多模态数据算法工程师 (基础模型音频)

【岗位职责】 1、负责构建超大规模高质量视听觉多模态中的音频数据集，建立从原始音视频抓取、多音轨分离、降噪清洗、质量评估到自动化标注的全链路工业化流水线； 2、实施支持语音识别（ASR）、方言识别、情绪分析、背景音乐（BGM）与环境音（Event）识别的专项音频数据工程，通过自动化手段生产高精度对齐、跨语种/方言、多情感色彩的配对与描述数据； 3、研发高性能音频数据处理与特征提取工具链，利用前沿语音/音频大模型与信号处理算法，实现视频中语音转写、声学特征、语义理解及大规模声纹库检索的精准解析，确保持续产出高质量训练样本； 4、建立音频数据质量监控与闭环体系，通过量化指标（如 WER、分类准确率、声纹召回率等）驱动数据集的迭代更新，支撑音视频生成及多模态大模型在真实工业场景下的效果落地。 【任职要求】 1、具备深厚的音频信号处理（DSP）与大规模音频数据工程经验，熟练掌握音频降噪、去混响、…… 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。