多模态音频算法实习生

岗位描述：加入智谱多模态大模型团队，从事音频算法研究、训练与应用，具体业务包括 Omni 音频理解、同声传译、视频与音频联合生成等；探索语音与音频技术前沿方向，研究音频理解、音频表征、音视频联合生成的新范式；负责模型的多机多卡训练、高性能推理、数据集构建及评测系统搭建等工作。团队专注于多模态基座模型与生成模型研发，持续推进视觉语言、多模态生成、OCR 与文档解析等前沿技术创新。 岗位要求：自然语言处理、机器学习、人工智能、软件工程等相关专业，硕士及以上学历；具备较强的算法开发能力，熟悉常用机器学习、深度学习算法；熟练使用 Python 以及 Pytorch/Tensorflow 深度学习框架；熟悉以下至少一种大模型框架或理论并有相关研发经验者优先，例如 Diffusion、Vall-E、SpearTTS、AudioLM、MusicLM 等；具备优秀的代码能力和基础算法功底，具有较丰富的工程经验，并有大规模训练或大规模数据处理经验。加分项包括：在 ACL、NeurIPS、ICLR、EMNLP、ICML 等顶级会议或期刊发表过论文；熟悉并行训练框架并具有多机多卡训练经验。