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": "语音与全模态工程师-ASR/TTS/Omni",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "人工智能、计算机、声学等相关专业在读硕士或优秀本科生",
"language": "4. 具备良好的英文文献阅读能力及代码复现能力，逻辑清晰，善于沟通协作",AI生成
"visa_support": "未披露",
"responsibilities": "1. Speech & Omni 模型研发：进行支持语音、文本等多模态输入输出的端到端大模型训练与微调，优化模态间的对齐机制及交互延迟。\n2. 多模态数据处理：构建高质量的语音-文本-图像混合指令数据集，探索利用合成数据提升模型在复杂场景下的理解与生成能力。\n3. 前沿技术探索：跟进 Omni LLM 最新进展（如流式语音交互、情感控制、非语言声音理解），复现 SOTA 基线并协助验证新算法效果。\n4. 评测与 Bad Case 分析：建设完善多模态综合评测体系，深入分析跨模态幻觉、指令遵循偏差等问题，输出改进策略。",
"requirements_text": "1. 人工智能、计算机、声学等相关专业在读硕士或优秀本科生。\n2. 熟悉 Python 及 PyTorch 框架，扎实掌握 Transformer 架构，对 LLM 原理有基本理解。\n3. 对 Omni LLM、多模态学习或语音技术（ASR/TTS）有浓厚兴趣，具备相关课程项目或自学经历者优先。\n4. 具备良好的英文文献阅读能力及代码复现能力，逻辑清晰，善于沟通协作。\n加分项：\n1. 有 Speech LLM 后训练（GRPO, etc）或多模态模型实践经验。\n2. 熟悉分布式训练框架（DeepSpeed/Megatron）或高效推理优化技术。\n3. 在顶级会议（ICML, NeurIPS, ACL, ICASSP 等）有论文发表或高质量开源贡献。",
"skills": [AI生成
"Python",
"PyTorch",
"大语言模型"
],
"preferred_qualifications": "3. 对 Omni LLM、多模态学习或语音技术（ASR/TTS）有浓厚兴趣，具备相关课程项目或自学经历者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904580001?deptCodes="
}
]
},
"posting": {
"posting_id": "199904580001",
"post_date": "2026-04-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904580001?deptCodes="
},
"fulltext": "语音与全模态工程师-ASR/TTS/Omni\n语音与全模态工程师-ASR/TTS/Omni\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：北京 / 杭州\n\n职位描述\n1. Speech & Omni 模型研发：进行支持语音、文本等多模态输入输出的端到端大模型训练与微调，优化模态间的对齐机制及交互延迟。\n2. 多模态数据处理：构建高质量的语音-文本-图像混合指令数据集，探索利用合成数据提升模型在复杂场景下的理解与生成能力。\n3. 前沿技术探索：跟进 Omni LLM 最新进展（如流式语音交互、情感控制、非语言声音理解），复现 SOTA 基线并协助验证新算法效果。\n4. 评测与 Bad Case 分析：建设完善多模态综合评测体系，深入分析跨模态幻觉、指令遵循偏差等问题，输出改进策略。\n\n职位要求\n1. 人工智能、计算机、声学等相关专业在读硕士或优秀本科生。\n2. 熟悉 Python 及 PyTorch 框架，扎实掌握 Transformer 架构，对 LLM 原理有基本理解。\n3. 对 Omni LLM、多模态学习或语音技术（ASR/TTS）有浓厚兴趣，具备相关课程项目或自学经历者优先。\n4. 具备良好的英文文献阅读能力及代码复现能力，逻辑清晰，善于沟通协作。\n加分项：\n1. 有 Speech LLM 后训练（GRPO, etc）或多模态模型实践经验。\n2. 熟悉分布式训练框架（DeepSpeed/Megatron）或高效推理优化技术。\n3. 在顶级会议（ICML, NeurIPS, ACL, ICASSP 等）有论文发表或高质量开源贡献。\n\n在招业务\n阿里云\n1. Speech & Omni 模型研发：进行支持语音、文本等多模态输入输出的端到端大模型训练与微调，优化模态间的对齐机制及交互延迟。\n2. 多模态数据处理：构建高质量的语音-文本-图像混合指令数据集，探索利用合成数据提升模型在复杂场景下的理解与生成能力。\n3. 前沿技术探索：跟进 Omni LLM 最新进展（如流式语音交互、情感控制、非语言声音理解），复现 SOTA 基线并协助验证新算法效果。\n4. 评测与 Bad Case 分析：建设完善多模态综合评测体系，深入分析跨模态幻觉、指令遵循偏差等问题，输出改进策略。\n1. 人工智能、计算机、声学等相关专业在读硕士或优秀本科生。\n2. 熟悉 Python 及 PyTorch 框架，扎实掌握 Transformer 架构，对 LLM 原理有基本理解。\n3. 对 Omni LLM、多模态学习或语音技术（ASR/TTS）有浓厚兴趣，具备相关课程项目或自学经历者优先。\n4. 具备良好的英文文献阅读能力及代码复现能力，逻辑清晰，善于沟通协作。\n加分项：\n1. 有 Speech LLM 后训练（GRPO, etc）或多模态模型实践经验。\n2. 熟悉分布式训练框架（DeepSpeed/Megatron）或高效推理优化技术。\n3. 在顶级会议（ICML, NeurIPS, ACL, ICASSP 等）有论文发表或高质量开源贡献。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T035"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}