# 大模型算法工程师（TTS & AI音乐方向）

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 网易 (阶段未知)
- 地点: 杭州
- 职能: 算法
- 前往官方投递: https://hr.163.com/job-list.html

## 来源岗位原文

1、负责将声学知识（人声和音乐）应用于文本到语音（TTS）与文本到音乐生成场景，从应用链路的各个环节提升声音质量，包括语音自然度、情绪表达、音色一致性，以及音乐的旋律优美度、节奏准确性等，以满足实际场景需求；
2、深入理解音乐结构（旋律、和声、节奏、情绪）与音频信号处理，将音乐理解相关特征引入 TTS/SVS 模型，提高音乐性、可控性与生成质量；
3、参与歌声合成（SVS）和声音克隆（VC）相关模型的研发与调优，包括音高曲线控制、韵律建模、音色迁移、多风格歌唱生成等；
4、跟进行业前沿的 TTS、歌声合成、音频生成模型技术（如 Diffusion、Flow Matching、GAN、Neural Codec、音频 LLM 等），并将其有效应用于实际业务场景；
5、构建与维护大规模音频与语音训练数据集，设计高效的数据清洗、标注、增强、去噪与特征提取流程；
6、分析与解决应用中的关键问题，如音质退化、发音错误、韵律异常、音色偏移等，并持续优化模型性能；
7、与音乐制作、产品、内容团队协作，推动模型在 AI 音乐创作、AI 歌手、AI 语音助手、语音互动等场景的落地，并根据反馈持续迭代。
职位要求
1、计算机、人工智能、电子工程、信号处理或相关领域硕士及以上学历；
2、扎实的机器学习/深度学习基础，熟悉 Transformer、Diffusion、GAN、Flow Matching 等主流生成模型；
3、精通 Python，熟练掌握 PyTorch/TensorFlow 等主流深度学习框架；
4、熟悉音频处理基础，如 STFT、Mel 频谱、f0 提取、音频编码、声码器（Vocoder）等；
5、具备 TTS、VC、SVS、音频生成或语音模型相关的项目经验；
6、具备大规模分布式训练经验，包括数据并行、模型并行、流水线并行等；
7、良好的问题分析与解决能力，拥有优秀的沟通能力与团队合作精神。

【优先条件】
1、有音乐基础、具备音乐素养、热爱音乐，或有实际音乐创作经验者加分（乐理、编曲、歌唱等）；
2、对 AI 音乐创作、音乐生成模型（如 Suno、MusicGen、SunoChorus）、AI 作曲工具链有深入了解者优先；
3、熟悉 CosyVoice、VITS、DiffSinger、FishSpeech、BigVGAN、Neural Codec 等主流 TTS/SVS/音频生成开源项目；
4、对开源社区有贡献，或拥有高质量 GitHub 项目/技术博客；
5、在 ICASSP、ISMIR、Interspeech、NeurIPS、ICML、ACL 等会议发表过语音/音频/音乐生成相关论文者优先；
6、熟悉大规模数据处理技术（Hadoop、Spark 等）者优先。
官方顶部字段
学历：硕士
年限：3-5年

---
opening_id: a23129ea-4505-4390-bf88-8d48d39065b1

`anm openings save --id a23129ea-4505-4390-bf88-8d48d39065b1`