ATH-TF事业部-音频算法专家/高级专家-未来生活实验室
岗位描述:1、研发前沿的音频大模型 (Audio-LLM),实现语音识别 (ASR)、语音合成 (TTS) 与音频理解的端到端融合。 2、优化多语种、情感化及高表现力的语音生成,提升在复杂环境(噪声、多人交谈)下的语义提取鲁棒性。 3、设计并优化多模态音乐生成模型,涵盖风格、韵律、和声、节奏等多维度生成任务。;任职要求:1、熟悉主流音频架构(如 Whisper, VITS, AudioLM, Vall-E,CosyVoice); 2、精通音频信号处理及神经编解码器(Neural Codec); 3、有全双工、超低延迟流式语音交互系统(Real-time Interactive
