【多模态生成音频大模型】（24年中稿A会一篇和B会一篇，1B在投，两份专利）
华为2012中央媒体技术院，base深圳，欢迎大家过来暑期实习、社招等
目标:多模态生成音频——技术涉及LLM大模型，多模态输入，音频生成
业务场景价值:手机平板PC车机的旗舰级终端设备的AIGC赋能，以及和数十亿科幻票房的电影工作室AIGC合作（参与国际电影节和商业电影）
工作职责:
1解决多模态音频生成的关键性问题，并发表论文和相关专利
（24年A会和B会各录取一篇，另外在投1B）
2把相关效果迁移到落地业务的链路
岗位要求:
1熟悉语音合成，音乐合成，音效合成，音频合成，图像合成，视频合成，多模态理解等任务至少一方面
2熟悉扩散模型，transformer，VAE，GAN等生成类模型
3有技术热情，动手能力强，态度严谨，能定位和分析问题
4发表过语音方向论文或者生成类任务论文优先
业务方向:给多模态文字、图像、视频输入生成AI音频，包括能给最近火热的sora生成的视频生成对应音效音乐
技术能力:清华联合培养项目合作，相关技术刚中一篇B会ICME，另外1A1B在投
技术方向:项目技术涉及LLM大模型，多模态，AIGC
具体可以加我微信详细了解（微信Lb36587）