职责描述
你会做什么:
- 参与 Agent 业务包开发:写提示词和需求说明,开发 Agent 调用的工具(Python 命令行工具)和产物校验器
- 把老师、教研的反馈转成规则和检查项,提高生成内容的可用率
- 分析任务运行记录(步数、token 用量、花费、失败原因),找出浪费和不稳定的环节并优化
- 开发和维护平台接口(FastAPI)和内部演示页面
- 部署和评测开源语音模型:语音合成(如 Qwen3-TTS)、音色设计与克隆、语音识别和强制对齐,并把它们做成服务接口
- 改进数字人视频合成:绿幕抠像、边缘处理、画面布局、音画同步
- 调研和试验开源数字人 / 口型驱动模型(如 EchoMimic、LongCat-Video-Avatar),比较效果、速度和显存占用
- 搭建质量检查:用语音识别回写配音核对错字、检查口型同步和字幕时间轴
- 研究提速方案,例如长视频分段并行生成
我们希望你:
- 计算机、软件、人工智能或相关专业,本科大三及以上或研究生在读
- Python 熟练,能独立写出结构清楚、可测试的代码;熟悉 Git 和 Linux 命令行
- 用过大模型 API(OpenAI 兼容接口等),了解提示词设计和结构化输出(JSON Schema)
- Python 熟练;熟悉 PyTorch,能在 GPU 服务器上独立部署和调试开源模型
- 熟悉 ffmpeg 和 OpenCV,了解视频编码、帧率、采样率等基础概念