同花顺｜语音算法研究员（博士专项）-实习

岗位方向 面向金融资讯、投研音频、会议纪要、智能客服、智能外呼、语音助手、实时语音问答等场景，建设语音识别、语音合成、语音理解和低延迟语音 Agent 能力。 岗位职责 1.负责 ASR、TTS、语音理解、说话人识别、语音增强、端点检测、实时转写等算法研发。 2.构建金融场景下的语音识别与理解能力，支持路演、会议、电话、直播、音频资讯等内容的转写、摘要、问答和结构化提取。 3.负责语音合成和播报能力建设，提升自然度、稳定性、情感表达、金融术语准确率和多音字处理能力。 4.探索低延迟实时语音交互、语音到语音模型、Voice Agent、实时翻译、实时问答等方向。 5.优化语音算法在复杂环境中的鲁棒性，包括噪声、口音、多人对话、金融专有名词、长音频切分等问题。 6.与大模型、Agent、多模态团队协作，构建语音入口的金融 AI 助手。

任职要求 1.计算机、语音信号处理、人工智能、电子信息、自动化等相关专业，博士优先。 2.熟悉 ASR、TTS、Speaker Diarization、VAD、语音增强、语音编码、端到端语音模型等至少一个方向。 3.熟悉 Kaldi、ESPnet、WeNet、FunASR、Whisper、Paraformer、Conformer、FastSpeech、VITS、CosyVoice 等相关模型或框架。 4.具备扎实的深度学习基础，熟悉 PyTorch，具备模型训练、调优和部署经验。 5.对实时性、延迟、准确率、稳定性和工程落地有较强意识。 加分项 •有实时语音助手、智能客服、智能外呼、会议纪要、音频理解产品经验； •有大模型结合语音的经验，如语音 Agent、语音 RAG、Speech-to-Speech； •有语音顶会论文，如 ICASSP、Interspeech、ASRU、ACL、EMNLP 等；