remotefruitFilter
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
Wissenschaftliche Forschung zur Echtzeit-Videogenerierung
Ziel sind interaktive Figuren mit realistischen menschlichen, stilisierten oder nichtmenschlichen Identitäten, die sprechen, reagieren und sich durch Mimik, Gestik und Körpersprache ausdrücken. Die Modelle sollen ein konsistentes Erscheinungsbild, stimmige Bewegungen und eine natürliche Verbindung zwischen Sprache und Bewegung ermöglichen sowie schnell und zuverlässig über längere Interaktionen hinweg generieren. Qualität, Steuerbarkeit und Effizienz stehen dabei im Mittelpunkt. Die Arbeit umfasst Streaming-Generierung, Fine-Tuning, Distillation, Inferenzoptimierung und Datenentwicklung. Mit großem Forschungsspielraum werden neue Ansätze erprobt und geeignete Eingriffe in Training, Daten, Evaluation oder Implementierung ausgewählt. Frühe Experimente, Demos und Erkenntnisse werden mit dem Team geteilt, um gemeinsam den weiteren Zeit- und Rechenaufwand zu priorisieren.
Streaming-Generierung
Streaming-Generierung · AufgabeDie Rolle entwickelt Modelle für reaktionsfähige Echtzeit- und Streaming-Interaktionen mit visueller Qualität und zeitlicher Konsistenz und untersucht Latenz, Kontinuität und das Verhalten bei längerer Generierung.
+5
- Fine-Tuning · Aufgabe
Die Rolle passt Videomodelle durch Fine-Tuning an neue Daten, Verhaltensweisen und Fähigkeiten an. Sie untersucht Trainingsziele und Konditionierungsmethoden und verfolgt aussichtsreiche Ideen bis zur Implementierung und Evaluation.
- Distillation · Aufgabe
Die Rolle nutzt Distillation zur schnelleren und effizienteren Generierung und misst die Auswirkungen auf Qualität, Latenz und Speicherbedarf.
- Inferenzoptimierung · Aufgabe
Die Rolle optimiert die Generierung durch modellseitige Ansätze und Laufzeitverbesserungen und misst deren Auswirkungen auf Qualität, Latenz und Speicherbedarf.
- Trainingsdatenentwicklung · Aufgabe
Die Rolle arbeitet intensiv mit Trainingsbeispielen, erkennt Abdeckungslücken und wiederkehrende Fehler, verbessert Kuratierung und Sampling und entwickelt Daten für das gewünschte Modellverhalten.
- Modellevaluation · Aufgabe
Die Rolle entwickelt Vergleiche, die Fortschritte und Fehler sichtbar machen. Sie kombiniert quantitative Messungen mit sorgfältiger Prüfung generierter Videos und der Interaktionserfahrung mit dem Modell.
- Fine-Tuning · Aufgabe
- Gehalt
- Annahme: Anstellung als Arbeitnehmer in Deutschland. Ob diese Bedingungen für die Stelle gelten, ist nicht vollständig belegt. Rechnerischer Jahresvergleich: 40 Stunden/Woche × 52 Wochen = 2.080 Stunden/Jahr. 32,37 € je Stunde × 2.080 Stunden, auf volle 100 € gerundet: ≈ 67.300 €. Einheitliche Vollzeit-Vergleichsbasis, keine Angabe der tatsächlichen Arbeitszeit dieser Stelle. Keine Berechnung des tatsächlichen Jahres- oder Teilzeitgehalts; zusätzliche Sonderzahlungen werden nicht hinzugerechnet. Statistischer Mittelwert (kein Median) für die breite ISCO-08-Berufsgruppe 2: Professionals. Eurostat SES 2022, Deutschland, April 2022: 32,37 € brutto je bezahlter Stunde. Vergleichsgruppe: Arbeitnehmer in Voll- und Teilzeit einschließlich bezahlter Werkstudenten, Unternehmen mit mindestens 10 Beschäftigten, Wirtschaftsbereiche B–S ohne öffentliche Verwaltung (O). Kein studentenspezifischer Wert, kein Anforderungsniveau und kein konkretes Stellengehalt. Bei deutschen Bildungsberufen sind öffentliche Beschäftigtendaten teilweise geschätzt; auch die amtliche Berufszuordnung ist mit Unsicherheit behaftet. Quelle: https://doi.org/10.2908/EARN_SES22_14 (Abruf 28.10.2026). Auswahl und deutschsprachige Erläuterung: RemoteFruit; Eurostat trägt dafür keine Verantwortung.
- Umfang
- Vollzeit
- Erfahrung
- Siehe Details
Deine Aufgaben
- Die Rolle entwickelt Modelle für reaktionsfähige Echtzeit- und Streaming-Interaktionen mit dauerhaft hoher visueller Qualität und Konsistenz. Sie untersucht Latenz, Kontinuität und das Modellverhalten bei längerer Generierung.
- Sie erforscht das Zusammenspiel von Erscheinungsbild, Mimik, Gestik und Körperbewegung und verbessert die Verbindung von Sprache und Bewegung über unterschiedliche Identitäten und visuelle Stile hinweg.
- Sie passt Videomodelle durch Fine-Tuning und Post-Training an neue Daten, Verhaltensweisen und Fähigkeiten an, untersucht Trainingsziele und Konditionierungsmethoden und verfolgt aussichtsreiche Ideen bis zur Implementierung und Evaluation.
- Sie beschleunigt die Generierung durch Distillation, modellseitige Ansätze und Laufzeitoptimierungen. Dabei misst sie Auswirkungen auf Qualität, Latenz und Speicherbedarf.
- Sie arbeitet intensiv mit Trainingsbeispielen, erkennt Abdeckungslücken und wiederkehrende Fehler, verbessert Kuratierung und Sampling und entwickelt Daten für das gewünschte Modellverhalten.
- Sie entwickelt Vergleiche zur Bewertung von Fortschritten und Fehlern und verbindet quantitative Messungen mit sorgfältiger Prüfung generierter Videos und der Interaktionserfahrung mit dem Modell.
- Sie liest relevante Forschungsarbeiten, reproduziert und adaptiert nützliche Ideen und teilt frühe Experimente, Demos und Erkenntnisse. Gemeinsam mit dem Team priorisiert sie den weiteren Einsatz von Zeit und Rechenressourcen.
- Sie schlägt Forschungsrichtungen vor, untersucht neue Ideen und entscheidet, ob neue Trainingsansätze, bessere Beispiele, geeignetere Evaluationen oder die Analyse von Implementierungsengpässen den sinnvollsten Fortschritt versprechen.
Das solltest du mitbringen
Vorausgesetzt wird Erfahrung im Training oder Fine-Tuning von Videomodellen oder verwandten generativen Modellen.
Erforderlich5 Punkte
- Erforderlich ist Erfahrung im Training oder Fine-Tuning von Videomodellen oder verwandten generativen Modellen.
- Erwartet wird die Fähigkeit, unbekannte Methoden schnell zu erlernen und Ideen in nützliche Experimente umzusetzen.
- Erwartet werden gutes Urteilsvermögen bei Experimenten, Eigenverantwortung und klare Kommunikation.
- Gesucht wird eine Person, die großen Forschungsfreiraum schätzt und daraus kontinuierlich nützliche Experimente entwickelt.
- Erwartet werden schnelle Iterationen und das frühzeitige Teilen von Ergebnissen.
Das wird angeboten
- Die Rolle bietet großen Freiraum, eigene Forschungsrichtungen vorzuschlagen, neue Ansätze zu untersuchen und kommende Arbeitsschwerpunkte mitzugestalten.
- Für Stellen mit Standort in den USA werden Gehalt und Unternehmensbeteiligung angeboten.
- Für Stellen mit Standort in den USA werden Kranken-, Zahn- und Augenversicherungen mit 99,99 % Beitragsübernahme sowie eine Mitgliedschaft bei One Medical angeboten.
- Für Stellen mit Standort in den USA gibt es 42 bezahlte freie Tage: 15 Urlaubstage, 10 Krankheitstage, 15 betriebliche Feiertage und 2 frei wählbare Feiertage.
- Für Stellen mit Standort in den USA werden Elternzeit und Unterstützung bei Kinderwunsch angeboten.
- Für Stellen mit Standort in den USA wird ein 401(k)-Altersvorsorgeplan angeboten.
- Für Stellen mit Standort in den USA steht ein Lifestyle-Budget von $500 pro Monat zur freien Verwendung bereit.
- Für Beschäftigte im Büro werden bei Stellen mit Standort in den USA kostenloses Mittagessen und Snacks angeboten.
Passt die Stelle? Öffne mit Premium den Bewerbungsweg.
Bewerbungslink freischaltenVeröffentlicht: 13.10.2026 · Quelle geprüft: 03.11.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.