职位&公司对比

职位详情

• 北京
• 不限
• 不限

• audio
• 音频算法
• 语音识别
• 语音增强
• 音频处理
• 多模态
• 多媒体

1、支持研发基于大模型的多媒体算法研究和落地，包括但是不限于视频理解，画质增强，质量评价、视频处理和增强以及视频压缩； 2、支持编码前后处理相关算法研究和落地； 3、支持各类异构平台上算法的加速与优化，包括但不限于量化、蒸馏、剪枝等； 4、支持视频端到端全链路体验优化； 5、支持AIGC大模型在底层视boss觉、画质、压缩等多媒体方向的探索以及落地。6、支持多模态大模型相关算法的性能优化以及加速； 7、支kanzhun持多模态大模型的算法在多媒体业务中落地，在图文、点播、直播等业务中发掘应用场景； 职位要求 1、计算机、通信、电子、数学等相关专业硕士或博士； 2、精通常见的图像、视频处理算法，有一定的视频编解码背景； 3、掌握常见视觉算法，如分类、检测、分割等； 4、精通视觉AIGC相关的算法，包括BOSS直聘GAN、VAE、Diffusion Model等； 5、精通audio方向, 能handle的了TTS,diffusion的试验，；丰富的数字信号处理和人工智能/深度学习系统研发经验：降噪/回声/去混响等音频前处理，声纹/唤醒，声音事件检测，语音增强、语音kanzhun识别，自然语言处理等一个或几个领域有项目实践；7、熟悉数据结构和算法, 深度网boss络模型设计和调熟，练掌握Kaldi, TensorFlow, Pytorch等开源工具。有大规模训练数据集上进行模型训练和探索经验优先； 8、良好的团队合作意识和学习能力，有业务意识，对语音和音频领域技术有热情； 9、有较强科研经验优先、在CVPR、ICCV、ECCV等顶级会议、期刊发表过论文者优先。