Token Foundary事业部-多模态通用音频大模型算法工程师/专家-未来生活实验室

1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地； 2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系； 3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代； 4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题； 5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。 【任职要求】 1、学历经验：硕士及以上，1年以上音频/语音/音乐生成大模型研发经验。 2、核心技术：精通音频生成算法，对DiT、Flow Matching、MLLM、vocoder等技术有自己的理解和实操经验。 3、底层技术：熟悉音频表征（HuBERT/WavLM等）及高音质编解码方案（EnCodec/DAC等），对音质敏感。 4、多模态能力：有 AudioLDM、M…… 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 21736 个北京岗位（全城各职能合计），其中 1797 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 12K，最低 1K、最高 300K。