主分类：语音与音频算法研发
辅助：计算机视觉与图像感知算法研发（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": "Token Foundry-大模型音视频理解算法工程师-Qwen",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "博士及硕士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。\n2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 音频/音视频Postrain/RL/OPD。\n5. 音视频通话与交互：包括全音视频双工, 音频query不降智/体感优化等。\n6. 语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。",
"requirements_text": "1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 较强的代码能力，具有丰富的 TTS / Codec / 流ASR 研究经验，具有相关数据处理经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架。\n4. 熟悉 Transformer 架构以及大语言模型基础知识。\n5. 善于平衡研究目标及落地实现，且结果导向。\n6. 良好的沟通和合作能力。\n7. 关注技术影响力，具有开源开放精神。\n加分项：\n1. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大加分项，欢迎其他方向的多模态同学看音频方向的机会。\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. 具有高表现力/鲁棒 TTS 生成模型研究/开发经验。\n4. 具有持续打磨好每一个技术细节的钻研精神。\n5. 拥有知名开源项目，在开源社区具有较好的影响力。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、机器学习等相关专业，博士及硕士优先；加分项：；1. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大加分项，欢迎其他方向的多模态同学看音频方向的机会",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100011720034"
}
]
},
"posting": {
"posting_id": "100011720034",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100011720034"
},
"fulltext": "Token Foundry-大模型音视频理解算法工程师-Qwen\nToken Foundry-大模型音视频理解算法工程师-Qwen\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。\n2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 音频/音视频Postrain/RL/OPD。\n5. 音视频通话与交互：包括全音视频双工, 音频query不降智/体感优化等。\n6. 语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。\n\n职位要求\n1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 较强的代码能力，具有丰富的 TTS / Codec / 流ASR 研究经验，具有相关数据处理经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架。\n4. 熟悉 Transformer 架构以及大语言模型基础知识。\n5. 善于平衡研究目标及落地实现，且结果导向。\n6. 良好的沟通和合作能力。\n7. 关注技术影响力，具有开源开放精神。\n加分项：\n1. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大加分项，欢迎其他方向的多模态同学看音频方向的机会。\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. 具有高表现力/鲁棒 TTS 生成模型研究/开发经验。\n4. 具有持续打磨好每一个技术细节的钻研精神。\n5. 拥有知名开源项目，在开源社区具有较好的影响力。\n1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。\n2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。\n3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。\n4. 音频/音视频Postrain/RL/OPD。\n5. 音视频通话与交互：包括全音视频双工, 音频query不降智/体感优化等。\n6. 语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。\n7. 全模态模型自主优化与Self-evolving。\n1. 计算机、机器学习等相关专业，博士及硕士优先。\n2. 较强的代码能力，具有丰富的 TTS / Codec / 流ASR 研究经验，具有相关数据处理经验。\n3. 精通 Python 以及 Pytorch 等深度学习框架。\n4. 熟悉 Transformer 架构以及大语言模型基础知识。\n5. 善于平衡研究目标及落地实现，且结果导向。\n6. 良好的沟通和合作能力。\n7. 关注技术影响力，具有开源开放精神。\n加分项：\n1. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大加分项，欢迎其他方向的多模态同学看音频方向的机会。\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. 具有高表现力/鲁棒 TTS 生成模型研究/开发经验。\n4. 具有持续打磨好每一个技术细节的钻研精神。\n5. 拥有知名开源项目，在开源社区具有较好的影响力。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}