ASR语音算法工程师, 上海

Job Description

ASR / 语音算法工程师

职位概述:

负责 语音识别（ASR） 全链路的算法设计与工程落地，覆盖 传统至中等规模声学—语言模型 的持续优化与 训练框架层面的二次开发；在 噪声、多语言与小语种、低资源 等难例场景下提升 准确率与效率，并建设 数据清洗、评测与扩增的自动化能力。同时能在 声道分离、情绪识别、VAD、语种识别、声纹识别 等 关联语音子任务 上完成 达到业务可用标准的优化与集成，并对 大模型时代的 ASR 新范式 保持探索与验证。

岗位职责

1. ASR 算法设计与实现

设计、实现并迭代 先进的语音识别算法（含声学模型、解码与语言模型协同、流式/非流式等），在目标场景下提升 字词错误率、鲁棒性与推理效率。

2. 系统优化与工程闭环

对现有 ASR 系统进行 架构、训练流程、数据处理与推理链路 的优化与改造；推动 可复现实验、配置化训练与监控，降低迭代成本。

3. 难例与多语言

针对 复杂声学环境（噪声、混响、远场等）、多语言与小语种 开展 数据策略、模型与训练策略 的专项优化；在低资源条件下形成可复制的优化路径。

4. 数据自动化

建设或完善 数据清洗、质量评估、自动标注辅助与数据扩增 流程与工具，使训练数据迭代 可度量、可回归。

5. 关联语音能力（兼岗粒度）

在 声道分离、情绪识别、VAD、语种识别（LID）、声纹识别（说话人验证/识别） 等任务上，能够独立完成 从基线到「及格可用」水平的优化，并与 ASR 主链路 对接与联调（不要求以各垂直为唯一主业，但需能兜底推进）。

6. 训练框架与集成

在 Wenet、FunASR、Whisper 系、NeMo 等至少一种主流框架上具备 源码级阅读与二次开发 能力；与 工程、产品、数据 等跨职能团队协作，保障方案 可部署、可维护。

7. 技术跟踪与文档

跟踪 ASR 及语音大模型相关 前沿（如大规模弱监督、LLM 增强 ASR/语音理解等），输出 可落地的技术判断与验证结论；编写 清晰的技术文档，代码保持 必要且规范的注释 习惯。

Requirements

任职要求

1. 学历与经验

本科及以上学历，计算机、电子工程、人工智能、信号处理 或相关专业；2 年及以上 语音 / ASR 或密切相关方向工作经验，有 完整 ASR 项目落地经验 者优先。

2. ASR 核心能力

熟悉 CTC 及 Transformer / Conformer 等主流结构在 ASR 中的应用与训练要点；理解 特征前端、声学模型、解码（含 WFST / 热词等常见工程手段） 的基本闭环。

3. 框架与工程

熟悉至少一种主流 ASR 框架：Wenet、Whisper、FunASR、NeMo 等，能说明其 数据流、训练入口与扩展点；熟练掌握 Python，精通 PyTorch（或 TensorFlow 且愿意以团队栈为准）；具备 Linux 环境下训练与调试 经验。

4. 数据与评测

熟悉 WER/CER 等评测及常见 数据增广（如 SpecAugment 类）；有 数据清洗、Bad case 分析与迭代 的实践经验。

5. 框架二次开发

具备 训练/推理代码阅读与改造 能力，能完成 自定义模块接入、分布式或流水线适配、性能与显存相关优化 中的若干项。

6. 职业素养

对语音识别有 持续热情，愿意学习新技术；工作 主动、负责，沟通清晰，具备 团队合作意识。

加分项：

• 噪声、远场、工业/电话信道 等场景下的 ASR 优化经验；多语言、小语种、低资源 数据构建与模型适配经验。
• 数据工程自动化：大规模音频扫描、脏数据规则、与 ASR 训练衔接的 ETL / 质检看板。
• 关联任务 之一有 上线或接近上线 经验：分离、情绪、VAD、LID、声纹。
• 流式 ASR、端侧/边缘部署、ONNX/TensorRT 等推理优化经验。
• 大模型 ASR / 语音大模型 的探索经验（如 Whisper 类弱监督、语音 LLM、多任务语音理解等），能说明 与经典级联或端到端 ASR 的取舍。
• 相关 顶会/专利 或 高质量开源贡献。

我们特别看重：

• 难例与数据闭环：能把 WER 变化 归因到数据、模型还是解码，而不是只调参。
• 框架级交付：能在 统一训练框架 内扩展，而不是只维护离线脚本。
• 边界清晰的多任务兜底：主责 ASR，对周边语音任务能 做到可用、能说清局限与交接条件。
• 文档与注释：他人能 基于你的文档和代码继续迭代。

面试事项

• 面试安排：2轮技术面试+1轮HR面

About AI Rudder

AI Rudder is an AI product company transforming how business communicate to their customers.

We launched in 2019 with one of the world’s first enterprise-grade AI voice agents: built to hold real, intelligent conversations, not just play back scripts. Today, we serve over 500 enterprises across 20+ countries, processing 50 million calls every day and having delivered more than 8 billion calls to date. Our customers range from fast-growing startups to large enterprises.

When AI talks to people, it has to feel human. That’s what we build.

How We Work

AI-first: AI isn’t a tool we reach for. It’s the default we start from. Every team, every workflow: AI-first.

Global Collaboration: We operate globally and work as one team. Distance is a logistics problem, not a cultural one. We build the habits that make distributed teams actually work

Communication Principle: Simple, Trust, Transparent. We remove unnecessary complexity so people can focus on what matters most.

What We Offer

• Learning & Development: Continuous learning through real projects, knowledge sharing session, mentorship, and cross-functional collaboration.
• Performance Recognition: Regular performance reviews, feedback, and opportunities for career progression.
• Global Exposure: Collaborate with international teams, global rotations, and work with global enterprise customers.
• Meaningful Impact: Build AI solutions that create real value for businesses around the world.
• Ownership & Autonomy: Freedom to take initiative and drive outcomes.
• Team Engagement: Team Building, Local & Global Gatherings & Local Events Celebration

AI Rudder is an Equal Opportunity Employer. We celebrate diversity and are committed to creating an inclusive environment for all employees and applicants.