鱼亮科技成立于2017年，专注于打造全球领先的边缘智能语音交互解决方案，其融合了弱场景的前端AI耳朵感官，离端本地化的语音语言AI模型为终端用户提供弱网、无网络、高噪声场景极致的AI交互体验。

公司云集了业内顶尖的技术专家和经验丰富的产业化团队，核心成员来自于中科院计算所、清华大学、南京大学、科大讯飞、云知声、百度等科研院所及行业头部企业。

招聘简章：多模态语音增强（AVSE）算法工程师

职位类别：研发/ 人工智能 / 信号处理

目标人群：应届本科/硕士，或具有1-2年相关工作经验的初级研发人员

工作地点：[合肥]

岗位职责：

1. 算法研发与优化：研究并开发基于唇形识别的多模态语音增强（AVSE）及目标说话人提取算法，利用视觉线索（如唇部运动和面部表情）提升系统在“鸡尾酒会”环境下的鲁棒性。

2. 跨模态融合方案设计：设计高效的多模态特征融合架构，研究包括通道拼接、跨模态注意力机制及特征同步技术，以解决音视频流异步及信息冗余问题。

3. 实时性与因果性建模：针对嵌入式/移动端部署需求，进行因果建模，确保算法仅依赖当前及过去帧，满足超低延迟（目标延迟< 40ms）的实时处理标准。

4. 模型轻量化与移植：应用权重剪枝、量化及知识蒸馏等技术优化模型复杂度，使其能够顺畅移植至CPU 或嵌入式 DSP/加速单元。

5. 性能评估与验证：在LRS2、LRS3、GRID 或 VoxCeleb2 等主流多模态数据集上进行验证，并使用 PESQ、STOI、SI-SDR 及词错误率（WER）等指标评估算法表现。

任职要求：

1. 教育背景：计算机、电子工程、通信、声学或数学相关专业硕士及以上学历。

2. 深度学习功底：精通PyTorch开发，熟悉常见的神经网络架构，如CNN、LSTM/GRU、Transformer 及 Conformer。具备较强的算法实现能力，能复现前沿学术论文（如RAVEN, AV-CrossNet 等）。

3. 语音与图像处理基础：掌握短时傅里叶变换（STFT/iSTFT）、时频域掩码估计（Masking）或复数谱映射技术。熟悉计算机视觉预处理流程，包括人脸检测、唇部感兴趣区域（ROI）提取及关键点对齐（如使用OpenCV, MediaPipe 或 face-alignment）。

4. 工程意识：深刻理解实时系统对算法复杂度的限制，关注模型参数量（Params）与实时因子（RTF）。

加分项：

1. 竞赛经验：在AVSE Challenge、MISP Challenge 或 ICASSP DNS Challenge 等多模态/语音竞赛中取得优异成绩者优先。

2. 硬件落地经验：有算法成功部署至嵌入式设备（如ARM, DSP, Jetson）或移动端实时通话场景经验者优先。

3. 前沿探索：熟悉扩散模型（Diffusion Models）、生成对抗网络（GAN）或空间音频（Spatial Audio）处理技术者优先。

4. 论文发表：在ICASSP、Interspeech、CVPR 或 AAAI 等国际顶级会议发表过相关论文者。


简历请投以下邮箱：

khliao@bothlent.com

1203329865@qq.com

公司官网：www.bothlent.com