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": "语音交互算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "网易游戏雷火2027届校园招聘",
"location": "杭州",
"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": "应届硕士或博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责语音交互与语音内容生产相关算法研发，包括语音合成、语音生成、语音克隆、音色设计、语音转换、语音识别与理解、语音大模型对齐与强化学习等方向。\n2. 面向实时互动与内容生产场景，研究语音/文本/视频/图像等多模态输入到语音的生成与控制，提升自然度、拟人度、情感表现力、音色一致性、风格可控性，以及流式低延迟、可打断的实时表现。\n3. 构建从数据采集清洗、模型训练评估、推理优化到线上服务与离线资产生产工具链的完整流程。\n4. 与音频、引擎、游戏产品团队协作，将算法能力应用到游戏 NPC 实时语音交互、角色语音、Agent 驱动的语音内容/资产生产管线和语音创新玩法中。",
"requirements_text": "1. 计算机、人工智能、语音信号处理、电子信息或相关专业，应届硕士或博士。\n2. 扎实的机器学习/深度学习基础，熟悉生成式模型、Transformer、Diffusion、自回归建模、时序建模、多模态学习、RL 对齐等至少一个方向。\n3. 具备语音信号处理基础，理解声学特征（Mel 谱 / neural codec）、声学与语言学建模、语音前端处理（VAD / 降噪 / AEC）、流式推理，以及 MOS / WER / RTF 等评测指标。\n4. 优秀的编程能力和良好的工程习惯，熟练掌握 Python，熟悉 C++ 者优先；熟练使用 PyTorch 等至少一种主流深度学习框架。\n5. 具备良好的 AI 工程化能力，熟悉各类文本 / 多模态大模型的使用与集成，有 Agent / claw / harness 等工程实践经验者优先。\n6. 有以下至少一个方向的项目经验：\n语音合成（TTS）及其情感 / 韵律 / 风格可控生成（CosyVoice 2 / F5-TTS /Fish-audio/ Voxcpm2，或豆包/MiniMax/11labs等商用语音大模型）；\n语音生成（音乐 / 音效 / 唱歌，如 Seed-Audio 等）；\n语音克隆、音色设计与语音转换；\n语音识别与理解(ASR大模型、omni模型）；\n语音大模型对齐与强化学习（RLHF / GRPO等）。\n7. 理解语音生产与交互管线，了解数据标注、音频处理、模型训练、流式部署、线上监控等基础流程；熟悉相关开源生态与工程工具者优先。\n加分项：\n1. 有实时语音交互落地、AIGC 语音内容生产或完整产品落地经验；\n2. 有 Agent / LLM 编排驱动的语音资产生产经验；\n3. 有语音顶会（ICASSP / Interspeech）或更高级别会议论文；\n4. 有高质量开源项目；\n5. 热爱游戏。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"机器学习",
"深度学习",
"强化学习",
"数据标注",
"模型训练",
"信号处理",
"建模",
"大语言模型"
],
"preferred_qualifications": "4. 优秀的编程能力和良好的工程习惯，熟练掌握 Python，熟悉 C++ 者优先；5. 具备良好的 AI 工程化能力，熟悉各类文本 / 多模态大模型的使用与集成，有 Agent / claw / harness 等工程实践经验者优先；熟悉相关开源生态与工程工具者优先；加分项：",
"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=4690&projectId=77"
}
]
},
"posting": {
"posting_id": "77_4690",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.163.com/app/detail/index?id=4690&projectId=77"
},
"fulltext": "语音交互算法工程师\n职位描述\n1. 负责语音交互与语音内容生产相关算法研发，包括语音合成、语音生成、语音克隆、音色设计、语音转换、语音识别与理解、语音大模型对齐与强化学习等方向。\n2. 面向实时互动与内容生产场景，研究语音/文本/视频/图像等多模态输入到语音的生成与控制，提升自然度、拟人度、情感表现力、音色一致性、风格可控性，以及流式低延迟、可打断的实时表现。\n3. 构建从数据采集清洗、模型训练评估、推理优化到线上服务与离线资产生产工具链的完整流程。\n4. 与音频、引擎、游戏产品团队协作，将算法能力应用到游戏 NPC 实时语音交互、角色语音、Agent 驱动的语音内容/资产生产管线和语音创新玩法中。\n\n职位要求\n1. 计算机、人工智能、语音信号处理、电子信息或相关专业，应届硕士或博士。\n2. 扎实的机器学习/深度学习基础，熟悉生成式模型、Transformer、Diffusion、自回归建模、时序建模、多模态学习、RL 对齐等至少一个方向。\n3. 具备语音信号处理基础，理解声学特征（Mel 谱 / neural codec）、声学与语言学建模、语音前端处理（VAD / 降噪 / AEC）、流式推理，以及 MOS / WER / RTF 等评测指标。\n4. 优秀的编程能力和良好的工程习惯，熟练掌握 Python，熟悉 C++ 者优先；熟练使用 PyTorch 等至少一种主流深度学习框架。\n5. 具备良好的 AI 工程化能力，熟悉各类文本 / 多模态大模型的使用与集成，有 Agent / claw / harness 等工程实践经验者优先。\n6. 有以下至少一个方向的项目经验：\n语音合成（TTS）及其情感 / 韵律 / 风格可控生成（CosyVoice 2 / F5-TTS /Fish-audio/ Voxcpm2，或豆包/MiniMax/11labs等商用语音大模型）；\n语音生成（音乐 / 音效 / 唱歌，如 Seed-Audio 等）；\n语音克隆、音色设计与语音转换；\n语音识别与理解(ASR大模型、omni模型）；\n语音大模型对齐与强化学习（RLHF / GRPO等）。\n7. 理解语音生产与交互管线，了解数据标注、音频处理、模型训练、流式部署、线上监控等基础流程；熟悉相关开源生态与工程工具者优先。\n加分项：\n1. 有实时语音交互落地、AIGC 语音内容生产或完整产品落地经验；\n2. 有 Agent / LLM 编排驱动的语音资产生产经验；\n3. 有语音顶会（ICASSP / Interspeech）或更高级别会议论文；\n4. 有高质量开源项目；\n5. 热爱游戏。\n1. 负责语音交互与语音内容生产相关算法研发，包括语音合成、语音生成、语音克隆、音色设计、语音转换、语音识别与理解、语音大模型对齐与强化学习等方向。\n2. 面向实时互动与内容生产场景，研究语音/文本/视频/图像等多模态输入到语音的生成与控制，提升自然度、拟人度、情感表现力、音色一致性、风格可控性，以及流式低延迟、可打断的实时表现。\n3. 构建从数据采集清洗、模型训练评估、推理优化到线上服务与离线资产生产工具链的完整流程。\n4. 与音频、引擎、游戏产品团队协作，将算法能力应用到游戏 NPC 实时语音交互、角色语音、Agent 驱动的语音内容/资产生产管线和语音创新玩法中。\n1. 计算机、人工智能、语音信号处理、电子信息或相关专业，应届硕士或博士。\n2. 扎实的机器学习/深度学习基础，熟悉生成式模型、Transformer、Diffusion、自回归建模、时序建模、多模态学习、RL 对齐等至少一个方向。\n3. 具备语音信号处理基础，理解声学特征（Mel 谱 / neural codec）、声学与语言学建模、语音前端处理（VAD / 降噪 / AEC）、流式推理，以及 MOS / WER / RTF 等评测指标。\n4. 优秀的编程能力和良好的工程习惯，熟练掌握 Python，熟悉 C++ 者优先；熟练使用 PyTorch 等至少一种主流深度学习框架。\n5. 具备良好的 AI 工程化能力，熟悉各类文本 / 多模态大模型的使用与集成，有 Agent / claw / harness 等工程实践经验者优先。\n6. 有以下至少一个方向的项目经验：\n语音合成（TTS）及其情感 / 韵律 / 风格可控生成（CosyVoice 2 / F5-TTS /Fish-audio/ Voxcpm2，或豆包/MiniMax/11labs等商用语音大模型）；\n语音生成（音乐 / 音效 / 唱歌，如 Seed-Audio 等）；\n语音克隆、音色设计与语音转换；\n语音识别与理解(ASR大模型、omni模型）；\n语音大模型对齐与强化学习（RLHF / GRPO等）。\n7. 理解语音生产与交互管线，了解数据标注、音频处理、模型训练、流式部署、线上监控等基础流程；熟悉相关开源生态与工程工具者优先。\n加分项：\n1. 有实时语音交互落地、AIGC 语音内容生产或完整产品落地经验；\n2. 有 Agent / LLM 编排驱动的语音资产生产经验；\n3. 有语音顶会（ICASSP / Interspeech）或更高级别会议论文；\n4. 有高质量开源项目；\n5. 热爱游戏。",
"standard_classification": {
"std_category_code": "T035",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}