# 资深音频/音乐算法工程师（生成&理解方向）

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、负责端到端音乐/语音生成方案的架构设计与研发，实现节奏、情绪、音色、旋律等多维度的可控生成，持续打磨自然度、音质与主观听感，对标主流商用音频生成系统；
2、追踪并落地音频生成前沿技术（Audio LLM、DiT、Audio Tokenizer、Vocoder、Audio VAE 等），驱动生成模型的迭代与推理优化；
3、研发基于音频表征与大语言模型的音乐/语音/音效内容理解管线，实现自动语义打标与自然语言描述（人声特质、情绪、曲风、乐器配置等），支撑音频检索、内容管理及音频生成闭环；
4、设计并维护音频数据清洗、标注与质量评估管线，建设面向生成与理解任务的大规模高质量音频数据集。
职位要求
1、硕士及以上学历，音乐信息检索（MIR）、信号处理、人工智能、计算机相关专业；
2、熟悉音频生成/理解领域主流模型（如 CosyVoice, IndexTTS, LeVo, Yue/Yue2, Qwen-Audio, Music-Flamingo, Moss-Music 等）的架构与优化思路，有模型调优、结构改进或推理适配经验者优先；
3、熟练使用 Python，具备音频大模型分布式训练与调优经验（PyTorch / DeepSpeed / FSDP）；
4、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。

加分项
1、有成功落地的 AI 音乐产品或项目经验（如参与开发过 AI 作曲工具、智能配乐软件等）；
2、在 ICASSP / Interspeech / NeurIPS / ISMIR 等会议发表音频生成、音频理解相关论文，或持有相关专利；
3、具备音乐理论基础（旋律、和声、节奏、曲式），能与音乐制作团队协同定义模型目标；
4、有大语言模型预训练、RLHF / 偏好优化（DPO、Reward Model）实战经验；
5、活跃于开源社区，有高质量 GitHub 项目、技术博客或核心代码贡献。
官方顶部字段
学历：本科
年限：3-5年

---
opening_id: f2a77a51-1ec5-41fb-9ad8-8f43d8f75112

`anm openings save --id f2a77a51-1ec5-41fb-9ad8-8f43d8f75112`