{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师（AI音乐）",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "广州",
        "work_mode": "",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "广州某大型互联网兴趣社交平台公司",
        "company_industry": "互联网",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 40000,
            "max": 70000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 5,
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "岗位职责\n负责音乐大模型前沿技术研发，覆盖音乐生成（歌曲/纯⾳乐/⾳效）与⾳乐理解方向。\n负责音乐⽣成大模型的算法研究、模型训练。\n负责音乐音频表征与量化方式研究：音频编解码器（codec/tokenizer）的设计、训练与迭代。\n负责多模态音乐生成（文本/歌词/图像/视频等条件驱动），与理解-生成一体化方向的算法研究与开发。\n岗位要求\n基础要求\n计算机科学、数学、人工智能或相关领域本科及以上学历\n3 年及以上音乐生成（TTM）/ 音频生成（TTA）/ 大模型（NLP/多模态）相关经验\n熟练使用 PyTorch，扎实的 Python 编程功底\n核心技术\n音频量化与离散化表征：理解连续表征与离散表征，掌握 BEST-RQ / RVQ / FSQ / SimVQ 等。\n掌握音乐生成大模型架构：生成条件编码结构、生成网络结构（AR & DiT）。\n跟进音乐生成前沿开源与商业项目，能分析其技术路线与差距。\n熟悉音乐/音频理解模型：音乐自监督表征、音频-文本对齐、音乐结构分析与多模态大模型。\n有大模型训练经验，掌握预训练、后训练、强化学习阶段的理论与流程。\n了解图像生成、视频合成的技术原理（多模态背景）。\n加分项\n在 ISMIR / ICASSP / NeurIPS / InterSpeech 等顶会有论文发表\n热爱音乐，有音乐背景（乐器/乐理/创作）或音乐领域实际项目经验\n有音乐音频 codec / tokenizer 的实际训练与迭代经验\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "音乐生成",
            "音频生成",
            "大模型",
            "NLP",
            "多模态",
            "PyTorch",
            "Python",
            "音频编解码器"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/831771ccf4f0f78b0nN-2dq4FlNV.html"
            }
        ]
    },
    "posting": {
        "posting_id": "831771ccf4f0f78b0nN-2dq4FlNV",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/831771ccf4f0f78b0nN-2dq4FlNV.html"
    },
    "fulltext": "岗位职责\n负责音乐大模型前沿技术研发，覆盖音乐生成（歌曲/纯⾳乐/⾳效）与⾳乐理解方向。\n负责音乐⽣成大模型的算法研究、模型训练。\n负责音乐音频表征与量化方式研究：音频编解码器（codec/tokenizer）的设计、训练与迭代。\n负责多模态音乐生成（文本/歌词/图像/视频等条件驱动），与理解-生成一体化方向的算法研究与开发。\n岗位要求\n基础要求\n计算机科学、数学、人工智能或相关领域本科及以上学历\n3 年及以上音乐生成（TTM）/ 音频生成（TTA）/ 大模型（NLP/多模态）相关经验\n熟练使用 PyTorch，扎实的 Python 编程功底\n核心技术\n音频量化与离散化表征：理解连续表征与离散表征，掌握 BEST-RQ / RVQ / FSQ / SimVQ 等。\n掌握音乐生成大模型架构：生成条件编码结构、生成网络结构（AR & DiT）。\n跟进音乐生成前沿开源与商业项目，能分析其技术路线与差距。\n熟悉音乐/音频理解模型：音乐自监督表征、音频-文本对齐、音乐结构分析与多模态大模型。\n有大模型训练经验，掌握预训练、后训练、强化学习阶段的理论与流程。\n了解图像生成、视频合成的技术原理（多模态背景）。\n加分项\n在 ISMIR / ICASSP / NeurIPS / InterSpeech 等顶会有论文发表\n热爱音乐，有音乐背景（乐器/乐理/创作）或音乐领域实际项目经验\n有音乐音频 codec / tokenizer 的实际训练与迭代经验\n认证资质\n人力资源服务许可证"
}