任职要求： 专业背景：计算机、电子信息、自动化或数学等相关专业硕士及以上学历。 岗位职责： 核心技术栈 音频方向：熟悉 Whisper、FunASR 等开源工具；了解音频特征提取、语音分离技术经验者优先； 视觉/跨模态方向：了解生成式模型（GANs、Diffusion Models、Flow Matching）； 工程能力：精通 Python、PyTorch，具有良好的论文阅读和调研能力 业务理解：对视频翻译中的“音画同步率”、“时间轴错位”、“译文超长导致的TTS挤压”等痛点有实际踩坑经验和解决方案优先。 加分项： 1、在顶级音视频/AI 会议（ICASSP, INTERSPEECH, CVPR, ICCV, ECCV）发表过高水平论文。 2、有从零构建端到端视频翻译系统、或虚拟数字人互动系统落地经验。 3、熟悉多模态大模型（MLLM）在音视频对齐或上下文理解中的应用。