【LongCat实习】面向Agentic场景的语音交互大模型前沿研究

岗位描述

下一代智能体将彻底打破“键盘与屏幕”的束缚，语音将成为人类与AI协作最自然、最高效的入口。这要求模型不仅能“听懂”字面意思，还要能感知语气、情绪与环境音，并基于这些多维度的语音信息直接进行思考、规划与行动。本课题聚焦于构建端到端（End-to-End）的语音原生大模型，并将其深度融入Agentic工作流，打造“边听、边想、边说、边做”的新一代语音智能体，推动AI从传统的“级联式语音助手（ASR+LLM+TTS）… 【必要项】 1.本科及以上学历，计算机、人工智能、自动化、信号处理、数学等相关专业在读； 2.在以下一个或多个领域有较深入的研究或实践经验：音频/语音大模型（Audio-LLM /…