快手AIGC数字人算法工程师-【商业化】
任职要求
1、具备数字人训练相关的算法背景，在此领域拥有丰富的实践经验，对业界前沿技术有深刻的认知与独到见解； 2、三年以上相关工作经验，精通 Python，并熟悉 Java/Go 语言；具备良好的编码规范和文档撰写习惯，以及优秀的面向对象设计能力； 3、拥有出色的问题抽象能力和系统架构设计能力…
工作职责
1、负责数字人生产管理端的核心架构设计与实现，高效管理直播口型同步与视频合成结果，并持续迭代数字人形象的自动化训练服务； 2、主导数字人形象的自动化训练流程，包括视频素材的上传、训练任务的智能调度、形象资产的存储与管理，以及最终的线上部署； 3、负责A2E (Audio-to-Expression) / E2V (Expression-to-Video) 实例的调度与状态维护，支持任务排队管理及短视频生产服务的实例调度。
如果你，期望在阿里巴巴生态的广阔场景中，借助海量用户数据和先进的技术能力，打造千人千面的个性化数字人形象生产系统，为亿级用户提供高度定制化的虚拟形象服务； 如果你，期望攻克高保真语音驱动（Speech-to-Video）的核心难题，研发业界领先的唇形同步、情绪化面部表情及肢体动作生成算法，实现从音频到视频的端到端极致还原，赋予数字人如同真人般的自然表达力与情感共鸣； 如果你，期望挑战实时流式生成的技术难题，探索扩散模型与自回归模型的极速推理优化，实现低延迟、高吞吐的视频流实时产出，打破离线渲染的局限，支撑起百万级并发的实时交互直播场景； 如果你，期望突破数字人与物理世界的边界，深耕复杂物体交互（Human-Object Interaction）技术，解决数字人在手持商品、展示道具等动态交互过程中的物理规律约束、空间一致性及遮挡还原难题，让数字人在导购、演播等场景中具备真实的物体操控能力； 如果你，期望深入探索多模态统一大模型的应用，将视觉、语音、文本与动作序列深度融合，构建具备精细环境感知与逻辑理解能力的数字人系统，在复杂的电商实景中实现人-物-场的高度协同与自然对答。 加入我们，你的成果将直接应用于电商领域的核心场景——AI实时直播、智能客服、交互式数字导购，影响数以亿计的用户。在这里，你不仅是在写代码，更是在通过流式架构与交互算法，重新定义未来数字人的无限可能！ 研究背景：在 AIGC 浪潮下，数字人已从早期的录像进化为动态实时生成。然而，业界仍面临三大核心挑战： 交互的自然度： 如何让数字人的肢体、表情与复杂的语音情感高度对齐，消除“恐怖谷”效应。 物理规律的缺失： 在电商直播等场景中，数字人需要手持商品、展示道具，如何解决手部交互（HOI）中的遮挡、形变及空间一致性是当前的技术深水区。 实时性的瓶颈： 扩散模型效果虽好但推理慢，如何实现低延迟的流式视频生成，是数字人从视频工具走向实时互动的必经之路。 研究课题： 基于扩散模型的高保真流式视频生成架构研究； 复杂场景下的人与物体交互（HOI）视频生成； 多模态情感驱动的全身动作与表情协同生成； 成长资源： 1、算力自由： 远离“算力焦虑”，专注于算法创新。 2、海量高质数据： 拥有业界独有的、极其丰富的多模态商业场景数据，未视频生成，HOI等前沿课题提供土壤。 3、鼓励顶会产出： 团队在保持业务领先的同时，高度重视学术沉淀。鼓励将研究成果总结并发表至CVPR、SIGGRAP、HNeurIPS 等顶会，支持参加国际学术会议，提升行业影响力。 4、工业界顶级专家的 1v1 指导： 团队由来自国内外顶尖院校的博士和工业界资深专家组成，实行“师兄制”，从学术论文投稿到工程落地全过程深度带教。
1、负责应用侧的流量接入、排队管理、状态管理等核心模块的设计与研发； 2、负责数字人直播中的脚本解析、TTS语音合成、商品展示、缓存策略等关键能力的设计与研发； 3、负责处理直播与视频生产指令，实现直播间的实时图层合成、视频转码、高效渲染与稳定推流； 4、基于大语言模型（LLM）对直播间实时评论进行分析，生成互动回复内容，并以口播形式无缝合入直播流； 5、应用前沿的多模态实时互动技术，支持并实现数字人在线连麦等创新互动功能。
1. 负责商业化广告创意大模型能力建设，基于 LLM / MLLM / Agent 技术，构建文案生成、笔记改写、卖点提炼、风格仿写、爆款内容解析等核心能力，提升创意生产效率与投放效果。 2. 研发面向广告场景的创意 Agent，围绕广告主诉求理解、行业知识注入、素材理解、创意路径规划、可控生成、多轮交互、质量评测等环节，构建自动化创意生产闭环。 3. 探索并落地大模型后训练与生成控制技术，包括 SFT、指令调优、偏好对齐、强化学习、Reward Model、RAG、文风建模等，提升生成内容的稳定性、相关性和投放竞争力。 4. 深入广告业务，结合行业特征、用户兴趣、搜索词、投放数据和历史优质素材，持续优化文案质量、点击转化效果、素材覆盖率和客户使用体验。 5. 建设生成内容评测与治理体系，包括幻觉检测、广告合规、文案质量评估、badcase 分析和负反馈治理，保障大模型能力在真实投放场景中稳定规模化应用。
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：火山方舟是火山引擎推出的一站式大模型服务平台，是中国大模型市场产品和份额领跑者。平台提供模型推理、评测、精调等全流程服务。方舟搭载了豆包及业界主流大模型，提供丰富的插件生态和AI应用开发服务，并通过稳定可靠的安全互信方案、专业的算法技术服务，全方位保障企业级AI应用落地。 1、优化Seedream系列模型，为模型的通用能力提升相关技术负责，包含图像理解、图像生成、图像编辑等前沿技术； 2、推动技术在内容创作/特效/素材生成/辅助设计等领域的应用； 3、参与技术规划制定，把握图像生成技术最新发展趋势。