深度学习工程师,文本转语音开发
为 Gleo AI 的车载语音体验优化文本转语音模型。 构建适用于设备端和服务器环境的实时多语言语音合成系统。
描述
- 优化适用于设备端和服务器环境的文本转语音模型
- 将模型移植并优化至 NPU 及其他 AI 加速器环境
- 通过量化缩小模型规模并提升性能
- 开发实时流式语音合成系统并优化延迟
- 开发并部署多语言、多说话人文本转语音模型
- 基于大语言模型和流匹配研究并开发先进的文本转语音模型
- 使用生成式模型构建语音合成数据集并提升数据质量
- 分析并解决生产环境中的文本转语音模型和服务问题
- 将研究和开发的文本转语音技术集成到车辆产品和服务中
任职要求
- 至少 3 年相关文本转语音经验
- 具备语音合成和文本转语音概念的基础知识
- 具备模型压缩和计算优化经验
- 具备量化、内存使用和延迟优化经验
- 具备将模型移植并优化至 NPU 及其他 AI 加速器环境的经验
- 具备使用 TensorRT 和 ONNX 优化模型的经验
- 了解音频信号处理
- 具备 Linux 环境下的开发和调试经验
- 熟练使用 Python、C++ 或 Shell 编程
- 熟悉 PyTorch 等开源深度学习框架
- 有开发多语言和多说话人文本转语音模型的经验者优先
- 有语音或音频标记化技术研究或开发经验者优先
- 曾以作者身份在语音合成、机器学习或人工智能领域的顶级会议或期刊发表论文者优先
- 具备相关硕士或博士学位,或已完成相关学位项目者优先
- 必须提供韩语能力信息
福利待遇
- 符合国家功臣或就业保护资格者优先
- 持有登记残疾证明者优先
- 可能适用三个月试用期
- 面试流程结束后,经申请人同意,可能进行背景调查
