游戏AI-语境感知与多模态指令可控语音生成研究

深圳总部 · 校招 · 2027 届 · 博士

长期有效

前往官方投递页 →

任职要求

1.来自计算机、人工智能、模式识别、通信工程、应用数学等相关专业的博士或优秀硕士
2.熟悉 LLM/LSM (Large Speech Model) 相关架构（如 VALLE, Qwen3-TTS等），对自回归生成模型有深厚理解。
3.在 Speech (TTS/ASR)、NLP 或 Reinforcement Learning 领域有实战经验，了解 DPO/PPO/GRPO 等算法原理。
4.在 NeurIPS、ICLR、ACL、ICASSP、InterSpeech 等顶会有论文发表，或在知名开源项目、算法竞赛中取得顶尖成绩者优先。
5.具备极强的底层思考能力和技术好奇心，不满足于指标的微调，致力于追求极致的“声音灵魂”与交互体验。
此课题同时招聘应届实习生和低年级实习生。

岗位描述

【岗位职责】

【课题背景】

近年来，语音大模型显著提升了合成语音的流畅度，但传统的文本驱动模式已进入瓶颈期：模型虽能“说准”，却不“懂说”，缺少“活人感”。尤其是在游戏、数字人等真实场景中，语音输出需要根据环境状态（如游戏盘面、战况、氛围）、历史对话上下文、以及用户的细粒度指令（如“带点轻蔑的笑意”）进行动态调整。本课题旨在突破单一文本驱动的局限，探索语音大模型与多模态环境的深度融合，实现从“机械复读”向“情境共鸣”的质变。

【课题挑战】

1. 多模态语义解耦与对齐：如何在海量无序数据中，解耦音色、情感、语调与内容，实现多模态信息（环境状态、历史文本）与声学特性的精准对齐。
2. 情境建模：在长对话或实时交互场景下，如何设计高效的上下文窗口，使模型具备“记忆力”，保持音色一致性的同时实现情绪的自然起伏。
3. 复杂指令的精准遵循：针对“稍微快一点，带点期待感”这种模糊且复杂的自然语言指令，如何构建高效的 Instruct-TTS 架构，提升指令遵循率。
4. 基于强化学习的“活人感”对齐：探索将 DPO/GRPO 等强化学习算法应用于语音领域，设计针对“拟人度”和“表现力”的 Reward Model。

【具体工作】

参与语音大模型的架构设计与开发，重点负责：多模态感知模块的搭建、复杂指令数据集的自动化合成、基于 RL 的模型后训练（Post-training）优化，以及探索语音模型在复杂交互场景（如 MOBA 游戏解说、拟人化 AI 助手）中的落地表现。

【任职要求】

1.来自计算机、人工智能、模式识别、通信工程、应用数学等相关专业的博士或优秀硕士
2.熟悉 LLM/LSM (Large Speech Model) 相关架构（如 VALLE, Qwen3-TTS等），对自回归生成模型有深厚理解。
3.在 Speech (TTS/ASR)、NLP 或 Reinforcement Learning 领域有实战经验，了解 DPO/PPO/GRPO 等算法原理。
4.在 NeurIPS、ICLR、ACL、ICASSP、InterSpeech 等顶会有论文发表，或在知名开源项目、算法竞赛中取得顶尖成绩者优先。
5.具备极强的底层思考能力和技术好奇心，不满足于指标的微调，致力于追求极致的“声音灵魂”与交互体验。

【加分项】

此课题同时招聘应届实习生和低年级实习生。

【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

登录后分析我的简历

该岗位可能会问的问题

基于运营岗位的常见面试问题整理

我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品

类型专业能力·难度中等·一面·咪咕动漫

查看答题思路

1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划

另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s

类型专业能力·难度中等·一面·咪咕动漫

查看答题思路

1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点

你认为内容运营需要具备哪些能力

类型专业能力·难度简单·一面·搜狐

查看答题思路

1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导

谈谈你理解的内容生命周期

类型动机/岗位认知·难度简单·一面·搜狐

查看答题思路

1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么

自我介绍

类型动机/岗位认知·难度中等·一面·咪咕动漫

查看答题思路

1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话

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。

前往官方投递页 →