深圳语音识别算法工程师
语音识别算法工程师是指负责设计、开发和优化语音识别算法的专业人员。他们主要工作是基于语音信号处理、机器学习和深度学习等技术，研究和开发能够准确识别和理解语音信息的算法模型和系统。这些算法工程师需要具备扎实的信号处理、数据挖掘、机器学习和语音处理领域的知识，能够熟练运用各种编程语言和工具进行算法设计和实现。他们还需要对语音识别领域的前沿技术和发展趋势保持敏感，不断优化和改进现有的算法模型，以提高语音识别系统的性能和准确度。除此之外，语音识别算法工程师还需要与团队成员密切合作，协同开发创新的语音识别技术，为实际应用场景提供更加智能和便捷的语音交互体验。
薪酬概览
平均月薪
¥40500
中位数 ¥0 ｜ 区间 ¥31000 - ¥50000
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
60% 人群薪酬落在 >30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
11月新增岗位
12
对比上月：岗位减少0
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 4 | 50% |
| 3-5年 | 4 | 50% |
热招职位
- 机械、控制、机器人、自动化、计算机、人工智能等相关专业硕士及以上学历，
- 理解机器人运动学、动力学及全身控制基本方法，具备较强的强化学习算法能力，熟悉深度强化学习在机器人控制中的训练、调参、评测与部署流程，能够结合具体问题进行技术选型与系统集成，
- 具备复杂机器人系统从仿真开发到实机部署、调试和迭代优化的完整经验，能够在真实机器人系统上定位和分析控制、传感、执行器、通信或系统集成相关问题，并推动闭环解决，
- 具备较强工程实现能力，熟练使用 C++ / Python，熟悉 PyTorch 等深度学习框架，能使用 legged_gym、Isaac Lab 或 mjlab 等开源训练框架开展训练、验证与部署调试，
- 具备复杂技术项目主导经验，能够独立完成技术方案设计、问题拆解、风险识别和跨团队推进，
- 有作为核心技术负责人、项目负责人或团队负责人推动关键技术攻关落地的经验者优先。
优先考虑
- 有基于强化学习的人形机器人行走（Locomotion）、上下肢协同控制（Loco-Manipulation），全身控制（WBC）相关经验，
- 有 sim-to-real、策略泛化与数据闭环相关经验，
- 有复杂接触场景控制、contact-rich manipulation、任务级动作执行等相关经验，
- 有大规模训练平台、分布式训练、策略部署优化或仿真基础设施建设经验，
- 有机器人控制、强化学习或人形机器人相关领域的高水平论文、开源项目，或在业界知名机器人项目中承担核心角色者优先。
你将获得的机会
- 参与定义机器人通用全身控制能力的核心技术路线，推动强化学习方法在真实机器人系统中的落地与演进，
- 面向产品化与量产场景，持续解决算法在实机部署、联调优化与复杂环境执行中的关键问题，
- 对关键技术方向、系统架构、团队建设和项目推进产生实质影响
1、 学历与经验：计算机科学、人工智能、自动化、机器人或相关专业本科及以上学历，具备相关算法/数据工程实践经验。
2、核心技术栈：
- 深入理解自动驾驶或机器人领域的数据质检体系与数据闭环方法论；
- 熟练掌握大模型微调技术（如SFT、LoRA/QLoRA、DPO/RLHF等），具备基于LLM/VLM构建自动化质检、评估或标注模型的实际经验；
- 熟悉主流深度学习框架（PyTorch等）及大模型生态工具链，了解向量检索、Agent工作流等数据应用架构。
3、工程能力：
- 精通 Python/C++，具备扎实的编程功底与良好的代码规范，熟悉分布式数据处理、流水线架构设计；
- 具备较强的系统设计与工程落地能力，能独立完成从算法原型到生产级服务的开发与部署。
4、综合素质：逻辑严谨、数据敏感度高，具备优秀的跨团队协作与项目管理意识；对具身智能与机器人技术有强烈热情，能快速学习并掌握新技术。
加分项
- 在 CVPR/ICCV/NeurIPS/ICRA/IROS 等顶级会议或期刊以第一作者发表过相关论文；
- 具备大规模第一人称视角（Egocentric）多模态数据集的处理、评测或标注体系搭建经验；
- 熟悉机器人软件栈（ROS/ROS2）及主流仿真平台（NVIDIA Isaac Sim/Omniverse、MuJoCo、PyBullet等），有 Sim2Real 实践经验优先；
- 熟悉主流机器人本体架构、传感器配置或底层控制逻辑，具备软硬件协同调试经验；
- 有高质量开源项目贡献、技术博客或社区影响力者优先。
1、 参与平安业务相关的文本分类、命名实体识别、文本相似性、语言模型、情感分析、用户行为分析等相关NLP工作；
2、 跟进NLP领域前沿技术，对现有产品和技术方案进行持续改进，同时探讨和开发新的产品。
1. 需求洞察与方案设计：深入客户业务一线，挖掘痛点，转化为技术方案。
2. 技术交付与集成：主导端到端交付，包括原型开发、系统集成、部署调试。
3. 项目管理与客户成功：独立管理项目全周期，推动落地并实现业务价值。
4. 反馈闭环与产品迭代：作为连接市场与研发的"神经末梢"，带回一线反馈。
1-深入理解经营分析、金融市场分析等业务需求，融合业务知识与数据分析技术，与业务团队协作，梳理分析目标与指标，制定合理的时序数据分析策略。2-负责时序数据的清洗、处理与特征工程，确保数据的准确性和一致性。3-熟练运用归因分析、假设检验等方法，深入挖掘数据背后的因果关系和规律，为业务提供数据驱动的洞察。4-开发高维时序数据分析方法，构建和优化时序预测模型，包括但不限于ARIMA、GARCH、LSTM等模型。5-开发基于知识图谱的图推理算法在经营分析场景的应用研究，包括但不限于RGCN，TRGC等卷积神经网络。6-熟练应用常用的机器学习和计量经济学模型，从模型的输出中提取有用信息，对黑箱模型进行解释分析，并在业务场景中合理运用并解释复杂模型的决策过程。7-了解模拟仿真技术，包括但不限于蒙特卡洛模拟、场景树生成、运筹优化算法等。8-编写详细的分析报告与技术文档，向业务和技术团队展示数据分析结果和模型应用效果。通过可视化工具清晰呈现时序数据分析的关键发现，支持业务决策过程。
1、业务介绍： 聚焦物流供应链，基于文本/图像/视频多模态数据，构建垂域多模态大模型，创新PT-SFT-RLHF方法论，赋能安全检测、违规巡检，降本增效。
2、岗位内容：负责垂域多模态模型继续预训练，视频理解等能力的攻坚。
3、研究内容：（1）基于物流供应链领域文本/图像/视频数据，探索构建垂域多模态大模型，创新提炼垂域适配的PT-SFT-RLHF各阶段数据构建、模型训练与评测方法论；（2）探索垂域多模态大模型前沿应用方向，提升垂域多模态基础能力，包括目标检测，视频分类，视频问答，视频描述等任务，赋能安全检测、违规巡检等业务，实现降本增效。
1.数据特征算法：负责多模态 3D 角色及动画、视频等数据的内容理解（如分类标签体系、embedding表征等），质量检测（数据识别检测、优质美学评价等），去重/聚类分析，数据合成等算法；
2.数据管线建设：负责 3D 角色及动画数据采集、筛选清洗、标注与质量评估管线的建设。与模型算法团队紧密配合，充分分析挖掘数据资源，建立自动化数据处理流程与机制，支持模型持续迭代；
3.数据实验分析：对模型训练数据进行详细分析，建立科学数据实验机制，识别样本不足、质量问题、配比不均衡等潜在问题，驱动数据优化提升数据覆盖、质量、多样性需求，最终带来大模型生成效果的持续提升。
技术架构团队缔造了微信后台的第一行代码，目前已成为集应用开发和基础研究于一身的重要部门。该团队创立了 WXG 内部开发者每日使用的 ABC（AI、BigData、Cloud）平台，其中包括 AI 应用平台、BigData 平台和 Cloud 平台。AI 应用平台承担了各项 AI 技术在具体业务中的落地功能，支持每分钟数千万次的调用。BigData 平台负责大数据分析和挖掘功能，每天支持上百万次的任务运行。Cloud 平台则负责计算和存储资源的调度功能，为庞大的在线服务系统以及 AI 和 BigData 的训练和推理任务提供支持。此外，该团队还负责微信消息系统、音视频通话、朋友圈、视频号和直播等基础功能支撑，为超过 10 亿用户的日常使用提供强有力的支持。
技术架构团队不仅负责应用开发，还致力于基础研究。该团队在 CV、ASR 和 NLP 等领域的 AI 算法预研方面表现突出，并成功将这些技术应用于实际业务。团队的研究成果被广泛运用于微信产品，提升了用户体验和产品竞争力。此外，该团队还积极参与学术交流和开源社区，持续推动着人工智能领域的发展。
1、具备扎实的机器学习基础和强悍的编码能力，能熟练使用 PyTorch；
2、了解大模型或者强化学习中的至少一个方向；
3、对 LLM Agent、多轮交互、长程任务规划、工具调用或机器人智能感兴趣；
4、具备较强的问题抽象能力，能够从真实场景中提炼出可交互、可验证、可扩展的任务。
【加分项】
1、有 ICML、ICLR、NeurIPS、ACL、CVPR 等顶级学术会议发表过有影响力研究成果的优先；
2、在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先；
3、主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先。
负责提升自动驾驶决策规划能力，结合自动车在实际场景中遇到的问题，开发安全、高效、拟人的行驶策略算法。包括场景理解、交互决策、运动规划等工作。
1. 学术背景： 计算机视觉、计算机图形学、机器人学或相关专业硕士/博士学位，扎实的数学物理功底与良好的科学素养；
2. 核心技术栈：
- 熟悉 3D 视觉 & 计算机图形学：多视图几何、SLAM、SfM、点云处理或神经渲染（NeRF / GS）。
- 精通 人体重建与估计：深入理解 人体参数化模型 / Human Mesh Recovery / Human Pose Estimation / Hand-Object Interaction / 动作捕捉技术，熟悉 动作生成（Motion Generation）算法。
- 了解 机器人学：运动学 / 动力学建模、强化学习（RL）或模仿学习（Imitation Learning）；
3. 工程能力： 熟练使用 Python / C++，有良好的编程习惯和工程思维；
4. 加分项：
- 在顶级会议或期刊发表过第一作者论文；
- 有大规模 Egocentric 数据集处理经验；
- 熟悉 ROS、ROS2、Isaac Sim 或 Omniverse 等仿真平台；
- 熟悉 机器人本体，善于学习新技术，对技术有充足热情。
1. 教育背景：计算机、电子工程、人工智能、自动化等相关专业硕士及以上学历；
2. 算法与理论基础：具有扎实的机器学习/深度学习基础，在 VLM、LLM、AIGC、RL、Robotics、3D Vision 等相关领域有相关研究或实践经验；
3. 编程与工具能力：熟练掌握 Python / C++，熟悉 Linux 环境与网络/性能分析；熟练使用 PyTorch 等至少一种主流深度学习框架，具备优秀的系统级代码实现能力；
4. 专业技能（以下A、B两项满足其一即可）：
[算法研究向]：具备独立开展高水平研究的能力，曾在 CVPR / ECCV / ICCV / CoRL / ICRA / NeurIPS / ICLR / ICML / SIGGRAPH 等顶会/顶刊上发表过学术论文；
[工程部署向]：具有丰富的模型工程或训练平台经验，熟悉大规模训练加速与剖析；或具备推理与端侧异构部署加速经验（如 TensorRT / ONNX 等），熟悉推理服务框架、容器编排（Docker / K8s）等。
5. 综合素质：对具身智能（Embodied AI）及机器人交互有浓厚兴趣；具备良好的跨团队沟通协作能力与复杂问题解决能力，能在“研究-工程-平台”多方之间高效推进项目。