AI音频技术实习生

1. 跟进语音及生成式音频领域的最新论文、开源项目和产品进展，并推动可用方案落地。 2. 参与多语种 TTS（语音合成）效果优化，围绕发音准确性、自然度、韵律、情感表现和音色一致性开展评测与改进。 3. 负责多语种的音频问题分析，协助建设多语种语料、测试集和质量评测体系。 4. 调研并验证国内外主流语音合成、声音克隆、语音转换及音频生成模型，形成技术评测和选型建议。 5. 探索基于 AI 的音频编辑能力，包括音频修改、增强、音色转换、情绪调节及时间轴处理等。 6. 开发音频处理相关工具、服务或工作流，支持游戏配音、剧情对白、视频内容及其他业务场景。

1. 本科及以上在读，计算机、人工智能、电子信息、数字媒体、声学或相关专业。 2. 熟悉 Python，具备基本的工程开发和调试能力。 3. 对 TTS、语音识别、音频生成或数字信号处理有一定了解，至少实践过一个相关项目。 4. 熟悉常见音频基础概念，如采样率、频谱、梅尔频谱、响度、信噪比、混响等。 5. 能够使用 FFmpeg、Librosa、PyTorch、Torchaudio 等音频或深度学习工具中的一种或多种。 6. 具备较强的学习、调研和问题分析能力，能够将模糊的效果问题拆解为可验证的技术问题。 7. 对 AI 音频技术有浓厚兴趣，愿意持续体验、对比和改进不同模型及工具。 【加分项】 1. 有 TTS、声音克隆、语音转换、音频修复或音乐生成相关项目经验。 2. 使用或研究过 CosyVoice、Fish Speech、F5-TTS、GPT-SoVITS、XTTS、Whisper、Demucs 等模型或工具。 3. 了解音素、韵律、强制对齐、说话人表征、多语种文本前端等语音技术。 4. 有音频主观评测、MOS 评测、AB 测试或自动化质量评测经验。 5. 具备前端、后端或桌面工具开发能力，能够独立完成可供业务人员使用的原型工具。 6. 熟悉日语、韩语或其他外语，能够判断对应语言的发音和表达问题。 7. 在 GitHub、论文复现、开源项目或技术竞赛中有相关成果。 8. 熟悉常见音频编辑处理工具如DAW(Pro Tools/Cubase)、Audacit/Audition、iZotope RX、Wwise等。