岗位职责： 1.负责基于多模态输入（文本、语音、图像、动作指令等）的智能数字人系统研发； 2.构建端到端的数字人视频生成管线，实现语音驱动口型、表情、肢体动作的自然同步； 3.设计并优化流式语音交互架构，集成低延迟 ASR/TTS 与实时对话能力； 4.开发高并发、低延迟的音视频推流/拉流服务，支持直播、互动客服等场景； 5.探索 AIGC 技术（如扩散模型、NeRF、3D 生成）在数字人形象生成与动态渲染中的应用； 6.与算法、产品团队紧密协作，持续提升数字人的表现力、真实感与交互体验。 职位要求： 1.必备技能 熟悉多模态信息融合技术，有文本、语音、视觉等多源输入协同处理经验； 具备数字人视频生成系统开发能力，了解语音驱动面部动画（如 Wav2Lip、SadTalker、MuseTalk 等）或 2D/3D 数字人驱动技术； 精通流式 ASR/TTS 接入与优化，熟悉 WebSocket、gRPC 等实时通信协议； 掌握音视频推流/拉流技术（RTMP、WebRTC、SRT、HLS 等），能使用 FFmpeg 等工具构建媒体处理链路； 具备高并发后端服务开发经验，熟练掌握 Python。 2.加分项 有虚拟人、AIGC 视频生成相关项目经验； 熟悉大语言模型（LLM）与语音/视觉模型的协同推理。