一、基础要求：年 龄：35-40岁；性 别：不限；学 历：本科；工作经验：5年以上。

二、工作地点：base重庆

三、待遇范畴：40-60K（能力优秀者可谈）

【岗位职责】：‌

1、图像与视觉生成核心（70%）

Wav2Lip/SyncNet 的损失函数设计、实时推理优化，以及语音特征（Prosody、F0）驱动面部微表情的技术细节。

研发文本/语音→视觉生成链路，重点攻克多视角一致性、光影渲染、时序稳定性等关键问题。

构建实时视频生成引擎，集成扩散模型（如Sora技术栈）、3D渲染（Blender/Unity）及后处理模块。

设计数字人资源压缩方案（Mesh简化、动态纹理贴图压缩）。

2、大模型与语音技术融合（30%）

开发语音驱动唇动模型（LipSync），提升跨语种、复杂发音场景的同步精度（Wav2Lip/EMO优化）。

搭建多模态驱动框架：集成LLM生成文本（如情感化对话脚本）→ TTS 语音 → 唇动/表情的端到端流程。

实现语音-视觉联合优化：通过音频特征增强面部微表情生成（如Audio2Head技术迭代）。

3、工程落地与部署

主导算法服务化（gRPC/HTTP API）、高并发推理优化（TensorRT/模型量化）。

支持数字人SDK开发，适配云渲染、移动端轻量化等场景。

【任职要求】：‌

硬性条件：硕士及以上学历，计算机/人工智能/图形学相关专业

5年以上生成式AI算法研发经验，其中3年+专注数字人/虚拟形象生成领域

技术能力

1、图像/视觉核心能力（70%权重）

精通 3D生成技术（3DMM、NeRF、神经渲染），熟悉Mesh变形、骨骼驱动原理

掌握视觉生成模型：Diffusion Models（Stable Video Diffusion）、GANs（StyleGAN3）的调优与部署

具备视频生成工程经验：帧插值、超分、时序抖动消除等后处理技术

2、大模型与语音技术（30%权重）

熟悉LLM应用开发：文本生成对话系统（LLaMA/GPT微调）、提示工程

精通语音视觉对齐：LipSync模型（Wav2Lip/SyncNet）的损失函数设计与实时优化

了解多模态融合：CLIP引导生成、语音特征提取（Prosody, F0）驱动表情

3、工程能力

熟练使用 PyTorch/TensorFlow ，有分布式训练经验者优先

掌握模型服务化技术： Triton推理服务器、动态批处理、GPU内存优化

熟悉C++/Python高性能计算，有CUDA算子开发经验加分

加分项

在SIGGRAPH/CVPR/ICCV发表过3D生成/神经渲染相关论文

主导过日活超1万+ 的数字人产品算法落地

熟悉WebRTC实时通信与面部追踪（ARKit/MediaPipe）

团队定位

您将加入公司AIGC核心技术团队

设计说明

技术权重实现

图像70%：职责中4项视觉任务占3项，技术要求中视觉技能条目数量与深度远超语音模块

语音+大模型30%：聚焦LipSync优化与LLM-TTS集成，避免扩散入语音细节。

五、万博恒猎头联系方式：

手机：15012826929(微信同)

座机：0755-32925479

官网：http://www.wbhglzx.com

简历投递邮箱：wanboheng4131@qq.com

返回上一页

返回首页面