remote 算法工程师(偏重 TTS 真人语音合成方向)22K-35k 算法工程师(偏重生图生视频 & 人物一致性方向)22K-35k

2 小时 27 分钟前
 andyxinweimin

算法工程师(偏重 TTS 真人语音合成方向)

22K-35k

JD 1:AIGC 音视频融合研发工程师(偏重 TTS 真人语音合成方向) 岗位职责

  1. TTS 语音生成与真人音色合成:搭建、调试真人音色 TTS 工作流,完成音色复刻、情感语调调控、韵律优化、长文本断句与停顿处理,解决音色失真、机械感、断句生硬等问题,输出高自然度真人语音;负责语音批量生成、音色库沉淀、音素对齐与降噪后处理。
  2. 音画联动与内容生产:结合 ComfyUI 图像 / 视频生成链路,实现文生图、文生视频、图生视频、视频插帧,完成 AI 角色图像、动态视频素材生产;重点对接 TTS 音频,实现音画同步、口型匹配,支撑 AI 角色成片交付。
  3. 人物一致性与画面修复:落地视频换脸、人脸特征对齐、时序一致性控制,使用人脸检测对齐能力修复人脸扭曲、画面闪烁、人物漂移问题,保障视频角色形象稳定,适配配音成片需求。
  4. 工作流沉淀与自动化集成:沉淀提示词模板、LoRA 配置、TTS 参数模板、音视频联动 SOP;使用 Python 开发批量任务脚本、调用 ComfyUI 与 TTS 接口,打通文本→语音→图像→视频全链路自动化,管控 GPU 算力、生成耗时与内容良品率。
  5. 业务迭代与效果调优:基于业务反馈优化语音自然度、视频画面质量、音画匹配效果;配合 AI 角色、互动内容业务,完成音视频素材迭代、效果验收与交付。 任职要求
  6. 1–3 年 AIGC 音视频 / 语音生成实战落地经验,可独立完成 TTS 音色调优、ComfyUI 生图生视频工作流搭建与内容交付,学历不限。
  7. 精通 ComfyUI,可独立搭建复杂图像视频工作流;熟悉 SD、FLUX、LTX 等生成模型,掌握 ControlNet、LoRA 调参使用;熟悉 MTCNN、RetinaFace 人脸检测对齐,能解决视频人物一致性、画面闪烁问题。
  8. 熟悉 TTS 真人语音合成链路,了解主流开源 TTS 框架,掌握音色复刻、情感控制、音频后处理基础,有音素对齐、音画同步落地经验优先。
  9. 具备基础 Python 能力,可写批量处理脚本、调用 API、串联 TTS 与图像视频生成链路,排查链路报错。
  10. 具备音视频审美与质量判断力,可使用剪映 / Premiere 做基础剪辑、音频降噪、成片后期。
  11. 简历附带落地作品 / 案例,标注用到的模型、TTS/ComfyUI 工作流、个人负责模块、解决的核心问题。 加分项

简历投递 linlinli88200@gmail.com

算法工程师(偏重生图生视频 & 人物一致性方向)

22K-35k

D 2:AIGC 图像视频生成研发工程师(偏重生图生视频 & 人物一致性方向) 岗位职责

  1. 图像与视频生成工作流搭建:基于 ComfyUI 搭建稳定可复用的文生图、图生图、文生视频、图生视频、视频插帧工作流,支撑业务批量素材生产,把控画面风格、构图、画质稳定性。
  2. 人物一致性与视频画质优化:落地视频换脸、人脸特征融合、人脸时序对齐,使用人脸检测对齐能力持续解决人脸变形、面部闪烁、人物漂移、身份丢失等时序一致性问题,保障 AI 角色跨帧形象统一。
  3. 工作流沉淀与自动化交付:沉淀提示词库、LoRA 参数配置、ControlNet 控制方案、标准化 SOP;使用 Python 编写批量处理脚本、对接生成接口,自动化调度图像视频任务,优化推理速度、控制 GPU 算力成本,提升产出良品率。
  4. 音视频链路协同:配合 TTS 语音合成链路,对接音频输入,支持口型驱动、音画同步成片;按需输出配套图像、动态视频素材,支撑 AI 角色互动内容成片交付。
  5. 业务效果迭代调优:根据业务侧反馈迭代画面风格、角色形象、动态效果,持续优化生成质量,完成 AI 角色相关图像、短视频素材的验收与交付。 任职要求
  6. 1–3 年 AIGC 图像 / 视频生成实战落地经验,能够独立完成 ComfyUI 工作流搭建、效果调优、批量内容交付,学历不限。
  7. 熟练使用 ComfyUI,可独立搭建、调试复杂图像视频链路;熟悉 Stable Diffusion、FLUX、LTX 系列生成模型,熟练运用 ControlNet、LoRA 做风格与人物约束。
  8. 熟悉人脸检测、对齐、图像融合相关方案,了解 MTCNN、RetinaFace,能够独立排查并解决视频人物一致性、画面时序闪烁类问题。
  9. 具备基础 Python 编程能力,可编写批量脚本、调用接口、调试工作流、串联上游 LLM / 提示词链路。
  10. 具备画面审美与内容质量判断能力,可使用剪映或 Premiere 完成基础剪辑、调色、成片后期。
  11. 简历需附带本人落地案例 / 作品,注明所用模型、ComfyUI 工作流、个人负责模块、解决的核心画质与一致性问题。 加分项

两份 JD 同源冗余:核心能力池一致,只是权重倾斜不同,JD1 重心放在 TTS 真人音色合成 + 音画同步,JD2 重心放在 ComfyUI 生图生视频、人物时序一致性、换脸画质优化,业务目标都是 AI 角色互动内容生产。

简历投递 linlinli88200@gmail.com

112 次点击
所在节点    酷工作
0 条回复

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/1257560

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX