未来生活实验室是阿里集团旗下的核心AI研发与产品化部门。我们深耕多模态大模型领域，致力于打破交互边界，重新定义数字生活的未来。通过聚焦多模态技术研究，我们持续挑战智能上限，实现视觉、听觉与语言的高维度融合；同时，我们积极探索并定义新一代多模态体验界面，坚持以产品化为核心，让AI真正触手可及。
AI创新事业部-音频算法专家/高级专家
职位描述：
1、研发前沿的音频大模型 (Audio-LLM)，实现语音识别 (ASR)、语音合成 (TTS) 与音频理解的端到端融合。
2、优化多语种、情感化及高表现力的语音生成，提升在复杂环境（噪声、多人交谈）下的语义提取鲁棒性。
3、设计并优化多模态音乐生成模型，涵盖风格、韵律、和声、节奏等多维度生成任务。
4、探索音频 Tokenizer 优化，实现音频与 LLM 符号空间的对齐。
职位要求：
1、熟悉主流音频架构（如 Whisper, VITS, AudioLM, Vall-E，CosyVoice）；
2、精通音频信号处理及神经编解码器（Neural Codec）；
3、有全双工、超低延迟流式语音交互系统（Real-time Interactive Voice）的落地经验者优先。
简历投递：dongwang.wdx@taobao.com
AI创新事业部-多模态算法专家/高级专家（理解与生成）
职位描述：
1. 多模态理解：负责图文/视频/音频理解相关的算法研发，提升模型对复杂多模态场景的语义分析和推理能力。
2. 多模态生成：开发基于 Diffusion Model 或 Autoregressive 架构的生成算法（如 Text-to-Image, Text-to-Video），优化生成的质量、多样性与可控性。
3. 统一架构：设计并研发多模态大模型理解和生成的统一架构，通过高效Transformer结构、位置编码优化等，实现对图像、视频、文本的深度语义理解与高保真内容生成。
职位要求：
1. 自然语言处理、机器学习、数据挖掘、人工智能等相关专业的硕士生/博士生；
2. 熟练掌握Tensorflow、Pytorch等深度学习框架，扎实的编程基础，具备独立的算法实现能力；
3. 有LLM实操经验，参与过大模型预训练，SFT，RLHF等项目；有垂域基座模型项目经验者优先，参与过大模型结合搜广推项目者优先；
4. 良好的逻辑分析能力和数理基础，对算法原理及应用有较深入的理解，在人工智能相关的各类国际顶级会议/期刊中发表过论文者优先。
AI创新事业部-音乐生成算法
职位描述：
1. 负责音乐生成大模型算法研发，攻克文本生成音乐、音乐编辑、音色克隆等核心技术；
2. 研发音乐理解大模型，搭建高精度、细粒度音乐内容描述体系；
3. 搭建完善的音乐训练数据集，支撑模型迭代优化；
4. 落地音乐生成大模型至核心业务，保障技术实用化；
5. 跟进行业前沿，维持团队音乐生成技术领先性。
职位要求：
1. 硕士及以上学历，1年以上音频/音乐生成大模型研发经验（T2M、T2A、语音大模型等均可）；
2. 精通音频生成大模型核心算法，有LALM、DiT、Flow-Matching等框架训练调优实操经验；
3. 熟悉音频表征技术，掌握hubert、Best-RQ等自监督表征开发；精通高音质音频解码方案，对音乐音质感知敏锐、标准高；
4. 有音乐/音频理解模型开发经验，熟悉主流多模态音频大模型；
5. 编程能力扎实，熟练Python/C++及主流大模型训练框架；科研能力强，能跟进前沿，有顶会（ICASSP、interspeech等）论文发表者优先；
6. 对音乐有深度兴趣和认知，掌握基础乐理者优先。