Gépi tanulási mérnök – hangkonverzió

Stack

Feladatok

• ▹Nagy méretű beszédmodellek architektúrájának megtervezése, implementálása, pre-training, fine-tuning, post-training/alignment (pl. GRPO/DPO)
• ▹Tudományos kísérletek tervezése, futtatása és elemzése a modellek megértésének fejlesztésére
• ▹Fejlesztői eszközök fejlesztése és javítása a csapat termelékenységének növelésére
• ▹Hozzájárulás a teljes stackhez, az alacsony szintű optimalizálástól a magas szintű modelltervezésig
• ▹Adatkövetelmények meghatározása, együttműködés adatgyűjtésben, kurálásban, augmentációban, címkézési minőségben és szintetikus adat-stratégiákban
• ▹Automatizált objektív/szubjektív kiértékelések tervezése: listening tesztek, SV/WER/ASR-alapú metrikák, robusztussági és torzítási ellenőrzések, red-team vizsgálatok
• ▹A tréning-kiértékelés-inferencia pipeline megerősítése; latencia, memória és költség profilozása; production SLA-k teljesítése monitorozással és rollback-kel
• ▹Hozzájárulás biztonsági/beleegyezési védőkorlátokhoz és a visszaélések elleni védelemhez

Elvárások

• ▹Kivételes kutatási/fejlesztési tapasztalat nagy méretű audio modellekkel (>8B paraméter, >500 000 óra adat)
• ▹Mély hands-on tapasztalat diffúziós és/vagy flow-matching transzformerekkel, samplerekkel, ütemezőkkel, kondicionálási mechanizmusokkal, desztillációval
• ▹Mély hands-on tapasztalat audio VAE-k, neurális audio kodekek és vocoderek tréningezésében, latens/tokenizáló tervezésben, rekonstrukciós és perceptuális célfüggvényekben, adversarial tréningben
• ▹Erős tapasztalat multi-node, multi-GPU elosztott tréningben (FSDP/DeepSpeed vagy hasonló)
• ▹Erős szoftverfejlesztési készségek, komplex rendszerek építésében bizonyított tapasztalattal
• ▹Erős PyTorch-tudás és teljesítményoptimalizálás (profiling, CUDA/Triton/C++ szükség szerint), megbízható, production-minőségű kód írása
• ▹Nagy méretű beszéd/audio vagy multimodális generatív modellek éles környezetbe szállításának tapasztalata

Soft skillek

A munkáltatóról

A Cantina egy Sean Parker által alapított social platform a legfejlettebb AI-karakteralkotóval. Élethű, szociális AI-botokat épít, amelyek hangon, videón és szövegen keresztül is képesek interakcióra.