公司简介：
全球致力于链接消费者与商品的人工智能公司。衔远科技自研A大模型，数百亿级参数规模与独特训川练上大模型在具备通用能力的基础上，更擅长理解人与商品。让每一件商品都应需而生，让每一个消费者都得偿所愿。在招职位如下：
语音算法
工作城市：北京
薪资：13k-24k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
薪资：13k-24k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
职位描述
负责会议场景下的长语音识别（ASR）、声纹识别与说话人分离、语音情绪识别的算法研发与调优，确保在多方会议、噪音干扰下的高准确率。
针对不同说话人构建个性化声纹库，并结合大模型探索语音模态（Audio）与文本模态（Text）的对齐，深入挖掘语音背后的语气与情绪信号。
负责算法在智能硬件端侧（Linux/Android）的移植与推理加速，解决资源受限下的性能问题。
负责语音合成（TTS）的技术选型与初步搭建。 根据业务需求，评估并集成业界优秀的 TTS 方案（开源模型或 API），为产品未来的语音交互功能做好技术储备（如音色克隆、拟人化语音输出等）。
职位要求
985/211 高校计算机、电子信息、信号处理等相关专业硕士及以上学历。
深入理解主流 ASR 框架（Wenet, Whisper, Conformer 等）。
精通声纹识别与分离技术，有处理 Overlap（重叠语音）和复杂声学环境的实战经验。
熟悉语音情绪识别相关特征提取与模型训练。
熟悉语音合成基本原理（如 VITS, FastSpeech, Tacotron 等），有开源 TTS 模型部署、微调或音色克隆（Voice Cloning）相关经验者优先。
熟练掌握 C++ / Python，熟悉 PyTorch/TensorFlow，具备端侧模型部署经验（TensorRT, ONNX, TFLite）。
加分项
有全链路语音交互系统（ASR + NLP + TTS）搭建经验。
有智能音箱、会议助手、AI 硬件产品的完整落地经验。
了解大模型（LLM）在语音交互中的应用（如 GPT-4o 语音模式、Speech-to-Speech 架构）。
在 ICASSP, Interspeech 等顶级会议发表过相关论文。
负责会议场景下的长语音识别（ASR）、声纹识别与说话人分离、语音情绪识别的算法研发与调优，确保在多方会议、噪音干扰下的高准确率。
针对不同说话人构建个性化声纹库，并结合大模型探索语音模态（Audio）与文本模态（Text）的对齐，深入挖掘语音背后的语气与情绪信号。
负责算法在智能硬件端侧（Linux/Android）的移植与推理加速，解决资源受限下的性能问题。
负责语音合成（TTS）的技术选型与初步搭建。 根据业务需求，评估并集成业界优秀的 TTS 方案（开源模型或 API），为产品未来的语音交互功能做好技术储备（如音色克隆、拟人化语音输出等）。
职位要求
985/211 高校计算机、电子信息、信号处理等相关专业硕士及以上学历。
深入理解主流 ASR 框架（Wenet, Whisper, Conformer 等）。
精通声纹识别与分离技术，有处理 Overlap（重叠语音）和复杂声学环境的实战经验。
熟悉语音情绪识别相关特征提取与模型训练。
熟悉语音合成基本原理（如 VITS, FastSpeech, Tacotron 等），有开源 TTS 模型部署、微调或音色克隆（Voice Cloning）相关经验者优先。
熟练掌握 C++ / Python，熟悉 PyTorch/TensorFlow，具备端侧模型部署经验（TensorRT, ONNX, TFLite）。
加分项
有全链路语音交互系统（ASR + NLP + TTS）搭建经验。
有智能音箱、会议助手、AI 硬件产品的完整落地经验。
了解大模型（LLM）在语音交互中的应用（如 GPT-4o 语音模式、Speech-to-Speech 架构）。
在 ICASSP, Interspeech 等顶级会议发表过相关论文。