日常实习生-音频与多模态知识产权安全算法

岗位描述
1.参与音频与多模态知识产权安全算法的设计与建设，覆盖歌曲识别、旋律检索、歌手身份验证、声音克隆与 AI 翻唱检测等方向。
2.参与歌声分离、音频指纹、音频表征学习、旋律建模、speaker/singer embedding、合成音频检测等模型的复现、训练和优化。
3.参与音频—文本—图像—视频联合建模，探索跨模态检索、音视频一致性、人物与声音一致性及内容溯源能力。
4.建设高质量训练与评测数据，设计变速、变调、翻唱、重编曲、压缩、噪声、多人声和 AIGC 生成等对抗/增强样本。
5.建立离线评测、阈值校准和误例分析体系，将模型指标转化为可解释、可落地的业务工作点。
6.跟踪音频生成、音乐信息检索、语音深度伪造、多模态理解和内容安全方向的前沿研究，推动论文方法在真实场景中的验证。

岗位要求
1.硕士及以上学历在读，计算机、人工智能、电子信息、信号处理、声学、音乐信息检索等相关专业优先；特别优秀的本科生亦可。
2.具备扎实的深度学习基础，熟悉 PyTorch，能够独立完成论文阅读、代码复现、训练调试和实验分析。
3.熟悉数字信号处理、时频分析、STFT/Mel 频谱、音频特征、采样率和常见音频编码中的至少一部分。
4.熟悉以下一个或多个方向：音频分类与检索、音乐信息检索、源分离、ASR、speaker verification、singing voice、audio deepfake、音频生成、多模态大模型。
5.熟练使用 Python，具有良好的工程实现、数据处理和代码规范意识。
6.具备较强的问题拆解、实验设计和数据敏感度，对 AIGC、音频知识产权保护和内容安全有浓厚兴趣，能够持续、独立推进课题。

加分项：
1.在 ICASSP、INTERSPEECH、ISMIR、ACM MM、NeurIPS、ICML、ICLR、AAAI 等会议或期刊发表过相关论文。
2.有音乐源分离、旋律提取、音频指纹、歌手识别、音频生成/检测或跨模态检索项目经验。
3.熟悉 BS-RoFormer、WavLM、AudioMAE 等模型或相关开源生态。
4.具备音乐理论、乐器演奏、编曲或音频制作经验，能够理解调性、节拍、和声、旋律和音色等概念。
5.有大规模向量检索、难负样本挖掘、模型部署或评测平台开发经验。
6.实习时间至少3个月，每周至少到岗 4 天优先。