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": "Token Foundary事业部-多模态通用音频大模型算法工程师/专家-未来生活实验室",
"job_level": "专家",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": 1,
"degree": "学历经验：硕士及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地；\n2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系；\n3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代；\n4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题；\n5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。",
"requirements_text": "1、学历经验：硕士及以上，1年以上音频/语音/音乐生成大模型研发经验。\n2、核心技术：精通音频生成算法，对DiT、Flow Matching、MLLM、vocoder等技术有自己的理解和实操经验。\n3、底层技术：熟悉音频表征（HuBERT/WavLM等）及高音质编解码方案（EnCodec/DAC等），对音质敏感。\n4、多模态能力：有 AudioLDM、MusicGen、Qwen-Audio 等多模态音频大模型开发经验者优先。\n5、工程与科研：Python/C++ 基础扎实，熟练使用 PyTorch/DeepSpeed；有 ICASSP/Interspeech 顶会论文或乐理/声学背景者加分。\n(注：满足以上任意3项即可)",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"大语言模型"
],
"preferred_qualifications": "4、多模态能力：有 AudioLDM、MusicGen、Qwen-Audio 等多模态音频大模型开发经验者优先；有 ICASSP/Interspeech 顶会论文或乐理/声学背景者加分",
"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=100011920004"
}
]
},
"posting": {
"posting_id": "100011920004",
"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=100011920004"
},
"fulltext": "Token Foundary事业部-多模态通用音频大模型算法工程师/专家-未来生活实验室\nToken Foundary事业部-多模态通用音频大模型算法工程师/专家-未来生活实验室\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. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地；\n2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系；\n3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代；\n4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题；\n5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。\n\n职位要求\n1、学历经验：硕士及以上，1年以上音频/语音/音乐生成大模型研发经验。\n2、核心技术：精通音频生成算法，对DiT、Flow Matching、MLLM、vocoder等技术有自己的理解和实操经验。\n3、底层技术：熟悉音频表征（HuBERT/WavLM等）及高音质编解码方案（EnCodec/DAC等），对音质敏感。\n4、多模态能力：有 AudioLDM、MusicGen、Qwen-Audio 等多模态音频大模型开发经验者优先。\n5、工程与科研：Python/C++ 基础扎实，熟练使用 PyTorch/DeepSpeed；有 ICASSP/Interspeech 顶会论文或乐理/声学背景者加分。\n(注：满足以上任意3项即可)\n1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地；\n2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系；\n3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代；\n4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题；\n5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。\n1、学历经验：硕士及以上，1年以上音频/语音/音乐生成大模型研发经验。\n2、核心技术：精通音频生成算法，对DiT、Flow Matching、MLLM、vocoder等技术有自己的理解和实操经验。\n3、底层技术：熟悉音频表征（HuBERT/WavLM等）及高音质编解码方案（EnCodec/DAC等），对音质敏感。\n4、多模态能力：有 AudioLDM、MusicGen、Qwen-Audio 等多模态音频大模型开发经验者优先。\n5、工程与科研：Python/C++ 基础扎实，熟练使用 PyTorch/DeepSpeed；有 ICASSP/Interspeech 顶会论文或乐理/声学背景者加分。\n(注：满足以上任意3项即可)",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}