岗位描述
岗位职责
1. 负责语音合成(Text-to-Speech, TTS)模型训练与线上优化。
2. 深入研究并应用深度学习技术,提升合成语音的自然度、表现力和稳定性,支持多音色、多语种、情感语音等高级功能。
3. 参与语音前端处理模块开发,包括文本归一化、分词、音素预测、韵律预测等任务。
4. 与语音识别、语音增强、产品等团队协作,推动TTS技术在实际场景中的落地(如智能助手、有声阅读、导航播报等)。
5. 跟踪学术界和工业界最新进展,持续优化模型性能,降低推理延迟,提升合成效率。
6. 编写高质量的技术文档,参与模型版本管理和工程化部署(如ONNX、TensorRT、Triton等)。
任职要求
1. 计算机、人工智能、信号处理、语音工程或相关专业硕士及以上学历。
2. 熟悉主流TTS模型架构,掌握PyTorch框架,具备模型训练与调优经验。
3. 熟悉语音信号处理基础(如梅尔频谱、STFT、声码器等)。
4. 具备良好的Python编程能力,熟悉Linux开发环境,有实际TTS系统开发或优化经验者优先。
5. 在语音领域顶级会议发表论文,或有模型压缩、推理加速、嵌入式部署经验者优先。
6. 具备良好的沟通能力、团队协作精神和自主学习能力。