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": "资深算法工程师（音乐生成）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "音乐事业部",
"location": "杭州市",
"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": 3,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、音乐生成技术研发：负责端到端音乐生成算法设计与实现，包括旋律 / 和声 / 编曲生成、风格迁移、可控生成（节奏 / 情绪 / 乐器定制）等方向，探索 Transformer、Diffusion 等生成模型在音乐场景的优化应用；\n2、模型优化与落地：负责音乐生成模型的训练、调优、压缩与部署，平衡生成质量、推理速度与资源消耗，保障产品在多终端的稳定运行；\n3、音频理解与分析：研发音乐内容解析算法，实现曲风分类、情感识别、和弦 / 节拍提取、乐谱转写、歌词对齐等功能，构建高精度音乐信息检索系统；\n4、多模态融合创新：探索文本 / 语音 / 图像到音乐的跨模态生成技术，开发 “文字描述生成音乐”“语音旋律提取” 等创新功能，打造沉浸式交互体验；",
"requirements_text": "1、音乐信息检索、信号处理、人工智能或相关专业的硕士及以上学历；\n2、熟悉音乐生成领域主流模型（如 MusicGen、Riffusion、Jukebox）的架构与优化思路，具备模型改进或二次开发经验者优先；\n3、具备音乐理论基础，理解旋律、和声、节奏、曲式等核心概念，能与音乐制作团队高效沟通者优先（非硬性要求，但加分显著）；\n4、熟练使用Python和C++，并至少掌握一种主流深度学习框架。\n加分项：\n1、有成功落地的 AI 音乐产品或开源项目经验（如参与开发过 AI 作曲工具、智能配乐软件等）；\n2、在顶会（ICASSP/Interspeech/NeurIPS 等）发表过音乐生成、音频理解相关论文，或拥有相关专利者；\n3、有大模型预训练、强化学习、模型压缩部署（如 ONNX/TensorRT 优化）经验者优先；",
"skills": [AI生成
"Python",
"C++",
"深度学习",
"强化学习",
"信号处理",
"大语言模型"
],
"preferred_qualifications": "2、熟悉音乐生成领域主流模型（如 MusicGen、Riffusion、Jukebox）的架构与优化思路，具备模型改进或二次开发经验者优先；3、具备音乐理论基础，理解旋律、和声、节奏、曲式等核心概念，能与音乐制作团队高效沟通者优先（非硬性要求，但加分显著）；加分项：；3、有大模型预训练、强化学习、模型压缩部署（如 ONNX/TensorRT 优化）经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=70064&lang=zh"
}
]
},
"posting": {
"posting_id": "70064",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=70064&lang=zh"
},
"fulltext": "资深算法工程师（音乐生成）\n职位描述\n1、音乐生成技术研发：负责端到端音乐生成算法设计与实现，包括旋律 / 和声 / 编曲生成、风格迁移、可控生成（节奏 / 情绪 / 乐器定制）等方向，探索 Transformer、Diffusion 等生成模型在音乐场景的优化应用；\n2、模型优化与落地：负责音乐生成模型的训练、调优、压缩与部署，平衡生成质量、推理速度与资源消耗，保障产品在多终端的稳定运行；\n3、音频理解与分析：研发音乐内容解析算法，实现曲风分类、情感识别、和弦 / 节拍提取、乐谱转写、歌词对齐等功能，构建高精度音乐信息检索系统；\n4、多模态融合创新：探索文本 / 语音 / 图像到音乐的跨模态生成技术，开发 “文字描述生成音乐”“语音旋律提取” 等创新功能，打造沉浸式交互体验；\n\n职位要求\n1、音乐信息检索、信号处理、人工智能或相关专业的硕士及以上学历；\n2、熟悉音乐生成领域主流模型（如 MusicGen、Riffusion、Jukebox）的架构与优化思路，具备模型改进或二次开发经验者优先；\n3、具备音乐理论基础，理解旋律、和声、节奏、曲式等核心概念，能与音乐制作团队高效沟通者优先（非硬性要求，但加分显著）；\n4、熟练使用Python和C++，并至少掌握一种主流深度学习框架。\n加分项：\n1、有成功落地的 AI 音乐产品或开源项目经验（如参与开发过 AI 作曲工具、智能配乐软件等）；\n2、在顶会（ICASSP/Interspeech/NeurIPS 等）发表过音乐生成、音频理解相关论文，或拥有相关专利者；\n3、有大模型预训练、强化学习、模型压缩部署（如 ONNX/TensorRT 优化）经验者优先；\n1、音乐生成技术研发：负责端到端音乐生成算法设计与实现，包括旋律 / 和声 / 编曲生成、风格迁移、可控生成（节奏 / 情绪 / 乐器定制）等方向，探索 Transformer、Diffusion 等生成模型在音乐场景的优化应用；\n2、模型优化与落地：负责音乐生成模型的训练、调优、压缩与部署，平衡生成质量、推理速度与资源消耗，保障产品在多终端的稳定运行；\n3、音频理解与分析：研发音乐内容解析算法，实现曲风分类、情感识别、和弦 / 节拍提取、乐谱转写、歌词对齐等功能，构建高精度音乐信息检索系统；\n4、多模态融合创新：探索文本 / 语音 / 图像到音乐的跨模态生成技术，开发 “文字描述生成音乐”“语音旋律提取” 等创新功能，打造沉浸式交互体验；\n1、音乐信息检索、信号处理、人工智能或相关专业的硕士及以上学历；\n2、熟悉音乐生成领域主流模型（如 MusicGen、Riffusion、Jukebox）的架构与优化思路，具备模型改进或二次开发经验者优先；\n3、具备音乐理论基础，理解旋律、和声、节奏、曲式等核心概念，能与音乐制作团队高效沟通者优先（非硬性要求，但加分显著）；\n4、熟练使用Python和C++，并至少掌握一种主流深度学习框架。\n加分项：\n1、有成功落地的 AI 音乐产品或开源项目经验（如参与开发过 AI 作曲工具、智能配乐软件等）；\n2、在顶会（ICASSP/Interspeech/NeurIPS 等）发表过音乐生成、音频理解相关论文，或拥有相关专利者；\n3、有大模型预训练、强化学习、模型压缩部署（如 ONNX/TensorRT 优化）经验者优先；",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T035"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}