岗位描述
岗位内容
1.负责核心语音合成(TTS)算法的研发与优化,包括声学模型、声码器及端到端模型的训练。
2.推进多说话人、音色克隆、情感化合成等技术的落地应用。
3.跟进行业前沿技术(如大模型+语音、扩散模型等),进行模型迭代。
4.负责模型的工程化部署与压缩,确保生成效果的实时性与高保真度。
岗位要求
1.硕士及以上学历,计算机、信号处理、自动化等相关专业。
2.扎实的编程功底,熟练掌握 Python/C++ 及 PyTorch 深度学习框架。
3.熟悉主流TTS架构(如 VITS、NaturalSpeech、Tacotron 等)及声码器(HiFi-GAN、MelGAN 等)。
4.熟悉数字信号处理基础,了解 Mel 谱、F0、音素时长等声学特征提取。