腾讯
实习基于端到端语音大模型的游戏场景实时跨语言通信系统研究
深圳总部 · 实习 · 博士
长期有效
任职要求
- 1、包含但不限于计算机科学、人工智能、模式识别、电子信息、通信工程、声学、自动化等相关专业的博士或优秀硕士；
- 2、熟悉语音合成（TTS）或语音信号处理相关算法，了解Transformer、扩散模型、Flow Matching、语音编解码等技术；熟练使用PyTorch等深度学习框架，掌握Python编程语言；
- 3、对语音合成和情感表达方向有浓厚研究兴趣，具备较强的文献阅读与问题分析能力，沟通协作意识好，自驱力强，能积极主动推动研究进展。
岗位描述
【岗位职责】
随着游戏产业的全球化进程加速，“全球同服”（一个服务器容纳全球玩家）已成为大型多人在线游戏的主流运营模式。然而，语言屏障严重破坏了游戏的核心社交与合作体验，成为制约全球同服生态发展的关键瓶颈。
现有的解决方案（如内置文本翻译、第三方语音转译插件）存在显著缺陷：流程割裂、延迟高、丢失情感信息、无法处理游戏术语。玩家需在游戏、翻译软件、语音聊天工具间频繁切换，体验碎片化。
本课题旨在研发一款专门为游戏场景优化的端到端语音大模型，实现实时、准确、高保真的跨语言语音同传，让全球玩家能够像使用母语一样，通过语音进行无缝交流与协作，从根本上提升全球同服游戏的可玩性与社交深度。
【任职要求】
- 1、包含但不限于计算机科学、人工智能、模式识别、电子信息、通信工程、声学、自动化等相关专业的博士或优秀硕士；
- 2、熟悉语音合成（TTS）或语音信号处理相关算法，了解Transformer、扩散模型、Flow Matching、语音编解码等技术；熟练使用PyTorch等深度学习框架，掌握Python编程语言；
- 3、对语音合成和情感表达方向有浓厚研究兴趣，具备较强的文献阅读与问题分析能力，沟通协作意识好，自驱力强，能积极主动推动研究进展。
【技术方向】
多模态、视觉、语音
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。