[杭州-钱塘区]大乐智能机器人（杭州）有限责任公司

职位：语音算法实习生
发布时间：2026-08-10
工作地点：其它
信息来源：前程无忧(51JOB)
职位类型：全职
职位描述
专业1:计算机科学与技术
专业2:新一代电子信息技术（含量子技术等）
职能类别:语音识别工程师
岗位职责：
1.参与语音大模型在端侧/边缘设备上的部署与推理优化，包括模型量化（GGUF/Q4_K/Q8_0）、推理后端集成及性能调优（GPU/CPU异构计算、实时率RTF评估与优化）；
2.设计并实现语音助手的实时交互链路，理解并优化全双工（Full-Duplex）与半双工（Half-Duplex）交互模式下的系统架构，处理打断检测（Barge-in）、VAD（语音活动检测）、流式推理与低延迟合成等关键问题；
3.探索并实现语音情感分析模块，包括：
对用户语音进行情绪识别（SER，Speech Emotion Recognition），提取情感特征（愉悦度、唤醒度、支配度），为对话系统提供情感上下文；
在TTS端实现情感可控的语音合成，根据对话状态或意图动态调整合成语音的情感色彩（如温柔、鼓励、关切等），提升人机交互的自然度与温度；
4.参与模型训练与微调，基于基座模型进行领域数据微调、音色克隆优化及中文口语化效果调优；
5.通过代码审查、技术文档和设计讨论保障工程质量，推动团队知识沉淀与共享；
6.跟踪前沿语音技术（实时TTS/ASR、端侧推理、语音克隆等），参与技术调研与原型验证。

任职要求：
1.硕士在读，计算机科学、电子信息、人工智能等相关专业；
2.熟悉PyTorch/TensorFlow等深度学习框架，掌握Python/C++编程，具备基本的工程化能力；
3.熟悉现代语音算法，包括但不限于：ASR、TTS、语音增强、VAD、麦克风阵列信号处理等；
4.熟悉Transformer及大语言模型架构，了解语音大模型的训练、微调（LoRA/QLoRA）、部署（ONNX/GGUF/TensorRT）及推理优化；
5.理解实时语音交互系统中的全双工/半双工设计差异，了解流式推理、低延迟优化、打断机制等相关技术方案；

优先条件（满足一项即可）：
1.有语音大模型的工程落地经验（端侧/云端部署、推理加速、量化压缩）；
2.有实时语音助手/对话系统相关项目经验，熟悉双工交互下的系统设计；
3.有RTF评估、GPU（CUDA）推理优化经验；
4.有语音克隆/音色迁移/可控TTS相关项目经验；
* 能保证三个月及以上连续实习时间，可长期实习者优先。 公司简要介绍：
公司名称:大乐智能机器人（杭州）有限责任公司
公司类型:合资
公司规模:少于50人
公司介绍:大乐智能机器人（杭州）有限责任公司，公司规模为少于50人，公司类型为合资，所属行业为学术/科研。