主分类：语音与音频算法研发
辅助：大模型与生成式算法研发（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": "高德-TTS 语音算法工程师/专家-北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "研究生及以上学历或优秀本科生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：\n高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、多模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。\n团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。\n具体职责：\n围绕voice agent/speech language model的研究工作，包括但不限于如下事项：\n1. 为满足AGI时代\"活人感\"语音交互的需求，致力于完成包括但不限于以下目标：复杂声学+时空信息的声学理解、通过图灵测试水平的交互节奏 / 交流内容 / 语音输出，并完成所需的技术创新；\n2. 多模态对话大模型的研发、语音对话pipeline方案以及端到端方案的交互能力搭建、全双工交互能力搭建，落地到高德多项agent应用场景；\n3. 跟进最领先的语音理解/语音生成/语音交互技术，包括但不限于提出新的技术框架、改进现有的算法、持续提升相关技术及业务指标，鼓励撰写论文及申请专利；\n4. 探索前沿方向，如更加高效且合理的模型架构、跨模态（文字/语音/视觉）混合训练的最佳实践、基于speech language model的后训练技术、COT Reasoning in streaming full-duplex、proactive interaction，等等。结合全链路各个agent，持续提升voice agent的交互体验；\n5. 海量的语音数据的处理构建：定性分析、定量评估、参与设计自动评估框架，研发 scalable 的改进方案，持续提升数据质量。",
"requirements_text": "1. 研究生及以上学历或优秀本科生，计算机、人工智能、软件、数学等相关专业；\n2. 较强的代码能力，在文本大模型或多模态大模型某一领域（语音大模型、Voice Agent、生成模型等）有过深入的研究经历或者应用经验；\n3. 熟练掌握C/C++，Python，Shell编程语言，对数据结构和算法设计有较好的理解；\n4. 精通 Pytorch / megatron等深度学习框架，熟悉 Transformer 架构以及大语言模型基础知识；\n加分项：\n1. 有丰富的对话大模型(包括文本对话或者语音对话)的研发、应用经验；\n2. 具有较强的工程能力，有开发音视频实时交互系统的经验；\n3. 在国际顶级会议或期刊（ICASSP，Interspeech，ICML，NIPS，TASLP等）上发表论文者优先；\n4. 编程能力强，在ACM/ICPC、NOI/IOI、TopCoder、Kaggle等比赛获奖者优先；\n5. 良好的沟通能力、团队合作精神、自我驱动能力，对技术充满热情，主动解决问题者优先；\n6. 有数据感知、对数据有充分的认识和研究兴趣者，优先；",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"数据结构",
"算法设计",
"团队协作",
"沟通能力",
"解决问题",
"大语言模型"
],
"preferred_qualifications": "加分项：；3. 在国际顶级会议或期刊（ICASSP，Interspeech，ICML，NIPS，TASLP等）上发表论文者优先；4. 编程能力强，在ACM/ICPC、NOI/IOI、TopCoder、Kaggle等比赛获奖者优先；5. 良好的沟通能力、团队合作精神、自我驱动能力，对技术充满热情，主动解决问题者优先；6. 有数据感知、对数据有充分的认识和研究兴趣者，优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.amap.com/off-campus/position-detail?positionId=100006740018"
}
]
},
"posting": {
"posting_id": "100006740018",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100006740018"
},
"fulltext": "高德-TTS 语音算法工程师/专家-北京\n高德-TTS 语音算法工程师/专家-北京\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京\n\n职位描述\n团队介绍：\n高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、多模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。\n团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。\n具体职责：\n围绕voice agent/speech language model的研究工作，包括但不限于如下事项：\n1. 为满足AGI时代\"活人感\"语音交互的需求，致力于完成包括但不限于以下目标：复杂声学+时空信息的声学理解、通过图灵测试水平的交互节奏 / 交流内容 / 语音输出，并完成所需的技术创新；\n2. 多模态对话大模型的研发、语音对话pipeline方案以及端到端方案的交互能力搭建、全双工交互能力搭建，落地到高德多项agent应用场景；\n3. 跟进最领先的语音理解/语音生成/语音交互技术，包括但不限于提出新的技术框架、改进现有的算法、持续提升相关技术及业务指标，鼓励撰写论文及申请专利；\n4. 探索前沿方向，如更加高效且合理的模型架构、跨模态（文字/语音/视觉）混合训练的最佳实践、基于speech language model的后训练技术、COT Reasoning in streaming full-duplex、proactive interaction，等等。结合全链路各个agent，持续提升voice agent的交互体验；\n5. 海量的语音数据的处理构建：定性分析、定量评估、参与设计自动评估框架，研发 scalable 的改进方案，持续提升数据质量。\n\n职位要求\n1. 研究生及以上学历或优秀本科生，计算机、人工智能、软件、数学等相关专业；\n2. 较强的代码能力，在文本大模型或多模态大模型某一领域（语音大模型、Voice Agent、生成模型等）有过深入的研究经历或者应用经验；\n3. 熟练掌握C/C++，Python，Shell编程语言，对数据结构和算法设计有较好的理解；\n4. 精通 Pytorch / megatron等深度学习框架，熟悉 Transformer 架构以及大语言模型基础知识；\n加分项：\n1. 有丰富的对话大模型(包括文本对话或者语音对话)的研发、应用经验；\n2. 具有较强的工程能力，有开发音视频实时交互系统的经验；\n3. 在国际顶级会议或期刊（ICASSP，Interspeech，ICML，NIPS，TASLP等）上发表论文者优先；\n4. 编程能力强，在ACM/ICPC、NOI/IOI、TopCoder、Kaggle等比赛获奖者优先；\n5. 良好的沟通能力、团队合作精神、自我驱动能力，对技术充满热情，主动解决问题者优先；\n6. 有数据感知、对数据有充分的认识和研究兴趣者，优先；\n团队介绍：\n高德语音技术部，是负责高德全栈语音技术的综合性团队。团队核心技术能力包括：自研TTS基座大模型、端侧模型、多语种、RTC流式语音、语音内容生成、语音识别、多模态模型、模型服务与推理。业务支撑面向高德全部核心场景，包括语音导航、AI领航员、IP语音定制、国际化、AI语音助手、智能外呼、内容生成等。\n团队定位是通过前沿语音技术的研究和落地，赋能下一代AI产品创新。\n具体职责：\n围绕voice agent/speech language model的研究工作，包括但不限于如下事项：\n1. 为满足AGI时代\"活人感\"语音交互的需求，致力于完成包括但不限于以下目标：复杂声学+时空信息的声学理解、通过图灵测试水平的交互节奏 / 交流内容 / 语音输出，并完成所需的技术创新；\n2. 多模态对话大模型的研发、语音对话pipeline方案以及端到端方案的交互能力搭建、全双工交互能力搭建，落地到高德多项agent应用场景；\n3. 跟进最领先的语音理解/语音生成/语音交互技术，包括但不限于提出新的技术框架、改进现有的算法、持续提升相关技术及业务指标，鼓励撰写论文及申请专利；\n4. 探索前沿方向，如更加高效且合理的模型架构、跨模态（文字/语音/视觉）混合训练的最佳实践、基于speech language model的后训练技术、COT Reasoning in streaming full-duplex、proactive interaction，等等。结合全链路各个agent，持续提升voice agent的交互体验；\n5. 海量的语音数据的处理构建：定性分析、定量评估、参与设计自动评估框架，研发 scalable 的改进方案，持续提升数据质量。\n1. 研究生及以上学历或优秀本科生，计算机、人工智能、软件、数学等相关专业；\n2. 较强的代码能力，在文本大模型或多模态大模型某一领域（语音大模型、Voice Agent、生成模型等）有过深入的研究经历或者应用经验；\n3. 熟练掌握C/C++，Python，Shell编程语言，对数据结构和算法设计有较好的理解；\n4. 精通 Pytorch / megatron等深度学习框架，熟悉 Transformer 架构以及大语言模型基础知识；\n加分项：\n1. 有丰富的对话大模型(包括文本对话或者语音对话)的研发、应用经验；\n2. 具有较强的工程能力，有开发音视频实时交互系统的经验；\n3. 在国际顶级会议或期刊（ICASSP，Interspeech，ICML，NIPS，TASLP等）上发表论文者优先；\n4. 编程能力强，在ACM/ICPC、NOI/IOI、TopCoder、Kaggle等比赛获奖者优先；\n5. 良好的沟通能力、团队合作精神、自我驱动能力，对技术充满热情，主动解决问题者优先；\n6. 有数据感知、对数据有充分的认识和研究兴趣者，优先；",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}