{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "豆包语音合成大模型算法工程师 - Data语音",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "杭州、上海、北京",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍：Data-语音团队致力于语音、音乐等大模型AIGC技术的研发和产品创新，我们的使命是通过多模态AIGC音频技术赋能内容创作和语音交互，让内容生产、消费与互动变得更加简单、沉浸、多元化。当前团队已有成熟的大模型语音合成、语音理解、音乐生成等多模态音频技术，并持续迭代大模型端到端语音交互方案等，一方面通过中台形式服务于公司众多业务线，例如豆包/Dola、抖音/TikTok、剪映/CapCut、番茄小说、海绵音乐等产品；另一方面，团队已经通过字节跳动旗下的火山引擎开放平台-语音技术和火山方舟平台，向众多企业开放技术成熟稳定的能力和服务。\n\n1、负责下一代语音合成（TTS）、音频生成大模型（Seed Audio）与语音大模型核心技术的研发，包括但不限于Zero-Shot TTS、声音克隆（Voice Cloning）、跨语种合成及高表现力语音生成；\n2、持续优化合成语音的音质、自然度、情感表现力，并针对端/云侧业务需求，进行模型轻量化、稳定性调优与推理加速；\n3、主导音频生成技术在字节跳动的场景的落地与交付，跟进并解决真实复杂场景下的业务诉求，包括豆包、抖音、剪映、番茄小说等；\n4、进行音频生成技术的Model-as-a-service应用探索，通过火山方舟进行国内和国外重点场景的业务应用能力建设，让语音技术从研究走向应用。",
        "requirements_text": "1、计算机科学、信号处理、人工智能等相关专业；有扎实的数学基础和算法/数据结构功底；\n2、深耕语音合成领域，熟悉并掌握主流的TTS算法架构，熟悉基于大模型的音频生成技术栈（如VALL-E、SeedTTS、CosyVoice、DiTAR等），有离散音频表征（Audio Codec）、自回归/非自回归、扩散模型等研发经验者优先；\n3、具备出色的工程能力和落地意识，熟练掌握PyTorch等深度学习框架；熟悉C++/CUDA或有TensorRT/ONNX推理优化、模型量化裁剪经验者优先；\n4、具备强烈的责任心与自驱力，能敏锐洞察业务需求，将技术突破转化为实际的产品价值。\n\n加分项\n1、在Interspeech、ICASSP、NeurIPS、ICML、ACL等顶会上发表过语音/音频生成相关论文，或在相关技术竞赛中取得优异名次。",
        "skills": [AI生成
            "C++",
            "PyTorch",
            "CUDA",
            "深度学习",
            "数据结构",
            "信号处理",
            "大语言模型"
        ],
        "preferred_qualifications": "2、深耕语音合成领域，熟悉并掌握主流的TTS算法架构，熟悉基于大模型的音频生成技术栈（如VALL-E、SeedTTS、CosyVoice、DiTAR等），有离散音频表征（Audio Codec）、自回归/非自回归、扩散模型等研发经验者优先；熟悉C++/CUDA或有TensorRT/ONNX推理优化、模型量化裁剪经验者优先；加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7652190185805449477/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7652190185805449477",
        "post_date": "2026-06-17",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7652190185805449477/detail"
    },
    "fulltext": "豆包语音合成大模型算法工程师 - Data语音\n职位描述\n团队介绍：Data-语音团队致力于语音、音乐等大模型AIGC技术的研发和产品创新，我们的使命是通过多模态AIGC音频技术赋能内容创作和语音交互，让内容生产、消费与互动变得更加简单、沉浸、多元化。当前团队已有成熟的大模型语音合成、语音理解、音乐生成等多模态音频技术，并持续迭代大模型端到端语音交互方案等，一方面通过中台形式服务于公司众多业务线，例如豆包/Dola、抖音/TikTok、剪映/CapCut、番茄小说、海绵音乐等产品；另一方面，团队已经通过字节跳动旗下的火山引擎开放平台-语音技术和火山方舟平台，向众多企业开放技术成熟稳定的能力和服务。\n\n1、负责下一代语音合成（TTS）、音频生成大模型（Seed Audio）与语音大模型核心技术的研发，包括但不限于Zero-Shot TTS、声音克隆（Voice Cloning）、跨语种合成及高表现力语音生成；\n2、持续优化合成语音的音质、自然度、情感表现力，并针对端/云侧业务需求，进行模型轻量化、稳定性调优与推理加速；\n3、主导音频生成技术在字节跳动的场景的落地与交付，跟进并解决真实复杂场景下的业务诉求，包括豆包、抖音、剪映、番茄小说等；\n4、进行音频生成技术的Model-as-a-service应用探索，通过火山方舟进行国内和国外重点场景的业务应用能力建设，让语音技术从研究走向应用。\n\n职位要求\n1、计算机科学、信号处理、人工智能等相关专业；有扎实的数学基础和算法/数据结构功底；\n2、深耕语音合成领域，熟悉并掌握主流的TTS算法架构，熟悉基于大模型的音频生成技术栈（如VALL-E、SeedTTS、CosyVoice、DiTAR等），有离散音频表征（Audio Codec）、自回归/非自回归、扩散模型等研发经验者优先；\n3、具备出色的工程能力和落地意识，熟练掌握PyTorch等深度学习框架；熟悉C++/CUDA或有TensorRT/ONNX推理优化、模型量化裁剪经验者优先；\n4、具备强烈的责任心与自驱力，能敏锐洞察业务需求，将技术突破转化为实际的产品价值。\n\n加分项\n1、在Interspeech、ICASSP、NeurIPS、ICML、ACL等顶会上发表过语音/音频生成相关论文，或在相关技术竞赛中取得优异名次。\n团队介绍：Data-语音团队致力于语音、音乐等大模型AIGC技术的研发和产品创新，我们的使命是通过多模态AIGC音频技术赋能内容创作和语音交互，让内容生产、消费与互动变得更加简单、沉浸、多元化。当前团队已有成熟的大模型语音合成、语音理解、音乐生成等多模态音频技术，并持续迭代大模型端到端语音交互方案等，一方面通过中台形式服务于公司众多业务线，例如豆包/Dola、抖音/TikTok、剪映/CapCut、番茄小说、海绵音乐等产品；另一方面，团队已经通过字节跳动旗下的火山引擎开放平台-语音技术和火山方舟平台，向众多企业开放技术成熟稳定的能力和服务。\n\n1、负责下一代语音合成（TTS）、音频生成大模型（Seed Audio）与语音大模型核心技术的研发，包括但不限于Zero-Shot TTS、声音克隆（Voice Cloning）、跨语种合成及高表现力语音生成；\n2、持续优化合成语音的音质、自然度、情感表现力，并针对端/云侧业务需求，进行模型轻量化、稳定性调优与推理加速；\n3、主导音频生成技术在字节跳动的场景的落地与交付，跟进并解决真实复杂场景下的业务诉求，包括豆包、抖音、剪映、番茄小说等；\n4、进行音频生成技术的Model-as-a-service应用探索，通过火山方舟进行国内和国外重点场景的业务应用能力建设，让语音技术从研究走向应用。\n1、计算机科学、信号处理、人工智能等相关专业；有扎实的数学基础和算法/数据结构功底；\n2、深耕语音合成领域，熟悉并掌握主流的TTS算法架构，熟悉基于大模型的音频生成技术栈（如VALL-E、SeedTTS、CosyVoice、DiTAR等），有离散音频表征（Audio Codec）、自回归/非自回归、扩散模型等研发经验者优先；\n3、具备出色的工程能力和落地意识，熟练掌握PyTorch等深度学习框架；熟悉C++/CUDA或有TensorRT/ONNX推理优化、模型量化裁剪经验者优先；\n4、具备强烈的责任心与自驱力，能敏锐洞察业务需求，将技术突破转化为实际的产品价值。\n\n加分项\n1、在Interspeech、ICASSP、NeurIPS、ICML、ACL等顶会上发表过语音/音频生成相关论文，或在相关技术竞赛中取得优异名次。",
    "standard_classification": {
        "std_category_code": "T035",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}