快手音视频大模型算法工程师
任职要求
1、在计算机视觉/人工智能领域CCF-A类会议或期刊发表过高质量研究论文者，或在各类视觉和算法竞赛中取得显著成绩者优先； 2、熟悉常见的low-level图像处理方法，包括但不限于去噪、超分辨率等算法； 3、熟悉常见的传统编解码和AI codec优化技术，如H.265、VVC等标准等； 4、对AGI有强烈的热情和远见。
工作职责
1、负责研发基于diffusion的low-level视频处理算法，专注于提升算法性能，包括但不限于网络架构设计、算法优化、大规模数据处理以及Diffusion模型保真性提升； 2、负责研发基于diffusion的视频压缩和生成框架，致力于突破视频生成极限，涉及图像/视频压缩算法的创新设计和优化； 3、持续关注并分析国际前沿的AI技术动态，将最新的处理及编解码技术融入现有模型，为研发下一代基于AI的高效视频处理系统提供技术基础。
1、参与快手音视频大模型研发，内容包括视频处理大模型/编码大模型。其整体目标是用更少的码率，转出画质更好的视频，从而为用户带来更好的体验，实现压缩即智能； 2、负责点播/直播的处理大模型开发，探索超分等处理大模型算法上限，内容包括网络架构设计和优化，大规模数据处理， Diffusion保真性优化等； 3、负责点播/直播的编码大模型开发，探索AI codec的压缩上限，内容包括压缩网络框架设计和优化，与H.265等传统算法性能评估等； 4、跟踪国内外最新的前沿AI技术，融合处理和编码大模型，为公司研发出下一代基于AI的高效视频转码系统。
1、设计与研发LLM、VLM及音视频的大模型评测体系，支持大量的模型迭代与研发； 2、构建业务域场景的评测体系，支持各业务域的评测能力； 3、负责设计整体的评测体系、框架、以及大规模快速的分布式评测； 4、研发大模型评测框架与平台，能够可视化支持各种类型的评测。
1、算法方向：负责设计和开发多模态AI模型，包括但不限于音视频处理、图片理解、文档理解、表格理解等核心技术； 2、业务场景：将多模态算法应用于会议纪要生成、企业问答、智能文档创作等协同办公场景，提升办公智能化水平； 3、性能优化：优化多模态模型在实际应用中的性能和用户体验，包括延迟、准确性和资源利用效率； 4、产品协作：与产品团队紧密合作，深入理解用户需求，提供创新的AI解决思路； 5、技术建设：持续关注业界最新的技术趋势和研究成果，分享行业最佳实践，推动团队技术能力提升。
岗位职责：1、负责音视频产品音频技术开发，算法实现和优化；2、移动平台、跨平台代码移植和算法优化；3、音频前后处理算法如噪声抑制(NS)、增益控制(AGC)、人声增强、回音消除(AEC)等；4、大规模语音及歌声素材的分析处理；5、AI音乐生成、声音克隆等前沿技术开发和预研。