腾讯游戏-语音大模型数据策略产品经理-端到端同传

1.建设多语种语音大模型（端到端同传、ASR、TTS等）训练数据体系，覆盖中文、英语、阿拉伯语、俄语、土耳其语、泰语、印尼语、越南语等20余个语种。与算法/产品团队协同，评估数据缺口，针对语种特点和模型需求制定数据建设路线与优先级； 2.统筹标注标准和标注资源，定义语音模型高表现力指标，为提升模型在音色多样性、韵律表现、副语言信息、情感表达、表达张力、流式自然度等方面表现提供数据方案；解决多语种在语音同传、翻译场景下的表达习惯、文化适配等问题； 3.建立数据生产规范，搭建智能化数据生产管线，覆盖清洗、预处理、加工、精标、验收等环节，提升中/低资源数据获取效率和质量；主导数据合成、Agent驱动数据生成等智能化数据生产技术的探索和应用，持续生产高质量训练数据，并把控数据合成与采集的合规风险。统筹数据供应商，负责供应商选型、交付标准制定与质量审计； 4.建立主客观结合的数据评价体系，统筹高质量评测集，开展数据质量评估和分析调优。跟踪数据配比与血缘，通过训练效果、离线评测、用户反馈及 Bad Case分析进行模型效果的数据归因，持续优化数据策略、结构与分布； 5.持续关注语音大模型前沿技术发展，沉淀多语种适配经验与数据方法论，形成可复用的标准，持续提升数据生产质量与效率。