ML Engineer — Omnimodal Full-Duplex

Описание

Ищем Middle / Senior ML Engineer / Researcher в исследовательскую команду для разработки омнимодального Full-Duplex — архитектуры, которая слышит, говорит, нативно понимает перебивания и одновременно работает с аудио, текстом и визуальной информацией в реальном времени.

Обязанности

* разработка full-duplex мультимодальных архитектур: одновременное восприятие и генерация речи * обработка перебиваний, пауз и естественного диалога в реальном времени * интеграция речи, текста и визуальных модальностей в единую архитектуру * мультимодальный reasoning и синхронизация потоков (audio–text–vision) * обучение и оптимизация моделей для низкой латентности и стриминга * исследование и имплементация state-of-the-art подходов (end-to-end, streaming transformers, multimodal LLMs)

Требования

* отличный Python 3, опыт с PyTorch, bash, git, Docker, dvc, HF Transformers * хорошее понимание ASR, TTS, DSP ML, speech & audio processing * понимание трансформеров, attention-механизмов, KV-cache, diffusion * навыки работы с большими датасетами аудио * опыт работы с streaming / real-time системами * понимание MLOps-практик: мониторинг моделей, дрейф данных, CI/CD * умение быстро разбирать и воспроизводить идеи из научных статей

Условия

* опыт работы в доменах речи, музыки или с голосовыми ассистентами * знание мультимодальных LLM / VLM / Audio-LM * публикации или исследовательский бэкграунд