音频大模型算法专家 - 音视频技术

【岗位职责】 团队介绍：视频与边缘部门承载了字节跳动的媒体内容分发基建及技术中台，支持了字节跳动全系产品，如抖音、今日头条、番茄小说、西瓜视频等APP的点播、直播、实时通信、图片等多媒体业务发展，同时将业务发展过程中沉淀下来的技术能力和工具，通过火山引擎对外输出，面向各行各业用户提供视频云产品和服务，愿景是为内外部业务伙伴提供最低成本、最优画质、最低延时、最安全可靠的富媒体内容分发解决方案，助力业务伙伴降本提效实现持续增长。 1、负责流式通用音频大模型的架构设计，推动语音识别（ASR）、说话人日志（SD）、情感分析和音频问答等多任务统一建模，提升语音合成（TTS）、音频生成、音色与韵律等副语言信息建模和音视频协同，打造行业领先的音频理解与生成能力； 2、负责流式音频生成模型与音频编码增强算法研发，探索高质量、低算力的实时音频生成方案，支撑语音合成与音频增强等业务场景落地； 3、设计并落地…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 19019 个北京岗位（全城各职能合计），其中 2814 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 9K，最低 2K、最高 300K。