职位详情

职位列表 链接有效 不适用(官网全量采集) official:netease:73654

AIGC 美术(2D/3D)

未披露 · 广州市 · 网易

主分类:游戏美术与数字资产制作
设计、游戏策划与内容制作
辅助:大模型与生成式算法研发(仅展示)
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": " AIGC 美术(2D/3D) ",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "艺设二部",
        "location": "广州市",
        "work_mode": "未披露",AI生成
        "job_category": "游戏艺术"AI生成
    },
    "company": {
        "company_name": "网易",
        "company_industry": "互联网 / 游戏 / 数字内容",
        "company_size": "10000人以上",
        "company_website": "netease.com",
        "company_description": "网易提供互联网和游戏服务,并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 0,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责AIGC美术生产管线的设计、搭建与持续优化,涵盖数据准备、预处理、训练调度到生成部署的全流程\n2. 基于业务需求定制化训练图像生成模型,提升风格一致性与可控性\n3. 构建高质量美术资产数据集,完成图像清洗、标注、分类及Prompt工程,支撑模型高效收敛\n4. 与美术、策划、程序团队协同,将AIGC能力嵌入实际开发流程,支持角色、场景、UI等资源批量生成与迭代\n5. 探索前沿AIGC技术在游戏/内容生产中的落地路径,评估模型性能、生成质量与版权合规性\n6. 编写管线文档、训练日志与使用规范,保障知识沉淀与团队复用效率",
        "requirements_text": "1. 本科及以上学历,美术、设计、数字媒体、计算机图形学等相关专业优先。\n2. 具备2年以上AIGC相关美术实践经历,熟悉Stable Diffusion、ComfyUI等主流工具链,有实际参与AI绘画管线搭建或LoRA/ControlNet等模型训练经验者优先。\n3. 熟练掌握Prompt工程、图像数据清洗、风格标注、正负向提示词优化等AIGC核心美术工作方法,能独立完成从需求分析到效果调优的全流程。\n4. 具备良好的审美判断力与视觉表达能力,对构图、色彩、质感、风格化表现有敏锐感知,能准确理解并还原美术风格需求。\n5. 责任心强,具备跨职能协作意识,能高效对接程序、策划及原画团队,主动推进管线落地与迭代优化。\n6. 掌握Python基础语法或具备简单脚本编写能力(如自动化预处理、批量生成等)者加分;有自建数据集、微调扩散模型或参与开源AIGC项目经验者优先。",
        "skills": [AI生成
            "Python",
            "数据清洗",
            "模型训练",
            "需求分析"
        ],
        "preferred_qualifications": "1. 本科及以上学历,美术、设计、数字媒体、计算机图形学等相关专业优先;2. 具备2年以上AIGC相关美术实践经历,熟悉Stable Diffusion、ComfyUI等主流工具链,有实际参与AI绘画管线搭建或LoRA/ControlNet等模型训练经验者优先;6. 掌握Python基础语法或具备简单脚本编写能力(如自动化预处理、批量生成等)者加分;有自建数据集、微调扩散模型或参与开源AIGC项目经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://hr.163.com/job-detail.html?id=73654&lang=zh"
            }
        ]
    },
    "posting": {
        "posting_id": "73654",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://hr.163.com/job-detail.html?id=73654&lang=zh"
    },
    "fulltext": " AIGC 美术(2D/3D) \n职位描述\n1. 负责AIGC美术生产管线的设计、搭建与持续优化,涵盖数据准备、预处理、训练调度到生成部署的全流程\n2. 基于业务需求定制化训练图像生成模型,提升风格一致性与可控性\n3. 构建高质量美术资产数据集,完成图像清洗、标注、分类及Prompt工程,支撑模型高效收敛\n4. 与美术、策划、程序团队协同,将AIGC能力嵌入实际开发流程,支持角色、场景、UI等资源批量生成与迭代\n5. 探索前沿AIGC技术在游戏/内容生产中的落地路径,评估模型性能、生成质量与版权合规性\n6. 编写管线文档、训练日志与使用规范,保障知识沉淀与团队复用效率\n\n职位要求\n1. 本科及以上学历,美术、设计、数字媒体、计算机图形学等相关专业优先。\n2. 具备2年以上AIGC相关美术实践经历,熟悉Stable Diffusion、ComfyUI等主流工具链,有实际参与AI绘画管线搭建或LoRA/ControlNet等模型训练经验者优先。\n3. 熟练掌握Prompt工程、图像数据清洗、风格标注、正负向提示词优化等AIGC核心美术工作方法,能独立完成从需求分析到效果调优的全流程。\n4. 具备良好的审美判断力与视觉表达能力,对构图、色彩、质感、风格化表现有敏锐感知,能准确理解并还原美术风格需求。\n5. 责任心强,具备跨职能协作意识,能高效对接程序、策划及原画团队,主动推进管线落地与迭代优化。\n6. 掌握Python基础语法或具备简单脚本编写能力(如自动化预处理、批量生成等)者加分;有自建数据集、微调扩散模型或参与开源AIGC项目经验者优先。\n1. 负责AIGC美术生产管线的设计、搭建与持续优化,涵盖数据准备、预处理、训练调度到生成部署的全流程\n2. 基于业务需求定制化训练图像生成模型,提升风格一致性与可控性\n3. 构建高质量美术资产数据集,完成图像清洗、标注、分类及Prompt工程,支撑模型高效收敛\n4. 与美术、策划、程序团队协同,将AIGC能力嵌入实际开发流程,支持角色、场景、UI等资源批量生成与迭代\n5. 探索前沿AIGC技术在游戏/内容生产中的落地路径,评估模型性能、生成质量与版权合规性\n6. 编写管线文档、训练日志与使用规范,保障知识沉淀与团队复用效率\n1. 本科及以上学历,美术、设计、数字媒体、计算机图形学等相关专业优先。\n2. 具备2年以上AIGC相关美术实践经历,熟悉Stable Diffusion、ComfyUI等主流工具链,有实际参与AI绘画管线搭建或LoRA/ControlNet等模型训练经验者优先。\n3. 熟练掌握Prompt工程、图像数据清洗、风格标注、正负向提示词优化等AIGC核心美术工作方法,能独立完成从需求分析到效果调优的全流程。\n4. 具备良好的审美判断力与视觉表达能力,对构图、色彩、质感、风格化表现有敏锐感知,能准确理解并还原美术风格需求。\n5. 责任心强,具备跨职能协作意识,能高效对接程序、策划及原画团队,主动推进管线落地与迭代优化。\n6. 掌握Python基础语法或具备简单脚本编写能力(如自动化预处理、批量生成等)者加分;有自建数据集、微调扩散模型或参与开源AIGC项目经验者优先。",
    "standard_classification": {
        "std_category_code": "D003",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}