# 大模型算法工程师（TTS & AI音乐方向）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 网易 (Stage unknown)
- Locations: 杭州
- Role: Algorithm
- Apply on the official site: https://hr.163.com/job-list.html

## Role description from source

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`