Ingeniero de Machine Learning en Conversión de Voz

Sobre esta oportunidad

Cantina, una nueva plataforma social fundada por Sean Parker, busca un Ingeniero de Machine Learning para su equipo de voz. Su producto combina personajes de IA muy realistas que interactúan con las personas por voz, video y texto. El rol consiste en construir sistemas de voz de punta a punta, desde la definición de datos hasta la inferencia en producción, con foco en la conversión de voz (VC) y en tareas relacionadas como el TTS controlable y el diseño de voces. Es una posición para quien combina investigación e ingeniería práctica y quiere que sus modelos lleguen a usuarios reales.

Qué harás

• Diseñar, entrenar, ajustar y alinear modelos de voz a gran escala, incluyendo técnicas de post-entrenamiento como GRPO y DPO.
• Diseñar y analizar experimentos científicos para entender mejor el comportamiento de los modelos.
• Definir requisitos de datos y colaborar en su adquisición, curaduría, aumento, calidad de etiquetado y estrategias de datos sintéticos.
• Crear evaluaciones automáticas, objetivas y subjetivas, como pruebas de escucha, métricas de WER y ASR, y revisiones de robustez, sesgo y red-teaming.
• Fortalecer el pipeline de entrenamiento, evaluación e inferencia, optimizando latencia, memoria y costo, y cumpliendo los acuerdos de nivel de servicio en producción.
• Contribuir a las barreras de seguridad y consentimiento, y a la mitigación de usos indebidos de la tecnología de voz.

Perfil buscado

Buscan a alguien que vea la investigación y la ingeniería como dos caras de la misma moneda y que disfrute responsabilizarse de un proyecto de principio a fin. Debe ser orientado a resultados, flexible y dispuesto a hacer lo que sea necesario para lograr avances concretos. También le gustará colaborar de cerca con infraestructura, datos y producto, diseñar pruebas de escucha y métricas que reflejen la calidad que percibe el usuario, y aprender todos los días para resolver problemas complejos a gran escala.

Requisitos clave

• Experiencia destacada en investigación o desarrollo con modelos de audio a gran escala (de más de 8.000 millones de parámetros).
• Contribuciones open source y/o experiencia en proyectos de voz, audio o machine learning.

Revisa la vacante completa para conocer todos los requisitos antes de postularte.

Beneficios de la posición

Los siguientes beneficios aplican a los puestos con sede en EE. UU.:

• Salario competitivo y equity generoso en la empresa.
• Seguro médico, dental y de visión, con 99.99% de las primas cubiertas por Cantina.
• 42 días de vacaciones pagadas y permisos: 15 días de vacaciones, 10 días por enfermedad, 15 feriados de la empresa y 2 feriados flotantes.
• Licencia parental generosa y apoyo para fertilidad.
• Plan de ahorro para el retiro 401(k).
• Cuenta de gastos de estilo de vida de 500 USD al mes para usar como prefieras.
• Membresía de One Medical y más.

¿Por qué considerar esta empresa?

Cantina es una startup que busca redefinir la interacción social con inteligencia artificial, con personajes que conversan con las personas en distintos formatos. Para un ingeniero de voz, es una oportunidad de trabajar en uno de los temas más avanzados de la IA generativa, con un fuerte componente de producto y con la responsabilidad de desarrollar tecnología segura y confiable.

¿Te interesa? Aplica directamente desde el enlace de la vacante.