快手Aigc美学工程师（可灵AI专项）
任职要求
1、AIGC 创作经验丰富，熟练使用 Midjourney、ComfyUI、可灵、Sora 等主流平台，具备视频、图文、音乐等多模态创作经验； 2、具备提示词工程与上下文工程能力，能为不同模型编写专业提示词链路、角色设定、结构化上下文、系统 prompt。熟悉如何通过 Prompt、参数、工作流配置、数据样例 多维度提升模型可控性与稳定性。能根据业务需求产出 模板化提示词体系 / Prompt Library； 3、前沿技术探索者，深度关注 AIGC 模型迭代，有自己的创作方法论沉淀，对行业趋势保持敏…
工作职责
1、模型效果探索与工作流构建：负责已有模型效果的摸高与探索，构建适合社区、发布链路等场景落地的 AI 创作工作流（含提示词链路与参数体系），设计最优的提示词策略、上下文编排策略； 2、跨部门方案落地：与内部产品、研发、特效技术中心深度协同，推动创意特效、社区内容、B 端解决方案等 AI 方案的落地与迭代； 3、趋势洞察与内容创新，持续跟踪前沿 AIGC 模型、创作趋势与玩法，产出可落地的功能、模板与效果方向，在社区端推动热点复刻、创意玩法孵化与 showcase 积累。
1、依托现有大模型技术，搭建和优化适合在内容生产、媒体剪辑等场景落地的AI工作流； 2、时刻跟进最新前沿AIGC工具，总结和探索AI训练、调教等流程，对创新效果负责，包括不限于AI特效、视频剪辑、3D动画等领域； 3、负责AI相关流程插件的开发，提升美术生产管线效率。
音视频生成大模型评测体系建设与演进及业务保障，负责包括但不限于视频生成大模型中音频生成模块（Audio Gen）及音视频一体化的算法效果。不仅是评测的执行者，更是评测体系的架构师，通过深度的算法归因分析，驱动音频 VAE等核心组件的算法优化和迭代。 1、音视频一体化评测体系建设： 1）音频生成与音频理解相关算法、评测方法及评测指标体系具有深入理解，熟悉常见视频与音频质量评估方法，能够结合业务场景设计合理的评测方案； 2）建立从底层算子（VAE, Latent Space）到上层生成效果的全链路评测标准； 3）定义并量化音画同步性、语义关联度、音频美学表现力等关键维度； 2、Benchmark 与方法论沉淀： 1）构建具有行业领先水平的音频生成 Benchmark，涵盖音乐、环境音、音效（SFX）及人声等； 2）沉淀主客观结合的评测方法论，包括客观指标（FAD、KL Divergence、IS、CLAP Score）与专家级主观评价量表（MOS, MUSHRA）； 3、深度诊断与归因分析：输出专业评测报告，深度分析，定位模型缺陷，如针对音频 VAE 压缩失真、音频扩散模型频谱缺失、相位扭曲等问题进行深度诊断，并给出改进建议； 4、前瞻性调研与实验：持续跟踪 AIGC 领域（如 ElevenLabs、Suno、Stable Audio等）前沿技术动态，将行业最新的模型能力和技术路线转化为可落地的评测方案； 5、评测工具与平台化驱动：参与或主导自动化评测工具与平台的开发，利用技术手段提升大规模音视频数据的评测效率，探索基于大模型的自监督评测（LLM-as-a-judge）等创新手段。
1、产品战略与规划： 深入洞察AIGC行业趋势、用户需求和竞争格局，负责AI图像生成模型及相关应用功能（Web & App）的中长期产品规划和迭代路线图； 2、核心功能与体验设计： 负责AI图像生成核心功能的完整生命周期，通过提升模型的可控性、表现力和易用性，系统性地优化用户创作体验，并探索与定义前沿的AI原生交互模式； 3、一体化工作流构建： 规划并推动图像与视频生成工作流的深度整合方案，打造连贯、高效的一体化创作体验，构建平台的核心竞争壁垒； 4、模型效果定义与驱动： 与算法团队紧密协作，将用户场景和产品需求，转化为清晰、可量化的模型效果评估标准。通过建立评测体系和反馈闭环，持续驱动算法模型在美学、可控性、真实感等方面的迭代精进； 5、数据驱动与用户洞察： 深度挖掘用户行为数据，结合定性/定量的用户研究和A/B测试，科学地评估产品表现，精准洞察用户核心意图与痛点，发现增长机会并驱动产品决策； 6、跨团队协同与项目管理： 作为项目核心，高效地与算法、工程、设计、运营、法务等团队沟通协作，确保产品高质量、按时交付，并达成预期的业务和数据目标。
1、产品战略与规划：深入洞察AIGC行业趋势、用户需求和竞争格局，负责AI创作工具/Agent（Web 端）的中长期产品规划和迭代路线图； 2、核心功能与体验设计： 负责AI创作工具核心功能的完整生命周期，通过对模型能力和用户痛点的挖掘，系统性地优化用户创作体验，并探索与定义前沿的AI原生交互模式； 3、一体化工作流构建：规划并推动图像与视频生成工作流的深度整合方案，打造连贯、高效的一体化创作体验，构建平台的核心竞争壁垒； 4、模型效果定义与驱动：与算法团队紧密协作，将用户场景和产品需求，转化为清晰、可量化的模型效果评估标准。通过建立评测体系和反馈闭环，持续驱动算法模型在美学、可控性、真实感等方面的迭代精进； 5、数据驱动与用户洞察：深度挖掘用户行为数据，结合定性/定量的用户研究和A/B测试，科学地评估产品表现，精准洞察用户核心意图与痛点，发现增长机会并驱动产品决策； 6、跨团队协同与项目管理：作为项目核心，高效地与算法、工程、设计、运营、法务等团队沟通协作，确保产品高质量、按时交付，并达成预期的业务和数据目标。