腾讯
校招WXG-微信读书-语音合成大模型研究
北京 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、学历和专业要求
- 计算机、人工智能、语音信号处理、自然语言处理等相关专业硕士及以上，具备语音合成、多模态大模型或低资源语言研究背景优先。
- 2、技术技能要求
- 掌握Transformer，熟悉语音codec模型和LLM-TTS模型；熟练使用PyTorch；具备大模型预训练、微调、推理优化或语言建模经验。
- 3、软性素质要求
- 具备优秀的科研创新与问题拆解能力，逻辑严谨、执行力强，拥有良好的沟通协作能力，可独立推进前沿课题研究与实验验证。
- 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：
语音合成（TTS）已从传统声学建模全面进入大模型时代，基于离散音频token的LLM-TTS大模型推动高自然度、零样本/少样本音色克隆、多情感控制、多模态语音生成取得快速突破。尽管TTS大模型已广泛落地应用，相比真人朗读/说话仍存在一些差距，为了满足更好的用户体验，产品也相应提出了更高的需求，主要集中在以下几方面：（1）合成的语音能根据文本语义有相应更好的情感起伏，即表现力丰富，（2）TTS大模型能做到准确的指令遵循控制，（3）在zero-shot声音复刻时，可以实现多情感迁移。
课题挑战：
- 1、多任务统一建模，融合指令控制，前文语义理解，纯TTS等多个语音合成任务统一设计和训练模型。
- 2、zero-shot音色复刻，通过模型设计和训练优化实现音色和韵律解耦，以达到极少参考语音下，能实现多情绪的声音复刻。
- 3、高效生成和质量平衡，加速模型推理和降低首包时延时，如何降低对音质细节保真度和韵律自然度的影响
具体工作：
参与到多任务TTS大模型的模型框架设计和训练，根据不同的任务类型设计实验并进行评估，同时根据实验结果反馈，优化模型以达到可上线要求；和同事一起推动多任务TTS大模型在微信读书，微信公众号，微信消息朗读等多个场景中落地。
【任职要求】
- 1、学历和专业要求
计算机、人工智能、语音信号处理、自然语言处理等相关专业硕士及以上，具备语音合成、多模态大模型或低资源语言研究背景优先。
- 2、技术技能要求
掌握Transformer，熟悉语音codec模型和LLM-TTS模型；熟练使用PyTorch；具备大模型预训练、微调、推理优化或语言建模经验。
- 3、软性素质要求
具备优秀的科研创新与问题拆解能力，逻辑严谨、执行力强，拥有良好的沟通协作能力，可独立推进前沿课题研究与实验验证。
【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
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。