主分类：语音与音频算法研发
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": "日常实习生-音频与多模态知识产权安全算法",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.参与音频与多模态知识产权安全算法的设计与建设，覆盖歌曲识别、旋律检索、歌手身份验证、声音克隆与 AI 翻唱检测等方向。\n2.参与歌声分离、音频指纹、音频表征学习、旋律建模、speaker/singer embedding、合成音频检测等模型的复现、训练和优化。\n3.参与音频—文本—图像—视频联合建模，探索跨模态检索、音视频一致性、人物与声音一致性及内容溯源能力。\n4.建设高质量训练与评测数据，设计变速、变调、翻唱、重编曲、压缩、噪声、多人声和 AIGC 生成等对抗/增强样本。\n5.建立离线评测、阈值校准和误例分析体系，将模型指标转化为可解释、可落地的业务工作点。\n6.跟踪音频生成、音乐信息检索、语音深度伪造、多模态理解和内容安全方向的前沿研究，推动论文方法在真实场景中的验证。",
"requirements_text": "1.硕士及以上学历在读，计算机、人工智能、电子信息、信号处理、声学、音乐信息检索等相关专业优先；特别优秀的本科生亦可。\n2.具备扎实的深度学习基础，熟悉 PyTorch，能够独立完成论文阅读、代码复现、训练调试和实验分析。\n3.熟悉数字信号处理、时频分析、STFT/Mel 频谱、音频特征、采样率和常见音频编码中的至少一部分。\n4.熟悉以下一个或多个方向：音频分类与检索、音乐信息检索、源分离、ASR、speaker verification、singing voice、audio deepfake、音频生成、多模态大模型。\n5.熟练使用 Python，具有良好的工程实现、数据处理和代码规范意识。\n6.具备较强的问题拆解、实验设计和数据敏感度，对 AIGC、音频知识产权保护和内容安全有浓厚兴趣，能够持续、独立推进课题。\n加分项：\n1.在 ICASSP、INTERSPEECH、ISMIR、ACM MM、NeurIPS、ICML、ICLR、AAAI 等会议或期刊发表过相关论文。\n2.有音乐源分离、旋律提取、音频指纹、歌手识别、音频生成/检测或跨模态检索项目经验。\n3.熟悉 BS-RoFormer、WavLM、AudioMAE 等模型或相关开源生态。\n4.具备音乐理论、乐器演奏、编曲或音频制作经验，能够理解调性、节拍、和声、旋律和音色等概念。\n5.有大规模向量检索、难负样本挖掘、模型部署或评测平台开发经验。\n6.实习时间至少3个月，每周至少到岗 4 天优先。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"信号处理",
"知识产权",
"大语言模型"
],
"preferred_qualifications": "1.硕士及以上学历在读，计算机、人工智能、电子信息、信号处理、声学、音乐信息检索等相关专业优先；加分项：；6.实习时间至少3个月，每周至少到岗 4 天优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907860001?deptCodes="
}
]
},
"posting": {
"posting_id": "199907860001",
"post_date": "2026-07-20",
"hire_time": "6.实习时间至少3个月，每周至少到岗 4 天优先",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907860001?deptCodes="
},
"fulltext": "日常实习生-音频与多模态知识产权安全算法\n日常实习生-音频与多模态知识产权安全算法\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2030-07-01\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：杭州\n\n职位描述\n1.参与音频与多模态知识产权安全算法的设计与建设，覆盖歌曲识别、旋律检索、歌手身份验证、声音克隆与 AI 翻唱检测等方向。\n2.参与歌声分离、音频指纹、音频表征学习、旋律建模、speaker/singer embedding、合成音频检测等模型的复现、训练和优化。\n3.参与音频—文本—图像—视频联合建模，探索跨模态检索、音视频一致性、人物与声音一致性及内容溯源能力。\n4.建设高质量训练与评测数据，设计变速、变调、翻唱、重编曲、压缩、噪声、多人声和 AIGC 生成等对抗/增强样本。\n5.建立离线评测、阈值校准和误例分析体系，将模型指标转化为可解释、可落地的业务工作点。\n6.跟踪音频生成、音乐信息检索、语音深度伪造、多模态理解和内容安全方向的前沿研究，推动论文方法在真实场景中的验证。\n\n职位要求\n1.硕士及以上学历在读，计算机、人工智能、电子信息、信号处理、声学、音乐信息检索等相关专业优先；特别优秀的本科生亦可。\n2.具备扎实的深度学习基础，熟悉 PyTorch，能够独立完成论文阅读、代码复现、训练调试和实验分析。\n3.熟悉数字信号处理、时频分析、STFT/Mel 频谱、音频特征、采样率和常见音频编码中的至少一部分。\n4.熟悉以下一个或多个方向：音频分类与检索、音乐信息检索、源分离、ASR、speaker verification、singing voice、audio deepfake、音频生成、多模态大模型。\n5.熟练使用 Python，具有良好的工程实现、数据处理和代码规范意识。\n6.具备较强的问题拆解、实验设计和数据敏感度，对 AIGC、音频知识产权保护和内容安全有浓厚兴趣，能够持续、独立推进课题。\n加分项：\n1.在 ICASSP、INTERSPEECH、ISMIR、ACM MM、NeurIPS、ICML、ICLR、AAAI 等会议或期刊发表过相关论文。\n2.有音乐源分离、旋律提取、音频指纹、歌手识别、音频生成/检测或跨模态检索项目经验。\n3.熟悉 BS-RoFormer、WavLM、AudioMAE 等模型或相关开源生态。\n4.具备音乐理论、乐器演奏、编曲或音频制作经验，能够理解调性、节拍、和声、旋律和音色等概念。\n5.有大规模向量检索、难负样本挖掘、模型部署或评测平台开发经验。\n6.实习时间至少3个月，每周至少到岗 4 天优先。\n\n在招业务\n阿里巴巴控股集团\n1.参与音频与多模态知识产权安全算法的设计与建设，覆盖歌曲识别、旋律检索、歌手身份验证、声音克隆与 AI 翻唱检测等方向。\n2.参与歌声分离、音频指纹、音频表征学习、旋律建模、speaker/singer embedding、合成音频检测等模型的复现、训练和优化。\n3.参与音频—文本—图像—视频联合建模，探索跨模态检索、音视频一致性、人物与声音一致性及内容溯源能力。\n4.建设高质量训练与评测数据，设计变速、变调、翻唱、重编曲、压缩、噪声、多人声和 AIGC 生成等对抗/增强样本。\n5.建立离线评测、阈值校准和误例分析体系，将模型指标转化为可解释、可落地的业务工作点。\n6.跟踪音频生成、音乐信息检索、语音深度伪造、多模态理解和内容安全方向的前沿研究，推动论文方法在真实场景中的验证。\n1.硕士及以上学历在读，计算机、人工智能、电子信息、信号处理、声学、音乐信息检索等相关专业优先；特别优秀的本科生亦可。\n2.具备扎实的深度学习基础，熟悉 PyTorch，能够独立完成论文阅读、代码复现、训练调试和实验分析。\n3.熟悉数字信号处理、时频分析、STFT/Mel 频谱、音频特征、采样率和常见音频编码中的至少一部分。\n4.熟悉以下一个或多个方向：音频分类与检索、音乐信息检索、源分离、ASR、speaker verification、singing voice、audio deepfake、音频生成、多模态大模型。\n5.熟练使用 Python，具有良好的工程实现、数据处理和代码规范意识。\n6.具备较强的问题拆解、实验设计和数据敏感度，对 AIGC、音频知识产权保护和内容安全有浓厚兴趣，能够持续、独立推进课题。\n加分项：\n1.在 ICASSP、INTERSPEECH、ISMIR、ACM MM、NeurIPS、ICML、ICLR、AAAI 等会议或期刊发表过相关论文。\n2.有音乐源分离、旋律提取、音频指纹、歌手识别、音频生成/检测或跨模态检索项目经验。\n3.熟悉 BS-RoFormer、WavLM、AudioMAE 等模型或相关开源生态。\n4.具备音乐理论、乐器演奏、编曲或音频制作经验，能够理解调性、节拍、和声、旋律和音色等概念。\n5.有大规模向量检索、难负样本挖掘、模型部署或评测平台开发经验。\n6.实习时间至少3个月，每周至少到岗 4 天优先。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}