Token Foundry-语音多模态大模型算法工程师

*此岗位为暑期实习，为毕业时间2026-11-01 ~ 2027-10-31同学开放，28届及以后的同学请勿投递~ Base：北京/杭州 职位描述： 1. 负责语音生成/语音识别/语音合成/声纹/语种/情感等方向的算法研究和开发； 2. 负责语音信号处理的相关算法研究和开发，包括语音增强、回声消除、混响消除、自动增益控制、波达方向估计、波束形成等； 3. 负责口语语言理解/用户意图理解/对话模型/语音交互等算法研究和开发； 4. 语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。 职位要求： 1. 硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业； 2. 具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强； 3. 熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验： - 语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）； - 语音无监督预训练（如 Wav2Vec）； - 大语言模型（LLM）相关研发，包括预训练、SFT、强化学习； - 语音端到端大模型（Audio Encoder + LLM）的联合训练与优化； 4. 对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。 【加分项】 1. 在 NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）； 2. 在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）； 3. 具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）； 4. 成功复现或改进过 SOTA 语音算法，或有开源项目贡献。