岗位职责
- 参与快手kling多模态视频生成的研发和落地工作（实习生以发论文为主），包括但不限于: t2v，i2v等基础模型研发、多模态可控视频生成编辑、世界模型等；
- 探索将多模态大语言模型mllm如deepseek/qwen相关技术与视频生成相结合，包括但不限于：提升kling视频生成的多模态理解、推理、多轮交互能力等；
- 探索将语音和视频生成相结合，包括但不限于：语音驱动的视频生成，有声视频等；
- 探索实时可拓展的多模态视频生成技术，提升多模态视频生成的质量和效率等；
- 在顶会顶刊上发表研究成果和开源代码，提升团队在多模态视频生成等领域的学术声望。
职位要求
- 熟悉视频生成基础模型如SVD、Sora、meta moviegen、hunyun video等；
- 熟悉多模态大语言模型（deepseek/qwen等）、多模态理解生成、世界模型优先；
- 熟悉语音驱动视频生成、语音生成优先；
- 有多模态大语言模型、图像/视频生成、3D生成大规模训练和数据清洗经验者优先；
- 学习能力强、自驱、代码能力强、善于解决问题者优先；
- 有一作顶会或顶刊论文发表经历或相关知名大模型开源项目者优先。 可灵欢迎优秀同学加入： 团队大部分实习生是cuhk/hku/hkust，清北浙等高校的优秀博士生，大家合作交流密切。欢迎优秀同学加入！
