Название: Инженер по машинному обучению — преобразование голоса Компания: Cantina Labs Местоположение: Европа

О CANTINA:

Cantina — новая социальная платформа, основанная Шоном Паркером, с самым продвинутым создателем персонажей ИИ. Наши боты — это реалистичные, социальные существа, которые могут взаимодействовать везде, где люди находятся онлайн — через голос, видео и текст. Создайте себя, вообразите кого-то нового или выберите из тысяч персонажей, чтобы делиться бесконечно масштабируемым, персонализированным контентом и бесшовным групповым чатом.

Если вы увлечены тем, как ИИ может формировать творчество и социальное взаимодействие, присоединяйтесь к нам, чтобы создавать будущее.

О РОЛИ:

Мы ищем инженера-исследователя / ML-инженера в нашу команду Speech Team для создания передовых речевых систем «под ключ» — от спецификаций данных до продакшн-инференса. Вы будете управлять циклом «модель ↔ данные ↔ оценка» для VC и смежных задач (управляемый TTS, дизайн голоса и многое другое), тесно сотрудничая с командами исследований, данных и инфраструктуры для быстрого выпуска надежных и экономически эффективных моделей. На этой должности вы будете работать на стыке передовых исследований и практического инжиниринга, внося вклад в разработку безопасных, управляемых и надежных систем ИИ.

Вы преуспеете в этой роли, если:

• Рассматриваете исследования и инжиниринг как две стороны одной медали и вам нравится владеть работой от начала до конца.
• Ориентированы на результат, гибки и готовы делать все, что движет прогресс.
• Вам нравится тесно сотрудничать с инфраструктурой, данными и продуктом для достижения измеримых улучшений.
• Вам нравится разрабатывать эксперименты, прослушивания и метрики, которые коррелируют с воспринимаемым пользователем качеством.
• Готовы учиться каждый день, находить и решать уникальные крупномасштабные проблемы.

ЧТО ВЫ БУДЕТЕ ДЕЛАТЬ:

• Создание моделей: Архитектура, реализация, предварительное обучение, дообучение и пост-обучение/выравнивание (например, GRPO/DPO) для крупномасштабных речевых моделей.
• Экспериментальный дизайн: Разработка, проведение и анализ научных экспериментов для углубления нашего понимания моделей.
• Разработка инструментов: Разработка и улучшение инструментов разработки для повышения продуктивности команды.
• Полноценный вклад: Вклад во весь стек, от низкоуровневых оптимизаций до высокоуровневого дизайна моделей.
• Владение данными: Определение требований к данным и сотрудничество в области приобретения, курации, аугментации, качества маркировки и стратегий синтетических данных.
• Строгая оценка: Разработка автоматизированных объективных/субъективных оценок — прослушиваний, метрик на основе SV/WER/ASR, проверок на робастность и предвзятость, а также исследований red-team.
• Доставка конвейеров: Укрепление конвейера обучения → оценки → инференса; профилирование задержки, памяти и затрат; и соответствие SLA продакшена надежным мониторингом и откатом.
• Безопасность и ответственность: Вклад в системы защиты безопасности/согласия и в смягчение злоупотреблений/неправомерного использования для ответственной речевой технологии.

ЧТО ВЫ ПРИВнесете:

• Исключительный опыт исследований/разработки с крупномасштабными аудиомоделями (более 8 миллиардов параметров, более 500 тысяч часов данных).
• Глубокий практический опыт работы с трансформерами на основе диффузии и/или потокового согласования (flow-matching transformers), включая практические знания семплеров, расписаний, механизмов кондиционирования и дистилляции.
• Глубокий практический опыт обучения аудио VAE, нейронных аудиокодеков и вокодеров — дизайн латентного пространства/токенизатора, реконструкция и перцептивные цели, состязательное обучение.
• Опыт многоузловой, многопроцессорной распределенной тренировки (FSDP/DeepSpeed или эквивалент).
• Сильные навыки разработки программного обеспечения с подтвержденным опытом создания сложных систем.
• Опыт работы с PyTorch и производительностью (профилирование, CUDA/Triton/C++ по мере необходимости) и написание надежного кода продакшн-качества.
• Выпуск крупномасштабных речевых/аудио или мультимодальных генеративных моделей в продакшен.
• Опыт работы с крупномасштабными ML-данными и способность итеративно работать с данными и определять качество с использованием как субъективных, так и объективных сигналов.
• Опыт клонирования голоса, управления/направляемости речи или генерации экспрессивной речи.
• Заметные публикации и/или вклад в open-source проекты в области речи/аудио/ML.

КОМПЕНСАЦИЯ:

При определении компенсации будут учитываться ряд факторов, включая навыки, опыт, объем работы, местоположение и данные конкурентного рынка компенсаций.

ЛЬГОТЫ ДЛЯ РОЛИ В США:

• Конкурентоспособная заработная плата и щедрые опционы компании
• Медицинская, стоматологическая и офтальмологическая страховка — 99,99% страховых взносов покрывается Cantina
• 42 дня оплачиваемого отпуска, включая:
  • 15 дней PTO
  • 10 дней больничного
  • 15 официальных праздников компании
  • 2 плавающих выходных
• Щедрый родительский отпуск и поддержка фертильности
• План пенсионных накоплений 401(k)
• Счет расходов на образ жизни — 500 долларов США в месяц на любые ваши нужды
• Бесплатные обеды и закуски для сотрудников в офисе
• Членство в One Medical и многое другое!