估指标和最终效果对比
- 请详细介绍你之前做过的TTS/ASR项目，遇到了哪些技术难点？如何解决的？
- 说说你对情感TTS的理解，如何让语音具有情感表现力？
- 端到端S2S和传统级联方案（ASR->TTS）相比有什么优劣？
- 用过哪些语音开源框架？你是如何对其进行调优的？
- 请解释一下注意力机制在TTS中的作用，以及Transformer在语音中的应用
职位点评
67
综合评分
语音算法实习岗，前沿技术栈、数据资源丰富，成长性极高但薪资未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
适合追求技术成长和前沿经验、对语音AI有热情、能接受一定工作强度且对短期薪资不太在意的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利45
成长发展88
工作生活50
使命价值70
薪资福利
45较低
实习工资未明确公开，但大厂实习薪资通常中等；未提及福利，但快手作为上市公司福利较全。总体补偿性动机满足度偏低。
薪资信号未披露（AI估算：5K-9K/月）
成长发展
88较高
该岗位聚焦情感TTS、S2S等前沿方向，提供丰富数据和GPU资源，技术成长空间大。实习期间能深入语音链路，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈TTS、ASR、CosyVoice、Seed-TTS、Whisper、Paraformer、S2S
成长机会聚焦TTS核心体验、探索S2S端到端方向、技术方向务实，工程落地路径清晰
业务类型ambiguous
工作生活
50较低
需现场办公，未明确提及弹性时间或WLB，但大厂实习通常有一定自由度。生活化动机满足度一般。
工作模式仅现场办公
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
语音AI是高速增长赛道，快手作为头部平台有较强影响力；但岗位偏技术研发，社会意义感一般。意义感动机满足中等偏上。
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
快手 的其他在招职位
相似职位推荐
Watch Jobs