主分类：大模型与生成式算法研发
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": "微信-音乐生成算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "WXG",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 0,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责音乐等相关算法的研发与落地，包括音乐生成、音乐理解、音乐编辑等方向；\r\n2.参与生成模型的数据建设、预训练、后训练、效果评测和推理优化；\r\n3.与产品、数据及工程团队协作，建设完整的音乐数据管线，训练框架和推理链路；\r\n4.推动模型从实验阶段走向实际产品，持续提升生成结果的音质、自然度、音乐性、结构完整性和可控性；\r\n5.跟进音乐及音频生成领域的前沿技术，完成论文复现、模型验证及业务化改进。",
"requirements_text": "1.计算机、人工智能、信号处理、音乐科技等相关专业，本科及以上学历；\r\n2.熟悉 Transformer、Diffusion、Flow Matching、自回归模型等一种或多种生成模型；\r\n3.具备音乐生成、TTS、音频生成或多模态生成相关项目经验，有较完整的数据处理、模型训练和效果评测经验；\r\n4.熟悉 PyTorch 等深度学习框架，具备良好的算法实现和工程开发能力；\r\n5.对生成模型及音频方向有持续关注，能够独立完成论文调研、模型复现和实验分析；\r\n6.具备良好的学习能力、问题分析能力和团队协作能力。",
"skills": [AI生成
"PyTorch",
"深度学习",
"模型训练",
"信号处理",
"团队协作",
"学习能力",
"分析能力"
],
"preferred_qualifications": "1.在 ICASSP、ISMIR、NeurIPS、ICML、ICLR、AAAI、ACL、ACM MM 等相关会议或期刊发表过论文，或有相关科研项目经验；\r\n2.有音乐生成、歌唱生成、TTS 等方向的实际工程项目或产品落地经验；\r\n3.有大规模生成模型预训练、SFT、强化学习、偏好优化或可控生成经验；\r\n4.有音乐理解、音频表征、Audio Caption、音乐检索等相关经验；\r\n5.具备一定乐理基础，了解旋律、节奏、和声、曲式或配器等基础知识；\r\n6.熟悉 MIDI、音频信号处理、声学特征分析或数字音乐制作工具。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2084242224543084544"
}
]
},
"posting": {
"posting_id": "2084242224543084544",
"post_date": "2026-08-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2084242224543084544"
},
"fulltext": "微信-音乐生成算法工程师\n渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极布局，并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新，最终能带来美好的、撼动人心的改变。\n1.负责音乐等相关算法的研发与落地，包括音乐生成、音乐理解、音乐编辑等方向；\r\n2.参与生成模型的数据建设、预训练、后训练、效果评测和推理优化；\r\n3.与产品、数据及工程团队协作，建设完整的音乐数据管线，训练框架和推理链路；\r\n4.推动模型从实验阶段走向实际产品，持续提升生成结果的音质、自然度、音乐性、结构完整性和可控性；\r\n5.跟进音乐及音频生成领域的前沿技术，完成论文复现、模型验证及业务化改进。\n1.计算机、人工智能、信号处理、音乐科技等相关专业，本科及以上学历；\r\n2.熟悉 Transformer、Diffusion、Flow Matching、自回归模型等一种或多种生成模型；\r\n3.具备音乐生成、TTS、音频生成或多模态生成相关项目经验，有较完整的数据处理、模型训练和效果评测经验；\r\n4.熟悉 PyTorch 等深度学习框架，具备良好的算法实现和工程开发能力；\r\n5.对生成模型及音频方向有持续关注，能够独立完成论文调研、模型复现和实验分析；\r\n6.具备良好的学习能力、问题分析能力和团队协作能力。\n1.在 ICASSP、ISMIR、NeurIPS、ICML、ICLR、AAAI、ACL、ACM MM 等相关会议或期刊发表过论文，或有相关科研项目经验；\r\n2.有音乐生成、歌唱生成、TTS 等方向的实际工程项目或产品落地经验；\r\n3.有大规模生成模型预训练、SFT、强化学习、偏好优化或可控生成经验；\r\n4.有音乐理解、音频表征、Audio Caption、音乐检索等相关经验；\r\n5.具备一定乐理基础，了解旋律、节奏、和声、曲式或配器等基础知识；\r\n6.熟悉 MIDI、音频信号处理、声学特征分析或数字音乐制作工具。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}