职位描述1. 负责与游戏画面实时同步的音频生成模型研发，覆盖音效、角色语音与环境声。 2. 研究原生音视频联合生成（音画同出），实现口型、动作、事件音效与画面的精确同步。 3. 研究流式低延迟语音生成，支撑游戏角色的实时对话。 4. 设计音频表征（连续 latent 或离散 codec token）及其与视频 latent 的时序对齐方案。 5. 通过 SFT / RL 后训练提升语音表现力、副语言表达（笑声、停顿等）与感知音质，并建立配套的评测体系与数据流程。任职要求1. 计算机、人工智能、电子、数学等相关专业，硕士及以上学历优先；具备突出项目或开源成果者，学历不限。 2. 具备扎实的生成模型基础（DiT、diffusion / flow matching、codec LM 等），熟练使用 PyTorch。 3. 在以下至少一个方向具备实践经验： - 原生音视频联合生成 - 基于 DiT / flow matching 的 video-to-audio 生成 - 端到端 / 全双工语音对话模型，或 Omni 多模态模型 - 视频生成，同时具备扎实的音频建模基础 加分项 - 参与过业界头部音画同出、Omni 或语音大模型的训练与落地 - 在 CVPR、NeurIPS、ICML、ICLR、Interspeech、ICASSP 等顶级会议发表过一作论文，或主导过有影响力的开源项目 - 具备万小时级音频数据的处理经验 - 具备语音或音频模型的流式实时部署经验
