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": "研究型实习生-复杂场景音频理解与可控编辑技术",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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": "计算机、电子工程、信号处理、数学或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 设计并研发高性能的音频Encoder架构，提取高质量的音频时频特征或语义表征，支持下游任务（如语音识别、音频生成、音乐信息检索等）。\n2. 构建并优化基于VAE的音频生成/重建模型，研究隐空间（Latent Space）的结构化设计，提升生成音频的质量、多样性与可控性。\n3. 前沿技术追踪：跟进前沿音频生成与表征学习技术，进行复现、改进与工程化落地。\n4. 数据与评估：参与音频数据集的构建与清洗，设计并优化客观与主观评估体系。",
"requirements_text": "1. 计算机、电子工程、信号处理、数学或相关专业本科及以上学历，硕士/博士优先。\n2. 精通Python，熟练使用PyTorch或JAX进行深度学习模型开发，具备良好的工程代码规范与Git协作习惯。\n3. 熟悉主流音频Encoder架构。\n4. 有音频表征学习相关项目经验，有顶会论文（ICASSP, Interspeech, NeurIPS, ICLR等）或开源项目贡献者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"深度学习",
"信号处理"
],
"preferred_qualifications": "1. 计算机、电子工程、信号处理、数学或相关专业本科及以上学历，硕士/博士优先；4. 有音频表征学习相关项目经验，有顶会论文（ICASSP, Interspeech, NeurIPS, ICLR等）或开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908480015?deptCodes="
}
]
},
"posting": {
"posting_id": "199908480015",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908480015?deptCodes="
},
"fulltext": "研究型实习生-复杂场景音频理解与可控编辑技术\n研究型实习生-复杂场景音频理解与可控编辑技术\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：阿里巴巴研究型实习生\n工作地点：上海\n\n职位描述\n1. 设计并研发高性能的音频Encoder架构，提取高质量的音频时频特征或语义表征，支持下游任务（如语音识别、音频生成、音乐信息检索等）。\n2. 构建并优化基于VAE的音频生成/重建模型，研究隐空间（Latent Space）的结构化设计，提升生成音频的质量、多样性与可控性。\n3. 前沿技术追踪：跟进前沿音频生成与表征学习技术，进行复现、改进与工程化落地。\n4. 数据与评估：参与音频数据集的构建与清洗，设计并优化客观与主观评估体系。\n\n职位要求\n1. 计算机、电子工程、信号处理、数学或相关专业本科及以上学历，硕士/博士优先。\n2. 精通Python，熟练使用PyTorch或JAX进行深度学习模型开发，具备良好的工程代码规范与Git协作习惯。\n3. 熟悉主流音频Encoder架构。\n4. 有音频表征学习相关项目经验，有顶会论文（ICASSP, Interspeech, NeurIPS, ICLR等）或开源项目贡献者优先。\n\n在招业务\nToken Foundry\n1. 设计并研发高性能的音频Encoder架构，提取高质量的音频时频特征或语义表征，支持下游任务（如语音识别、音频生成、音乐信息检索等）。\n2. 构建并优化基于VAE的音频生成/重建模型，研究隐空间（Latent Space）的结构化设计，提升生成音频的质量、多样性与可控性。\n3. 前沿技术追踪：跟进前沿音频生成与表征学习技术，进行复现、改进与工程化落地。\n4. 数据与评估：参与音频数据集的构建与清洗，设计并优化客观与主观评估体系。\n1. 计算机、电子工程、信号处理、数学或相关专业本科及以上学历，硕士/博士优先。\n2. 精通Python，熟练使用PyTorch或JAX进行深度学习模型开发，具备良好的工程代码规范与Git协作习惯。\n3. 熟悉主流音频Encoder架构。\n4. 有音频表征学习相关项目经验，有顶会论文（ICASSP, Interspeech, NeurIPS, ICLR等）或开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}