最近一段时间，团队把主要精力都放在了大模型与多模态能力在短剧出海业务链路上的实际落地。踩了一些坑，也沉淀了一些可复用的方法。写这篇内容，一方面是阶段性复盘，另一方面也想和做同类方向的朋友交流一下，如果你正好在做文本翻译、视频内容理解或者 AIGC 生成相关的算法工程，欢迎在评论区聊聊你的做法。
背景：短剧出海为什么需要大模型应用
短剧出海不是一个新概念，但近两年明显进入了快车道。国内生产的短剧内容，要快速推向海外市场，面临的并不是简单的语言翻译问题，而是一整套内容再生产流程：剧情文本处理、字幕译制、口型适配、文化梗替换、素材结构化、投流素材生成、多语言版本管理......任何一个环节的效率瓶颈，都会直接影响投放节奏和 ROI。
传统做法依赖人工翻译 + 剪辑团队，成本高、周期长。大模型和多模态能力的成熟，让这件事有了新的解法：用 LLM 做剧情理解与文本改写，用 CV 做画面元素识别，用生成模型做宣传物料，用 Agent 串起整条链路。我们团队目前主要在做的，就是把这条链路尽可能自动化、产品化。
核心技术方向
我们的工作不是纯研究，而是端到端的应用落地。从模型选型、验证、微调到工程化接入，每个环节都需要有人主导推进。具体涉及几个方向：
- 视频内容理解与结构化
对短剧进行场景切分、人物识别、剧情摘要提取、情绪曲线分析。这部分会用到多模态理解模型，也需要针对短剧这类垂直内容做数据标注和模型微调。目标是把一部非结构化的视频，变成可检索、可组装的素材库。
- 文本翻译与剧情文本处理
翻译是短剧出海的基础设施，但不是简单的 word-by-word 翻译。要保留剧情张力、角色语气、文化适配性。我们目前在尝试用大模型 + 术语库 + 风格控制的方式做译制，同时结合剧情上下文做一致性优化。这块对算法工程师的要求是：既要有翻译相关经验，也要理解大模型的 prompt engineering 和微调策略。
- 多模态生成与投流素材生产
投流是短剧商业化的核心环节，素材消耗极快。用 AIGC 生成不同语言版本的宣传图、短视频切片、文案，能大幅降低素材生产成本。生文、生图、生视频、生音乐，每个方向都有可落地的点。如果你之前做过其中任何一个方向，转到短剧场景都不会有太大障碍。
- Agent 编排与流程自动化
把上面的能力用 Agent 串起来，实现"输入一部短剧 → 输出多语言版本 + 投流素材包"的自动化流水线。需要熟悉函数调用、工具调用、结构化输出、多模型编排。这部分是工程能力和算法能力的结合点。
位于杭州，依托一个出海工具背景的母公司，业务方向明确，不是烧钱试错的早期阶段。研发团队目前三十人左右，算法方向约十人，直接向研发负责人汇报，层级扁平。团队已经落地了一些标杆客户，覆盖硬件、短剧平台、跨境电商等业务线。
当前最大的挑战是：如何把大模型能力真正产品化，而不是停留在 demo 阶段。 我们需要的伙伴，是那种能从业务目标出发拆解技术问题，独立完成从模型验证到线上交付全链路的人。强调 0 到 1 的主导经验，不是做螺丝钉。
等一个同频的同学：
计算机、人工智能、数学、自动化等相关专业背景，本科 5 年以上或硕士 3 年以上算法应用经验。
熟悉大模型应用开发全流程：Prompt Engineering、Agent、函数调用、结构化输出、评测优化。
精通 Python，熟悉 PyTorch，有模型推理、微调、LoRA、SFT、数据处理和工程化部署经验。
在至少一个垂直方向有积累：文本生成、翻译、多模态理解、AIGC 生成等，并能和大模型结合落地。
有较强的业务理解力和端到端交付能力，能主动推动跨团队协作，对结果有 Ownership。
加分项：了解短剧、影视、广告内容生产链路；有 AI Native 工程实践，熟练使用 Codex、Claude Code 等工具；有产品意识，能把算法能力转化为可上线、可评估、可持续迭代的产品功能。
提供有竞争力的年包，在同领域处于中上水平，具体会根据个人背景和能力定。五险一金按实际基数实缴，假期按国家标准执行，没有额外的住房和交通补贴，现金部分相对扎实。团队文化比较务实，强调落地和业务结果，不鼓励纯研究型的内卷。
欢迎敲门敲门哈