主分类：大模型与生成式算法研发
辅助：语音与音频算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "语音/多模态大模型算法工程师（Speech/Omni/Agent方向） - Data语音",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法"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": "硕士学位/博士学位优先",
"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、参与研发语音、语言、视觉多模态一体化（Omni）端到端大模型，探索跨模态原生融合与低延迟实时交互体验；\n2、负责大模型在复杂企业生产场景下的任务规划、工具调用（Tool Use）、长文本/长音频处理及多智能体（Multi-Agent）协同系统的构建与架构优化；\n3、推动多模态大模型、AI Agent及语音生成/理解技术在企业级关键场景中的应用落地，如智能座舱、智能客服、生产力工具、沉浸式陪伴等，实现技术价值转化；\n4、深入调研并攻克语音、NLP、多模态、强化学习及大模型Agent等领域的前沿技术难题。",
"requirements_text": "1、计算机科学、电子信息工程、自动化、人工智能等相关专业背景，硕士学位/博士学位优先；\n2、具备多模态大模型、语音语言模型或大语言模型（LLM）的研发经验和深入理解；\n3、熟悉AI Agent系统设计与工程实现，工具调用、复杂推理、任务规划、多智能体协同或基于反馈学习的Agent行为对齐方面有实际项目经验者优先；\n4、具备良好的工程实现能力，熟悉大模型训练、推理、评测与部署链路，有模型效果优化、性能优化或系统稳定性建设经验者优先。\n\n加分项\n1、在领域国际会议或期刊发表过高水平论文者优先，如NeurIPS、ICML、ICLR、CVPR、ACL、Interspeech、ICASSP等；\n2、有开源大模型、多模态系统、Agent系统或语音智能项目核心贡献经验者优先；\n3、对企业、生产力场景中的模型能力、工程效率、成本控制与稳定性有经验者优先。",
"skills": [AI生成
"模型训练",
"性能优化",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "1、计算机科学、电子信息工程、自动化、人工智能等相关专业背景，硕士学位/博士学位优先；3、熟悉AI Agent系统设计与工程实现，工具调用、复杂推理、任务规划、多智能体协同或基于反馈学习的Agent行为对齐方面有实际项目经验者优先；4、具备良好的工程实现能力，熟悉大模型训练、推理、评测与部署链路，有模型效果优化、性能优化或系统稳定性建设经验者优先；加分项；1、在领域国际会议或期刊发表过高水平论文者优先，如NeurIPS、ICML、ICLR、CVPR、ACL、Interspeech、ICASSP等；2、有开源大模型、多模态系统、Agent系统或语音智能项目核心贡献经验者优先；3、对企业、生产力场景中的模型能力、工程效率、成本控制与稳定性有经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7654893302257551669/detail"
}
]
},
"posting": {
"posting_id": "7654893302257551669",
"post_date": "2026-06-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7654893302257551669/detail"
},
"fulltext": "语音/多模态大模型算法工程师（Speech/Omni/Agent方向） - 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、参与研发语音、语言、视觉多模态一体化（Omni）端到端大模型，探索跨模态原生融合与低延迟实时交互体验；\n2、负责大模型在复杂企业生产场景下的任务规划、工具调用（Tool Use）、长文本/长音频处理及多智能体（Multi-Agent）协同系统的构建与架构优化；\n3、推动多模态大模型、AI Agent及语音生成/理解技术在企业级关键场景中的应用落地，如智能座舱、智能客服、生产力工具、沉浸式陪伴等，实现技术价值转化；\n4、深入调研并攻克语音、NLP、多模态、强化学习及大模型Agent等领域的前沿技术难题。\n\n职位要求\n1、计算机科学、电子信息工程、自动化、人工智能等相关专业背景，硕士学位/博士学位优先；\n2、具备多模态大模型、语音语言模型或大语言模型（LLM）的研发经验和深入理解；\n3、熟悉AI Agent系统设计与工程实现，工具调用、复杂推理、任务规划、多智能体协同或基于反馈学习的Agent行为对齐方面有实际项目经验者优先；\n4、具备良好的工程实现能力，熟悉大模型训练、推理、评测与部署链路，有模型效果优化、性能优化或系统稳定性建设经验者优先。\n\n加分项\n1、在领域国际会议或期刊发表过高水平论文者优先，如NeurIPS、ICML、ICLR、CVPR、ACL、Interspeech、ICASSP等；\n2、有开源大模型、多模态系统、Agent系统或语音智能项目核心贡献经验者优先；\n3、对企业、生产力场景中的模型能力、工程效率、成本控制与稳定性有经验者优先。\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、参与研发语音、语言、视觉多模态一体化（Omni）端到端大模型，探索跨模态原生融合与低延迟实时交互体验；\n2、负责大模型在复杂企业生产场景下的任务规划、工具调用（Tool Use）、长文本/长音频处理及多智能体（Multi-Agent）协同系统的构建与架构优化；\n3、推动多模态大模型、AI Agent及语音生成/理解技术在企业级关键场景中的应用落地，如智能座舱、智能客服、生产力工具、沉浸式陪伴等，实现技术价值转化；\n4、深入调研并攻克语音、NLP、多模态、强化学习及大模型Agent等领域的前沿技术难题。\n1、计算机科学、电子信息工程、自动化、人工智能等相关专业背景，硕士学位/博士学位优先；\n2、具备多模态大模型、语音语言模型或大语言模型（LLM）的研发经验和深入理解；\n3、熟悉AI Agent系统设计与工程实现，工具调用、复杂推理、任务规划、多智能体协同或基于反馈学习的Agent行为对齐方面有实际项目经验者优先；\n4、具备良好的工程实现能力，熟悉大模型训练、推理、评测与部署链路，有模型效果优化、性能优化或系统稳定性建设经验者优先。\n\n加分项\n1、在领域国际会议或期刊发表过高水平论文者优先，如NeurIPS、ICML、ICLR、CVPR、ACL、Interspeech、ICASSP等；\n2、有开源大模型、多模态系统、Agent系统或语音智能项目核心贡献经验者优先；\n3、对企业、生产力场景中的模型能力、工程效率、成本控制与稳定性有经验者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T035"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}