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": "音频理解大模型算法实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "雷火事业群",
"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": 0,
"degree": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、语音识别算法的实现和研究；\n2、跟踪语音前沿技术，了解最新的语音识别大模型、端到端语音大模型等先进技术。\n",
"requirements_text": "1. 计算机/语音信号处理或相关专业，2026届及之后毕业的硕士或博士；\n2. 扎实的机器学习/深度学习算法基础，熟悉常见的生成式模型的基本原理和调优；\n3. 优秀的编程能力和良好的编码习惯；\n4. 熟练使用至少一种主流深度学习框架（PyTorch）；\n5. 有以下至少一个方向的项目经验：\n- 语音识别大模型（FireRedASR/Qwen-Audio/Kimi-Audio/Whisper等）；\n- 音频理解大模型；\n6. 加分项\n- 有语音顶会（ICASSP/Interspeech）或更高级别会议论文；\n- 有基于上下文感知的ASR大模型项目经验。",
"skills": [AI生成
"PyTorch",
"机器学习",
"深度学习",
"信号处理",
"大语言模型"
],
"preferred_qualifications": "6. 加分项",
"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=71493&lang=zh"
}
]
},
"posting": {
"posting_id": "71493",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=71493&lang=zh"
},
"fulltext": "音频理解大模型算法实习生\n职位描述\n1、语音识别算法的实现和研究；\n2、跟踪语音前沿技术，了解最新的语音识别大模型、端到端语音大模型等先进技术。\n\n\n职位要求\n1. 计算机/语音信号处理或相关专业，2026届及之后毕业的硕士或博士；\n2. 扎实的机器学习/深度学习算法基础，熟悉常见的生成式模型的基本原理和调优；\n3. 优秀的编程能力和良好的编码习惯；\n4. 熟练使用至少一种主流深度学习框架（PyTorch）；\n5. 有以下至少一个方向的项目经验：\n- 语音识别大模型（FireRedASR/Qwen-Audio/Kimi-Audio/Whisper等）；\n- 音频理解大模型；\n6. 加分项\n- 有语音顶会（ICASSP/Interspeech）或更高级别会议论文；\n- 有基于上下文感知的ASR大模型项目经验。\n1、语音识别算法的实现和研究；\n2、跟踪语音前沿技术，了解最新的语音识别大模型、端到端语音大模型等先进技术。\n\n1. 计算机/语音信号处理或相关专业，2026届及之后毕业的硕士或博士；\n2. 扎实的机器学习/深度学习算法基础，熟悉常见的生成式模型的基本原理和调优；\n3. 优秀的编程能力和良好的编码习惯；\n4. 熟练使用至少一种主流深度学习框架（PyTorch）；\n5. 有以下至少一个方向的项目经验：\n- 语音识别大模型（FireRedASR/Qwen-Audio/Kimi-Audio/Whisper等）；\n- 音频理解大模型；\n6. 加分项\n- 有语音顶会（ICASSP/Interspeech）或更高级别会议论文；\n- 有基于上下文感知的ASR大模型项目经验。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}