{"code":"200","data":{"id":"15064","name":"酷狗音频算法工程师（音质与音效AI方向）","setid":"TME02","job_sub_func":"TRH","job_function":"T","jobf_descr":"技术类","position_nbr":100028,"position_nbr_descr":"应用研究","work_city_code":"440100","work_city":"广州","need_num":1,"duty":"1. 音质提升与增强：负责音频核心算法的研发与迭代，通过传统DSP与深度学习结合的方式，全面提升音乐播放的音质（如高保真重建、动态范围优化、底噪消除与失真修复等）。\n2. 特色音感与音效创新：探索并研发具有品牌辨识度和差异化的特色音感效果（如空间音频、特定风格音效渲染、个性化听感定制、人声/乐器增强等），打造独特且沉浸的用户听觉体验。\n3. AI模型训练与端侧落地：负责音频相关神经网络模型的设计、训练与调优；主导模型在移动端/边缘侧（如手机、车载芯片等）的部署、量化与性能优化，平衡算力、功耗与延迟。\n4. 前沿技术探索：跟踪音频处理与AI领域的最新学术进展和业界动态，将前沿技术（如神经音频编解码、生成式音频等）转化为实际产品落地。","requirement":"1. 教育背景：计算机、电子工程、通信、声学、信号处理或相关专业本科及以上学历，硕士/博士优先。\n2. DSP基础：具备极其扎实的数字信号处理（DSP）基础，深入理解音频信号处理原理（如时频分析、滤波器设计、心理声学模型等）。\n3. AI与工程能力：熟练掌握 Python/C/C++，精通 PyTorch/TensorFlow 等至少一种深度学习框架；具备优秀的算法工程化落地能力。\n4. 端侧优化经验：熟悉神经网络模型的压缩与端侧部署优化（如模型量化、剪枝、蒸馏），熟悉 ONNX、NCNN、MNN、TFLite 或相关端侧推理框架。\n5. 听感与审美：对音频质量有极高的追求，具备敏锐的听感辨别力，能够从主观听感出发指导算法的优化方向。\n\n【加分项】（满足以下条件者优先）\n1. 特定AI音频经验：有音频超分（Audio Super-Resolution）、音轨分离（Music Source Separation）、AI音频编码（Neural Audio Codec）相关项目落地经验或顶会论文者优先。\n2. 调音经验：具备实际的音频调音（Audio Tuning / DSP Tuning / EQ调音）经验，熟悉主流音频测试仪器（如 Audio Precision）及主客观音频评价体系，能将主观听感转化为客观算法参数。\n3. 乐理知识：熟悉乐理知识，对音乐结构、和声、配器、声学特性有深入了解，能从音乐制作和声学物理角度深度优化算法效果，使算法更懂“音乐”。\n4. 学术与竞赛：在 AES、ICASSP、Interspeech、DCASE 等音频/声学顶级会议发表过论文，或在相关音频算法竞赛中获奖者优先。","status":3,"is_open":true,"deliver_rate":"1：1","date":"1天前","status_descr":"在招","applier_num":"1","company":"","company_set":"酷狗音乐","job_class":["T"],"sub_flag":"","user_status":{"apply":false,"favorite":false,"nickname":"","interest_setid":[],"interest_setid_allocate":1,"is_doctor_lvl":false,"has_resume":false}},"msg":"操作完成"}