ML Engineer — Omnimodal Full-Duplex

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