Machine Learning Engineer — Voice Conversion

разработки современных речевых систем end‑to‑end — от спецификации данных до продакшн‑инференса; предстоит выстраивать цикл «модель — данные — оценка» для задач voice conversion и смежных направлений (управляемый TTS, дизайн голоса и др.), участвовать в проектировании и анализе экспериментов, разработке инструментов для повышения продуктивности команды, работе со всем стеком — от низкоуровневых оптимизаций до высокоуровневого проектирования моделей, определять требования к данным и взаимодействовать по вопросам их сбора, обработки и стратегий синтетических данных, разрабатывать объективные и субъективные методы оценки (включая тесты прослушивания, метрики SV/WER/ASR, проверки устойчивости и предвзятости, red‑team‑исследования), доводить пайплайны обучения, оценки и инференса до производственных SLA с мониторингом и возможностью отката, участвовать в создании механизмов безопасности, согласия и предотвращения злоупотреблений для ответственных речевых технологий.

значительный опыт разработки крупномасштабных аудиомоделей (более 8 млрд параметров, свыше 500 тыс. часов данных); глубокая практическая экспертиза в диффузионных моделях и/или flow‑matching‑трансформерах (сэмплеры, расписания, механизмы условий, дистилляция); опыт обучения аудио‑VAE, нейронных аудиокодеков, вокодеров, проектирования латентных представлений/токенизаторов, работы с перцептивными целевыми функциями и состязательным обучением; навыки распределённого обучения на нескольких узлах и GPU (FSDP/DeepSpeed или аналоги); сильные навыки программной инженерии и опыт создания сложных систем; уверенное владение PyTorch, оптимизация производительности (профилирование, CUDA/Triton/C++ при необходимости), написание надёжного продакшн‑кода; опыт вывода в продакшн крупномасштабных речевых, аудио‑ или мультимодальных генеративных моделей; работа с большими ML‑датасетами, умение оценивать качество через сочетание субъективных и объективных сигналов; опыт в клонировании голоса, управлении речью/управляемости или генерации выразительной речи; наличие публикаций и/или вклада в open‑source в области речи, аудио или ML.

Удаленно (Европа) · Полная занятость