元宝-上下文语音生成研究

关于这个机会

通过发挥大语言模型自身的推理与思维能力，让TTS模型根据需要播报的内容，对上下文信息进行增强。通过思维链技术，分析文本内容和目前的应用场景，自主决定播报风格与指令。在思维链过程中，可以分析文本中的不同角色信息，结合RAG等方案，自主构造多轮多说话人合成能力。

任职要求

1. 具有文本前端处理、音频tokenizer、LLM音频预训练、flowmatching和vocoder等方向的研究经验 2. 具备文本LLM的理论研究和实践经验 3. 熟悉语音大模型相关的强化学习技术 4. 在语音顶会Interspeech、ICASSP等会议中稿者优先

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。