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": "语音交互（端到端语音/全双工语音）算法工程师-网易有道",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "网易互联网2027届校园招聘",
"location": "杭州,北京",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与端到端语音及全双工语音大模型的架构设计与算法研发，探索语音、语义与对话状态的统一建模方案，构建具备“边听边说”、动态智能判停、主动回应、打断处理及抗干扰能力的实时语音交互系统；\n2、负责流式语音交互核心能力研发，包括流式语音理解与生成、端到端 ASR/TTS、Speech-to-Speech、全双工对话、轮次预测及上下文建模，持续提升模型在自然度、准确性、实时性与交互体验上的表现；\n3、负责大规模语音、文本及多模态训练数据的构建、清洗、配比与训练策略设计，结合数据 Scaling、数据增强、监督微调及偏好优化等方法，持续提升模型效果；\n4、优化模型在复杂场景下的鲁棒性与泛化能力，解决噪声、远场、回声、重叠语音、口音方言、多人交互等问题；建立 benchmark、评测指标与 badcase 分析机制，驱动模型快速迭代；\n5、持续跟踪语音大模型、端到端语音、全双工交互及多模态大模型等前沿技术，结合实际业务需求完成技术验证、工程实现与产品落地。",
"requirements_text": "1、硕士及以上学历，计算机科学、人工智能、电子信息、自动化、声学、通信、数学等相关专业；有语音大模型、全双工语音或端到端语音相关经验者优先；\n2、具备扎实的语音算法与深度学习基础，熟悉 ASR、TTS、语音理解、语音生成、对话系统及 LLM 等相关技术；理解 Transformer、Conformer、CTC、Transducer、Diffusion 等模型原理及训练方法；\n3、熟悉大模型训练与优化流程，具备大规模数据处理、模型训练、实验设计、指标分析及 badcase 定位经验；能够独立完成模型迭代与效果优化；\n4、熟练掌握 Python，具备良好的工程能力；熟悉 PyTorch、Transformers 等深度学习框架，熟悉 Linux、CUDA、多卡/分布式训练环境；掌握 C/C++ 者优先；\n5、具备较强的技术研究能力、问题分析能力和主人翁意识，能够追踪前沿进展并推动技术方案落地；具备良好的沟通能力与团队协作精神。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"CUDA",
"深度学习",
"模型训练",
"团队协作",
"沟通能力",
"分析能力",
"大语言模型",
"C语言"
],
"preferred_qualifications": "有语音大模型、全双工语音或端到端语音相关经验者优先；掌握 C/C++ 者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.163.com/app/detail/index?id=4854&projectId=103"
}
]
},
"posting": {
"posting_id": "103_4854",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.163.com/app/detail/index?id=4854&projectId=103"
},
"fulltext": "语音交互（端到端语音/全双工语音）算法工程师-网易有道\n职位描述\n1、参与端到端语音及全双工语音大模型的架构设计与算法研发，探索语音、语义与对话状态的统一建模方案，构建具备“边听边说”、动态智能判停、主动回应、打断处理及抗干扰能力的实时语音交互系统；\n2、负责流式语音交互核心能力研发，包括流式语音理解与生成、端到端 ASR/TTS、Speech-to-Speech、全双工对话、轮次预测及上下文建模，持续提升模型在自然度、准确性、实时性与交互体验上的表现；\n3、负责大规模语音、文本及多模态训练数据的构建、清洗、配比与训练策略设计，结合数据 Scaling、数据增强、监督微调及偏好优化等方法，持续提升模型效果；\n4、优化模型在复杂场景下的鲁棒性与泛化能力，解决噪声、远场、回声、重叠语音、口音方言、多人交互等问题；建立 benchmark、评测指标与 badcase 分析机制，驱动模型快速迭代；\n5、持续跟踪语音大模型、端到端语音、全双工交互及多模态大模型等前沿技术，结合实际业务需求完成技术验证、工程实现与产品落地。\n\n职位要求\n1、硕士及以上学历，计算机科学、人工智能、电子信息、自动化、声学、通信、数学等相关专业；有语音大模型、全双工语音或端到端语音相关经验者优先；\n2、具备扎实的语音算法与深度学习基础，熟悉 ASR、TTS、语音理解、语音生成、对话系统及 LLM 等相关技术；理解 Transformer、Conformer、CTC、Transducer、Diffusion 等模型原理及训练方法；\n3、熟悉大模型训练与优化流程，具备大规模数据处理、模型训练、实验设计、指标分析及 badcase 定位经验；能够独立完成模型迭代与效果优化；\n4、熟练掌握 Python，具备良好的工程能力；熟悉 PyTorch、Transformers 等深度学习框架，熟悉 Linux、CUDA、多卡/分布式训练环境；掌握 C/C++ 者优先；\n5、具备较强的技术研究能力、问题分析能力和主人翁意识，能够追踪前沿进展并推动技术方案落地；具备良好的沟通能力与团队协作精神。\n1、参与端到端语音及全双工语音大模型的架构设计与算法研发，探索语音、语义与对话状态的统一建模方案，构建具备“边听边说”、动态智能判停、主动回应、打断处理及抗干扰能力的实时语音交互系统；\n2、负责流式语音交互核心能力研发，包括流式语音理解与生成、端到端 ASR/TTS、Speech-to-Speech、全双工对话、轮次预测及上下文建模，持续提升模型在自然度、准确性、实时性与交互体验上的表现；\n3、负责大规模语音、文本及多模态训练数据的构建、清洗、配比与训练策略设计，结合数据 Scaling、数据增强、监督微调及偏好优化等方法，持续提升模型效果；\n4、优化模型在复杂场景下的鲁棒性与泛化能力，解决噪声、远场、回声、重叠语音、口音方言、多人交互等问题；建立 benchmark、评测指标与 badcase 分析机制，驱动模型快速迭代；\n5、持续跟踪语音大模型、端到端语音、全双工交互及多模态大模型等前沿技术，结合实际业务需求完成技术验证、工程实现与产品落地。\n1、硕士及以上学历，计算机科学、人工智能、电子信息、自动化、声学、通信、数学等相关专业；有语音大模型、全双工语音或端到端语音相关经验者优先；\n2、具备扎实的语音算法与深度学习基础，熟悉 ASR、TTS、语音理解、语音生成、对话系统及 LLM 等相关技术；理解 Transformer、Conformer、CTC、Transducer、Diffusion 等模型原理及训练方法；\n3、熟悉大模型训练与优化流程，具备大规模数据处理、模型训练、实验设计、指标分析及 badcase 定位经验；能够独立完成模型迭代与效果优化；\n4、熟练掌握 Python，具备良好的工程能力；熟悉 PyTorch、Transformers 等深度学习框架，熟悉 Linux、CUDA、多卡/分布式训练环境；掌握 C/C++ 者优先；\n5、具备较强的技术研究能力、问题分析能力和主人翁意识，能够追踪前沿进展并推动技术方案落地；具备良好的沟通能力与团队协作精神。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}