阿里巴巴算法工程师-AIGC数字人视频生成（T-Star Lab日常实习生）
任职要求
1、计算机/电子/人工智能/多媒体技术等相关专业，硕士及以上学历在校生； 2、 熟悉视频时序一致性处理、长视频生成、动作迁移或视频补全等技术。 3、精通 Python，熟悉 PyTorch / TensorFlow…
工作职责
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。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 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，期望参与最前沿的高表现力肢体表情驱动技术研发，通过先进的动作捕捉、表情合成和实时渲染技术，实现数字人自然流畅的表情和肢体动作，赋予数字人更真实的情感表达能力； 如果你，期望攻克数字人生成中的核心技术难题，例如基于扩散模型的高质量数字人生成、材质与纹理的高度还原、服饰动态效果的真实模拟，以及在复杂交互场景中保持人物和环境的一致性和自然度； 如果你，期望深入探索多模态统一大模型的应用，将图像、文本、音频等多模态信息融合，构建具备精细理解能力和强大生成能力的数字人系统，解决业界尚未突破的技术瓶颈； 加入我们，你的成果将直用于电商领域的核心场景，直播，客服，导购，影响数以亿计的用户，推动电商领域的数字化创新，并带来巨大的商业和社会价值。让我们一起定义未来数字人的无限可能！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 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，期望参与最前沿的高表现力肢体表情驱动技术研发，通过先进的动作捕捉、表情合成和实时渲染技术，实现数字人自然流畅的表情和肢体动作，赋予数字人更真实的情感表达能力； 如果你，期望攻克数字人生成中的核心技术难题，例如基于扩散模型的高质量数字人生成、材质与纹理的高度还原、服饰动态效果的真实模拟，以及在复杂交互场景中保持人物和环境的一致性和自然度； 如果你，期望深入探索多模态统一大模型的应用，将图像、文本、音频等多模态信息融合，构建具备精细理解能力和强大生成能力的数字人系统，解决业界尚未突破的技术瓶颈； 加入我们，你的成果将直用于电商领域的核心场景，直播，客服，导购，影响数以亿计的用户，推动电商领域的数字化创新，并带来巨大的商业和社会价值。让我们一起定义未来数字人的无限可能！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 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，期望参与最前沿的高表现力肢体表情驱动技术研发，通过先进的动作捕捉、表情合成和实时渲染技术，实现数字人自然流畅的表情和肢体动作，赋予数字人更真实的情感表达能力； 如果你，期望攻克数字人生成中的核心技术难题，例如基于扩散模型的高质量数字人生成、材质与纹理的高度还原、服饰动态效果的真实模拟，以及在复杂交互场景中保持人物和环境的一致性和自然度； 如果你，期望深入探索多模态统一大模型的应用，将图像、文本、音频等多模态信息融合，构建具备精细理解能力和强大生成能力的数字人系统，解决业界尚未突破的技术瓶颈； 加入我们，你的成果将直用于电商领域的核心场景，直播，客服，导购，影响数以亿计的用户，推动电商领域的数字化创新，并带来巨大的商业和社会价值。让我们一起定义未来数字人的无限可能！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper
当8K视频开始承载元宇宙的入口，当每帧画面都蕴含AI的智慧，阿里巴巴正引领全球视觉计算技术革命。我们为实时音视频频打造核心引擎，在视频会议、直播场景落地AI应用，用大模型重新定义视频语义理解——这不仅是技术突破，更是人机交互范式的颠覆。加入我们，你的算法将决定数十亿用户看见的世界 职位描述： 1. AI视觉大模型突破：构建多模态视频理解体系，攻关AIGC技术在企业协作场景的落地，包括但不限于音频驱动的视频数字人，AI Agent等 2. 图像与视频质量增强：研发基于AI的实时视频通信系统，在RTC场景实现压缩失真消除、动态超分、光流插帧等技术的工业级部署 3. 智能编码标准定义：优化AV1标准的落地开发，研发基于内容感知的编码算法、屏幕内容自适应算法 4. 感知计算架构创新：设计轻量化模型蒸馏方案，实现视频及图像等AI模型在移动端的部署；探索时空注意力机制在视频语义分割中的应用，构建低至30ms延时的在线处理流水线