{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法工程师（TTS & AI音乐方向）",
        "job_level": "未披露",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": "硕士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责将声学知识（人声和音乐）应用于文本到语音（TTS）与文本到音乐生成场景，从应用链路的各个环节提升声音质量，包括语音自然度、情绪表达、音色一致性，以及音乐的旋律优美度、节奏准确性等，以满足实际场景需求；\n2、深入理解音乐结构（旋律、和声、节奏、情绪）与音频信号处理，将音乐理解相关特征引入 TTS/SVS 模型，提高音乐性、可控性与生成质量；\n3、参与歌声合成（SVS）和声音克隆（VC）相关模型的研发与调优，包括音高曲线控制、韵律建模、音色迁移、多风格歌唱生成等；\n4、跟进行业前沿的 TTS、歌声合成、音频生成模型技术（如 Diffusion、Flow Matching、GAN、Neural Codec、音频 LLM 等），并将其有效应用于实际业务场景；\n5、构建与维护大规模音频与语音训练数据集，设计高效的数据清洗、标注、增强、去噪与特征提取流程；\n6、分析与解决应用中的关键问题，如音质退化、发音错误、韵律异常、音色偏移等，并持续优化模型性能；\n7、与音乐制作、产品、内容团队协作，推动模型在 AI 音乐创作、AI 歌手、AI 语音助手、语音互动等场景的落地，并根据反馈持续迭代。",
        "requirements_text": "1、计算机、人工智能、电子工程、信号处理或相关领域硕士及以上学历；\n2、扎实的机器学习/深度学习基础，熟悉 Transformer、Diffusion、GAN、Flow Matching 等主流生成模型；\n3、精通 Python，熟练掌握 PyTorch/TensorFlow 等主流深度学习框架；\n4、熟悉音频处理基础，如 STFT、Mel 频谱、f0 提取、音频编码、声码器（Vocoder）等；\n5、具备 TTS、VC、SVS、音频生成或语音模型相关的项目经验；\n6、具备大规模分布式训练经验，包括数据并行、模型并行、流水线并行等；\n7、良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。\n\n【优先条件】\n1、有音乐基础、具备音乐素养、热爱音乐，或有实际音乐创作经验者加分（乐理、编曲、歌唱等）；\n2、对 AI 音乐创作、音乐生成模型（如 Suno、MusicGen、SunoChorus）、AI 作曲工具链有深入了解者优先；\n3、熟悉 CosyVoice、VITS、DiffSinger、FishSpeech、BigVGAN、Neural Codec 等主流 TTS/SVS/音频生成开源项目；\n4、对开源社区有贡献，或拥有高质量 GitHub 项目/技术博客；\n5、在 ICASSP、ISMIR、Interspeech、NeurIPS、ICML、ACL 等会议发表过语音/音频/音乐生成相关论文者优先；\n6、熟悉大规模数据处理技术（Hadoop、Spark 等）者优先。",
        "skills": [AI生成
            "Python",
            "Spark",
            "Hadoop",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "信号处理",
            "团队协作",
            "沟通能力"
        ],
        "preferred_qualifications": "【优先条件】；1、有音乐基础、具备音乐素养、热爱音乐，或有实际音乐创作经验者加分（乐理、编曲、歌唱等）；2、对 AI 音乐创作、音乐生成模型（如 Suno、MusicGen、SunoChorus）、AI 作曲工具链有深入了解者优先；5、在 ICASSP、ISMIR、Interspeech、NeurIPS、ICML、ACL 等会议发表过语音/音频/音乐生成相关论文者优先；6、熟悉大规模数据处理技术（Hadoop、Spark 等）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=73184&lang=zh"
            }
        ]
    },
    "posting": {
        "posting_id": "73184",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://hr.163.com/job-detail.html?id=73184&lang=zh"
    },
    "fulltext": "大模型算法工程师（TTS & AI音乐方向）\n职位描述\n1、负责将声学知识（人声和音乐）应用于文本到语音（TTS）与文本到音乐生成场景，从应用链路的各个环节提升声音质量，包括语音自然度、情绪表达、音色一致性，以及音乐的旋律优美度、节奏准确性等，以满足实际场景需求；\n2、深入理解音乐结构（旋律、和声、节奏、情绪）与音频信号处理，将音乐理解相关特征引入 TTS/SVS 模型，提高音乐性、可控性与生成质量；\n3、参与歌声合成（SVS）和声音克隆（VC）相关模型的研发与调优，包括音高曲线控制、韵律建模、音色迁移、多风格歌唱生成等；\n4、跟进行业前沿的 TTS、歌声合成、音频生成模型技术（如 Diffusion、Flow Matching、GAN、Neural Codec、音频 LLM 等），并将其有效应用于实际业务场景；\n5、构建与维护大规模音频与语音训练数据集，设计高效的数据清洗、标注、增强、去噪与特征提取流程；\n6、分析与解决应用中的关键问题，如音质退化、发音错误、韵律异常、音色偏移等，并持续优化模型性能；\n7、与音乐制作、产品、内容团队协作，推动模型在 AI 音乐创作、AI 歌手、AI 语音助手、语音互动等场景的落地，并根据反馈持续迭代。\n\n职位要求\n1、计算机、人工智能、电子工程、信号处理或相关领域硕士及以上学历；\n2、扎实的机器学习/深度学习基础，熟悉 Transformer、Diffusion、GAN、Flow Matching 等主流生成模型；\n3、精通 Python，熟练掌握 PyTorch/TensorFlow 等主流深度学习框架；\n4、熟悉音频处理基础，如 STFT、Mel 频谱、f0 提取、音频编码、声码器（Vocoder）等；\n5、具备 TTS、VC、SVS、音频生成或语音模型相关的项目经验；\n6、具备大规模分布式训练经验，包括数据并行、模型并行、流水线并行等；\n7、良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。\n\n【优先条件】\n1、有音乐基础、具备音乐素养、热爱音乐，或有实际音乐创作经验者加分（乐理、编曲、歌唱等）；\n2、对 AI 音乐创作、音乐生成模型（如 Suno、MusicGen、SunoChorus）、AI 作曲工具链有深入了解者优先；\n3、熟悉 CosyVoice、VITS、DiffSinger、FishSpeech、BigVGAN、Neural Codec 等主流 TTS/SVS/音频生成开源项目；\n4、对开源社区有贡献，或拥有高质量 GitHub 项目/技术博客；\n5、在 ICASSP、ISMIR、Interspeech、NeurIPS、ICML、ACL 等会议发表过语音/音频/音乐生成相关论文者优先；\n6、熟悉大规模数据处理技术（Hadoop、Spark 等）者优先。\n1、负责将声学知识（人声和音乐）应用于文本到语音（TTS）与文本到音乐生成场景，从应用链路的各个环节提升声音质量，包括语音自然度、情绪表达、音色一致性，以及音乐的旋律优美度、节奏准确性等，以满足实际场景需求；\n2、深入理解音乐结构（旋律、和声、节奏、情绪）与音频信号处理，将音乐理解相关特征引入 TTS/SVS 模型，提高音乐性、可控性与生成质量；\n3、参与歌声合成（SVS）和声音克隆（VC）相关模型的研发与调优，包括音高曲线控制、韵律建模、音色迁移、多风格歌唱生成等；\n4、跟进行业前沿的 TTS、歌声合成、音频生成模型技术（如 Diffusion、Flow Matching、GAN、Neural Codec、音频 LLM 等），并将其有效应用于实际业务场景；\n5、构建与维护大规模音频与语音训练数据集，设计高效的数据清洗、标注、增强、去噪与特征提取流程；\n6、分析与解决应用中的关键问题，如音质退化、发音错误、韵律异常、音色偏移等，并持续优化模型性能；\n7、与音乐制作、产品、内容团队协作，推动模型在 AI 音乐创作、AI 歌手、AI 语音助手、语音互动等场景的落地，并根据反馈持续迭代。\n1、计算机、人工智能、电子工程、信号处理或相关领域硕士及以上学历；\n2、扎实的机器学习/深度学习基础，熟悉 Transformer、Diffusion、GAN、Flow Matching 等主流生成模型；\n3、精通 Python，熟练掌握 PyTorch/TensorFlow 等主流深度学习框架；\n4、熟悉音频处理基础，如 STFT、Mel 频谱、f0 提取、音频编码、声码器（Vocoder）等；\n5、具备 TTS、VC、SVS、音频生成或语音模型相关的项目经验；\n6、具备大规模分布式训练经验，包括数据并行、模型并行、流水线并行等；\n7、良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。\n\n【优先条件】\n1、有音乐基础、具备音乐素养、热爱音乐，或有实际音乐创作经验者加分（乐理、编曲、歌唱等）；\n2、对 AI 音乐创作、音乐生成模型（如 Suno、MusicGen、SunoChorus）、AI 作曲工具链有深入了解者优先；\n3、熟悉 CosyVoice、VITS、DiffSinger、FishSpeech、BigVGAN、Neural Codec 等主流 TTS/SVS/音频生成开源项目；\n4、对开源社区有贡献，或拥有高质量 GitHub 项目/技术博客；\n5、在 ICASSP、ISMIR、Interspeech、NeurIPS、ICML、ACL 等会议发表过语音/音频/音乐生成相关论文者优先；\n6、熟悉大规模数据处理技术（Hadoop、Spark 等）者优先。",
    "standard_classification": {
        "std_category_code": "T035",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}