中国电信人工智能研究院｜【多模态生成】AIGC 视频配乐 / 音乐生成算法实习生

【职位描述】 1. 参与研发行业领先的视频配乐及音乐生成算法，包括但不限于： 1）视频音乐生成、文本到音乐生成、歌曲生成； 2）交互式视频配乐创作、音乐编辑、自动混音； 3）多模态音乐理解与信息检索等。 2. 跟踪国内外视频音乐生成、多模态理解与生成前沿研究进展，参与算法设计、模型实现与性能优化。 3. 负责数据预处理、模型训练、效果评估等实验工作，编写高质量报告与技术文档。 4. 协助工程化落地，参与开源项目贡献、论文撰写、专利申请等技术影响力建设工作。 【

任职要求】 1. 计算机科学、人工智能、电子信息、声学、音乐工程（需熟悉计算机科学相关技能）等相关专业硕士及以上学历（优秀本科生亦可考虑）。 2. 具备扎实的编程能力，熟练使用 Python，掌握 PyTorch 等主流深度学习框架，熟悉 Linux 环境开发；熟悉 Megatron、accelerate 等并行训练框架。 3. 熟悉深度学习与信号处理理论，熟悉以下方向或有以下相关项目经验者优先： 1）熟悉音乐生成、歌曲生成、视频配乐生成/检索优先； 2）熟悉音频生成相关模型，如 Encodec、DAC、MusicGen、MusicLM、Stable Audio、Hifi-GAN、BigVGAN 等优先； 3）熟悉主流音频生成技术栈者优先，如 Codec、LLM、Diffusion/Flow Matching 等优先； 4）有顶会/期刊论文者优先，如 ACMMM、ICASSP、INTERSPEECH、NeurIPS、ICLR、ICML、CVPR 等，或在音乐生成/多模态创作相关比赛中获奖者优先； 4. 对视频音乐创作、音频 AI 交互、生成式艺术等方向充满热情，具备强烈的自驱力、创新意识与良好团队协作沟通能力； 5.实习时间：不少于 4 个月，可长期实习优先，每周至少 4 天。