算法工程师-CV方向

AI算法工程师（多模态方向）

关于我们
本公司是香港牛道集团的深圳分部，是一家着眼于未来的初创公司。我们正全力打造一款基于AI的情绪陪伴智能硬件产品，旨在通过尖端的多模态技术（融合视觉、语音、触觉等）实时感知用户情绪，并生成高度拟人化的反馈与交互。我们的愿景是，通过AI技术赋予产品“类人化”的情感表达与交互能力，使其成为用户独一无二的情感伴侣，共同开启AI陪伴的新纪元。

职位概述
我们正在寻找一位兼具图像识别与智能语音交互全链路技术能力的资深AI算法总监。您将作为公司的核心技术领袖，全面负责和主导产品多模态AI战略的制定与落地，带领并组建AI算法团队，攻克从视觉感知到语音对话的各项技术挑战，驱动一款开创性AI产品的诞生与迭代。

岗位职责
1.技术战略与架构设计：
主导公司AI技术的长远发展蓝图与路线规划，尤其是在多模态情感计算领域。
设计并构建AI陪伴产品的核心算法架构，确保图像与语音两大技术方向的深度融合与协同。
全面负责从语音唤醒、语音识别（ASR）、大语言模型（LLM）接入与融合，到语音合成（TTS）的全链路技术方案设计与实现。
2.核心算法研发与领导：
领导团队进行核心算法的研发、优化与部署，覆盖图像与语音两大模块：
视觉感知：指导高精度、轻量化的实时表情识别、手势识别（15种）、及食物/水果种类识别（约50种）模型的开发与优化。
语音交互：领导团队解决网络延迟、模型推理耗时等问题，实现接近真人对话的低延迟、可打断的流畅沟通体验。
3.算法部署与性能优化：
指导算法模型在嵌入式设备（如瑞芯微RK系列芯片）上的高效部署。
领导团队进行模型的轻量化设计，包括不限于模型压缩、量化、剪枝及蒸馏，并构建高性能推理引擎（如TensorRT,ONNXRuntime），以满足端侧的低延迟与高能效需求。
4.多模态融合与前沿探索：
探索并实践语音、文本、表情、动作等多模态信息的融合策略，让产品的交互更具表现力和情感感知力。
持续关注并研究AIAgent、具身智能等前沿技术，并将其应用于产品迭代中。
6.跨部门协作与产品落地：
与硬件、嵌入式开发、产品及市场团队紧密合作，确保技术方案与产品需求和商业目标的精准对齐。
强力推动技术方案的最终产品化落地，并构建数据闭环，通过数据收集与标注持续迭代模型性能。

任职要求
1.计算机科学、人工智能、模式识别、电子信息等相关专业硕士及以上学历（能力特别突出者可放宽至本科）。
2.五年以上AI相关领域研发经验，其中至少三年以上担任技术领导或研发团队管理角色。
3.在图像识别和智能语音交互两大领域均具备深厚的技术功底和成功的项目落地经验。
4.视觉技术能力：
精通人脸检测、表情识别、目标检测等计算机视觉核心技术，熟悉CNN、ResNet、VisionTransformer等模型。
具备丰富的模型轻量化实战经验（剪枝、蒸馏、量化），并熟悉TensorRT/OpenVINO/RKNN等至少一种部署工具。
5.语音技术能力：
拥有伪流式全链路语音交互项目的实战经验，深刻理解并实现过VAD、ASR、LLM、TTS的整合链路。
熟悉主流ASR或TTS模型（如CTC,Transducer,VITS），以及麦克风阵列处理和远场语音增强方案。
熟悉主流LLM（如Llama,GPT系列,GLM等）的API接入及微调技术（如LoRA,QLoRA等）。
6.精通Python，熟悉C++/C，并熟练掌握PyTorch/TensorFlow等至少一种主流深度学习框架及OpenCV等开发包。
7.拥有智能硬件/IoT设备AI算法的量产落地案例。

加分项：
1.主导或核心参与过情感计算、人机交互、AI玩偶、智能音箱、机器人等相关产品的研发，且产品有成功量产经验。
2.熟悉多模态模型（如LLaVA）并有相关项目实践经验者优先。
3.熟悉ROS、机器人运动控制或嵌入式开发者优先。
4.在CVPR、ICCV、ACL、ICASSP等顶级会议或期刊发表过论文者优先。

我们能为您提供：
作为早期核心成员，您将有机会从零到一地定义一款开创性的AI产品。
提供极具市场竞争力的薪酬待遇（14薪）加技术分红，具体细节面议。
提供充足的研发资源、灵活的工作机制以及住宿。

工作地点：深圳莲塘

我们热切期待对打造有温度、有智慧的AI伙伴充满激情，并具备上述卓越专业能力的您加入，与我们一同开启人机交互的全新篇章！