阿里巴巴达摩院|招聘3名Full-time语音方向研究型实习生(新加坡)

针对会议场景语音识别和口语理解中的一些关键挑战，包括真实场景的标注数据缺乏、语音识别和口语理解在会议场景的鲁棒性、多语言的高效大规模模型训练的有效架构，开展以下的研究：

1、对语音识别任务中，真实场景的训练数据不足的问题，设计有效的语音对抗样本生成技术，同时基于数据增强和弱监督对抗训练技术提升语音识别在复杂场景下的识别准确率；

2、通过探索大规模语音识别预训练和半监督学习，提高开发训练和部署的效率和针对多语种多场景的高鲁棒性和通用性； 

3、开展关于大规模多语言语音识别模型架构设计、高能效大规模模型训练、大模型多语言语音预训练模型下游任务迁移、知识融合预训练声学和语言模型等关键技术的研究，致力于设计出能容纳多种语言的大规模多语言语音识别训练模型的搭建和训练；

4、针对口语特点提升文本预训练模型的鲁棒性，并结合语音-文本联合表征的研究，提高语音识别下游的口语理解的性能。

数据增强技术、预训练和半监督学习技术、以及语音识别模型架构技术，提升模型在复杂场景的鲁棒性和通用性。针对口语特点，通过预训练以及语音-文本联合表征技术，提升会议场景下口语理解的性能。