哔哩哔哩
bilibili-音视频生成算法工程师
bilibili-音视频生成算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
本科
机器学习工程
Deepspeed
Diffusion Model
Moe
Pytorch
Rlhf
Sft
Vae
分布式训练
多模态生成
AI 估算 · 35k–70k
音视频生成是前沿方向，人才稀缺，B站大厂平台，资深岗位薪资高，15薪。
职位详情
关于这个职位
该岗位负责哔哩哔哩下一代音视频生成大模型的核心算法研发，包括文生音视频、图生音视频、长视频生成等技术方向
作为核心算法工程师，你将独立牵头算法方向，设计模型架构并推动算法在业务中落地
适合具备扎实深度学习功底、有音视频生成经验的资深算法人才
最低要求
本科及以上学历，计算机、人工智能、深度学习、多媒体技术等相关专业，具备扎实的深度学习、多模态生成技术功底
熟练掌握PyTorch框架及分布式训练技术，具备Diffusion model、MOE、VAE、SFT、RLHF、模型蒸馏中至少两项核心技术的落地实践经验
具备音视频生成相关算法经验，精通多条件参考生成、图像/视频/音频生成与编辑、视频超分、插帧补帧、人物形象一致性、多镜头融合、音画同步等核心技术模块
具备扎实的算法研究与迭代能力，擅长拆解多模态生成核心算法难题，可独立设计实验方案、分析算法case、提炼优化思路，持续完成模型算法效果迭代升级
可独立全权负责核心算法方向，覆盖算法问题定义、模型架构与算法方案设计、数据算法闭环、评测算法指标体系搭建、模型训练调优、算法效果验证与迭代全流程
工作职责
负责下一代音视频生成MOE多模态大模型核心算法研发与迭代，聚焦文生音视频、图生音视频、多参考条件生成、视频续画、长视频连贯生成等多模态统一生成算法体系的优化与创新，攻克多任务融合生成的算法难点
独立牵头核心算法方向全流程研发，自主完成算法问题定义、生成模型架构设计、核心算法方案迭代、训练数据算法闭环构建、量化评测算法体系搭建，针对性优化模型生成效果与算法性能
联动数据、评测、内容等团队，基于算法实验结果与量化指标，制定模型优化迭代方案，聚焦多模态生成算法能力升级，推动音视频生成算法效果落地与规模化最优迭代
自主设计系统性算法对照实验，深度复盘实验失败案例、定位算法缺陷与瓶颈，针对性优化模型生成精度、画面连贯性、音画一致性等核心指标，持续迭代升级生成算法能力
优先资格
具备大规模多模态生成模型完整训练、迭代及工业落地经验
熟悉CUDA/Triton、DeepSpeed、FSDP、Megatron、Ray、Slurm等高性能训练、推理及集群调度工具
拥有高质量AI开源项目、顶会论文、音视频生成优质Demo成果
具备长视频生成、多模态统一大模型、MOE稀疏模型落地实战经验者优先
AI 洞察
优缺点分析
优点
- 大厂平台，资源丰富，有完整的算力和数据支持
- 团队协作，参与核心项目，有较大影响力
- 需要独立推动项目，对综合能力要求高
- 快速迭代，可能需要高强度工作
- 适合具备扎实算法功底、对多模态生成有热情、能独立负责复杂技术方向的经验型工程师
缺点 / 挑战
- 技术前沿，挑战性高，能快速积累生成式AI的顶尖经验
- 算法难题多，研究压力大，需要持续创新
角色解读
- 从算法工程师成长为技术专家或技术负责人
- 深耕多模态生成领域，成为AI内容生成方向的领军人才
- 有机会参与顶会论文发表和开源项目，提升行业影响力
- 负责音视频生成大模型的核心算法研发，包括文生音视频、图生音视频等生成任务
- 设计并优化模型架构，解决多条件生成、长视频连贯性、音画同步等算法难题
- 与数据、测试、内容团队协作，推动算法在业务场景中落地
- 扎实的深度学习基础，熟悉PyTorch和分布式训练
- 掌握Diffusion Model、MOE、VAE等生成模型技术
- 具备音视频生成、编辑或相关计算机视觉经验
申请策略
- 展示对B站内容生态的理解，说明算法如何改善用户体验
- 体现独立解决问题的能力和算法迭代思维
- 突出音视频生成或相关生成模型的项目经历，尤其是完整落地案例
- 强调熟悉多种生成技术（Diffusion, VAE, MOE）及分布式训练
- 如果有顶会论文或高质量开源项目，重点展示
- 复习并深入理解Diffusion模型、MOE等最新论文
- 熟悉DeepSpeed、Megatron等分布式训练工具
- 准备音视频生成demo，展示个人能力
面试指南
- 用STAR法则回答项目经历，突出个人贡献和结果
- 从算法原理、数据、训练、评估四个维度展开技术问题的回答
- 体现实验对比和迭代优化的思路
- 请介绍你参与过的音视频生成项目，难点和解决方案是什么？
- 如何设计一个视频续画模型？你如何保证连贯性？
- 在分布式训练中，如何优化通信效率？
- 你对MOE稀疏模型在大模型中的作用有什么理解？
- 如何评估生成视频的质量？你设计过哪些评测指标？
职位点评
75
综合评分
高速增长赛道的核心技术岗，前沿生成算法，薪资潜力高，但WLB不明朗。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
该职位最适合追求技术成长和前沿创新的求职者，他们对生活工作平衡要求适中。
表现最好
成长发展
相对薄弱
工作生活
薪资福利72
成长发展95
工作生活55
使命价值72
薪资福利
72中等
职位薪资未披露，但作为大厂资深算法岗，通常薪酬待遇优厚，但存在不确定性。
薪资信号未披露（AI估算：35K-70K/月）
成长发展
95较高
该职位处于音视频生成前沿领域，技术迭代快，成长空间大，且有完整算法闭环实践机会。
技术前沿前沿/新兴技术
技术栈PyTorch、Diffusion Model、MOE、VAE、SFT、RLHF、分布式训练、音视频生成
业务类型profit_center
工作生活
55较低
工作地点上海，但未提及弹性工作或远程，算法岗通常工作强度较高，WLB一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
72中等
音视频生成是高速增长赛道，但岗位更偏技术实现，社会价值间接体现。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs