Token Foundry-大模型音视频理解算法研究员-Qwen

1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。 2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。 3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。 4. 音频/音视频Postrain/RL/OPD。 5. 音视频通话与交互：包括全音视频双工, 音频query不降智/体感优化等。 6. 语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。 7. 全模态模型自主优化与Self-evolving。 【任职要求】 1. 计算机、机器学习等相关专业，博士及硕士优先。 2. 较强的代码能力，具有丰富…… 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 20969 个北京岗位（全城各职能合计），其中 1782 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。