Ingeniero de Machine Learning en Conversión de Voz

Sobre esta oportunidad

Cantina Labs, la compañía detrás de Cantina, una nueva plataforma social fundada por Sean Parker, busca un Research / ML Engineer para su equipo de Speech. Cantina permite crear personajes de IA muy realistas que interactúan por voz, video y texto en cualquier lugar donde las personas estén en línea. En este rol construirás sistemas de voz de punta a punta, desde las especificaciones de datos hasta la inferencia en producción.

Trabajarás en conversión de voz (VC) y tareas relacionadas, como TTS controlable y diseño de voces, en estrecha colaboración con los equipos de investigación, datos e infraestructura. El objetivo es lanzar modelos rápidos, confiables y eficientes en costos, dentro de sistemas de IA seguros, controlables y confiables.

Perfil buscado

Buscamos a una persona que vea la investigación y la ingeniería como dos caras de la misma moneda y disfrute de ser dueña del trabajo de principio a fin. Debe estar orientada a resultados, ser flexible y estar dispuesta a hacer lo que haga falta para mover la aguja. Le gustará diseñar experimentos, pruebas de escucha y métricas que se correlacionen con la calidad percibida por los usuarios, y tendrá ganas de aprender todos los días y resolver problemas únicos a gran escala.

Qué harás

• Construcción de modelos: diseñar, implementar, preentrenar, ajustar (fine-tuning) y hacer post-entrenamiento o alineación (por ejemplo GRPO/DPO) de modelos de voz a gran escala.
• Diseño experimental: diseñar, ejecutar y analizar experimentos científicos para entender mejor los modelos.
• Herramientas internas: desarrollar y mejorar el tooling para aumentar la productividad del equipo.
• Contribución full-stack: participar en todo el stack, desde optimizaciones de bajo nivel hasta el diseño de modelos.
• Responsabilidad sobre los datos: definir requisitos y colaborar en adquisición, curación, aumentación, calidad del etiquetado y estrategias de datos sintéticos.
• Evaluación rigurosa: diseñar evaluaciones objetivas y subjetivas, como pruebas de escucha, métricas basadas en SV/WER/ASR, revisiones de robustez y sesgo, y estudios de red-team.
• Entrega de pipelines: fortalecer el pipeline de entrenamiento, evaluación e inferencia; medir latencia, memoria y costo; y cumplir SLAs de producción con monitoreo y rollback.
• Seguridad y responsabilidad: contribuir a las salvaguardas de consentimiento y a la mitigación de abusos en tecnología de voz responsable.

Requisitos clave

• Experiencia excepcional en investigación y desarrollo con modelos de audio a gran escala (más de 8B de parámetros y más de 500 mil horas de datos).
• Experiencia práctica profunda con transformers de difusión y/o flow-matching, incluyendo samplers, schedules, mecanismos de condicionamiento y distillation.
• Experiencia práctica profunda entrenando VAEs de audio, neural audio codecs y vocoders: diseño de latentes/tokenizers, objetivos de reconstrucción y perceptuales, y entrenamiento adversarial.
• Sólida experiencia en entrenamiento distribuido multinodo y multi-GPU (FSDP/DeepSpeed o equivalente).
• Sólidas habilidades de ingeniería de software y trayectoria construyendo sistemas complejos.
• Dominio de PyTorch y trabajo de rendimiento (profiling, CUDA/Triton/C++ según se necesite), con código confiable de calidad productiva.
• Haber llevado a producción modelos generativos de voz, audio o multimodales a gran escala.
• Experiencia con datos de ML a gran escala y capacidad para iterar sobre ellos y triangular la calidad con señales subjetivas y objetivas.
• Experiencia en clonación de voz, control de voz o generación de voz expresiva.
• Publicaciones destacadas y/o contribuciones open-source en voz, audio o ML.

Beneficios de la posición

Para roles basados en EE. UU.:

• Salario competitivo y generoso equity de la empresa.
• Seguro médico, dental y de visión, con el 99.99% de las primas cubiertas por Cantina.
• 42 días libres pagados: 15 de vacaciones, 10 por enfermedad, 15 feriados de la empresa y 2 feriados flotantes.
• Generoso permiso parental y apoyo de fertilidad.
• Plan de ahorro para el retiro 401(k).
• Cuenta de estilo de vida de $500 al mes para usar como quieras.
• Almuerzo y snacks gratis para quienes trabajan en la oficina.
• Membresía de One Medical y más.

¿Por qué considerar esta empresa?

Cantina es una plataforma social fundada por Sean Parker, cofundador de Napster y primer presidente de Facebook, que apuesta por personajes de IA realistas y sociales. Es una oportunidad de trabajar en la frontera entre la investigación y el producto, con modelos que llegan a usuarios reales.

Rango salarial

La compensación se define según habilidades, experiencia, alcance del puesto, ubicación y datos de mercado competitivos. La vacante no publica un monto específico.

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