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 экспериментов и постановка научных гипотез, исследование и критический разбор state-of-the-art подходов (speech2speech, omnimodal full-duplex, multimodal LLMs)

• разработка full-duplex мультимодальных архитектур

• интеграция речи, текста и визуальных модальностей в единую архитектуру

• написание и публикация научных статей на профильных площадках

• подготовка воспроизводимых артефактов (код, конфиги, чекпоинты, model/data cards)

• релиз открытых бенчмарков и leaderboard'ов

• организация workshop'ов и специальных сессий, внешние коллаборации с университетскими лабораториями

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

Будет плюсом:

• опыт работы в доменах речи, музыки или с голосовыми ассистентами

• знание мультимодальных LLM / VLM / Audio-LM

• публикации или исследовательский бэкграунд

Условия

• комфортный современный офис - м. Кутузовская

• ежегодный пересмотр зарплаты, годовой бонус

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• …