Genpio

Senior AI Engineer, Avatar & Voice Systems

Các mô hình avatar và clone giọng nói của chúng tôi đã được huấn luyện xong, đã chạy tốt và đang phục vụ nhiều buổi livestream cùng lúc.

Kỹ thuật · Làm việc tại văn phòng, TP. Hồ Chí Minh, Việt Nam · Toàn thời gian

Về vị trí này

Chúng tôi đang tuyển Senior AI Engineer, Avatar & Voice Systems để làm chủ các mô hình đang vận hành Genpio trên production: bộ mô hình talking-head, lip-sync và clone giọng nói giúp một AI avatar lên live trên TikTok và bán hàng hàng giờ liền mà không cần người ngồi dẫn.

Hãy đọc kỹ điều này, vì nó quyết định bản chất công việc. Các mô hình đã được huấn luyện xong. Chúng đã tạo ra avatar đạt chất lượng phát sóng, đã clone được giọng nói chỉ từ một đoạn mẫu ngắn, và đã chạy nhiều buổi livestream cùng lúc. Chúng tôi không yêu cầu bạn bắt đầu từ một repo trống và một bài báo khoa học.

Điều chúng tôi cần là bạn làm chủ những gì đang có và khiến nó tốt hơn. Cụ thể là giữ vững ngân sách độ trễ khi tải tăng, kéo giảm chi phí GPU cho mỗi giờ phát, khai thác thêm chất lượng từ chính các mô hình hiện có, onboard gương mặt và giọng nói mới mà không gây lỗi hồi quy, và giữ cho toàn bộ hệ thống luôn chạy trong khi khách hàng thật đang live trên đó. Không có đội platform riêng để bạn chuyển việc trực sự cố. Bạn là người ra quyết định, và bạn sống cùng hệ quả của chúng trên production.

Bạn sẽ làm gì

Làm chủ các mô hình trên production

  • Tiếp quản các mô hình avatar, lip-sync và clone giọng nói, và là người chịu trách nhiệm về cách chúng vận hành khi đang live
  • Nắm rõ stack hiện tại như lòng bàn tay: thời gian tiêu tốn ở đâu, bộ nhớ đi đâu, chất lượng hỏng ở chỗ nào
  • Giữ các buổi livestream chạy suốt ngày đêm luôn ổn định, và phát hiện lỗi hồi quy chất lượng trước khi khách hàng nhận ra

Làm cho nó nhanh hơn và rẻ hơn

  • Giữ một ngân sách độ trễ end to end khắt khe: âm thanh vào, khung hình đã khớp khẩu hình ra, theo thời gian thực, không bị lệch
  • Cắt giảm chi phí mỗi giờ phát bằng quantization, distillation, batching tốt hơn, và loại bỏ overhead ở kernel lẫn CPU
  • Đẩy throughput và bộ nhớ GPU đi xa hơn để cùng một cụm máy gánh được nhiều buổi livestream đồng thời hơn

Nâng cao chất lượng

  • Fine-tune và điều chỉnh những gì đang có: khẩu hình chi tiết hơn, giữ nhận diện gương mặt tốt hơn, ngữ điệu tự nhiên hơn, mà không phải huấn luyện lại mọi thứ
  • Onboard avatar mới và giọng clone mới từ đoạn mẫu ngắn, nhanh và lặp lại được
  • Xây các vòng đánh giá (eval) và kiểm thử hồi quy để chứng minh một checkpoint thật sự tốt hơn, rồi mới phát hành qua canary

Mở rộng hệ thống serving

  • Phát triển khả năng serving nhiều luồng: continuous batching, multi-tenancy, admission control, graceful degradation
  • Thiết kế cách hệ thống phản ứng khi một GPU chết, một luồng bị treo hoặc nhu cầu tăng đột biến, và biến những tình huống đó thành chuyện bình thường
  • Quyết định nên tự xây, mua hay fine-tune gì tiếp theo, và bảo vệ quyết định đó bằng số liệu

Chúng tôi tìm kiếm

Bắt buộc

  • Từ 5 năm kinh nghiệm ML engineering trở lên, thành thạo PyTorch ở mức sâu: bạn profile nó, bạn đọc trace, chứ không chỉ gọi .fit()
  • Kinh nghiệm thực tế làm chủ một mô hình trên production, không chỉ huấn luyện nó: serving, độ trễ, chi phí, trực on call
  • Đã tối ưu inference trong điều kiện thực chiến: quantization, distillation, batching, CUDA graphs, TensorRT hoặc tương đương
  • Thoải mái cải tiến và điều chỉnh mô hình cũng như codebase do người khác viết thay vì viết lại từ đầu
  • Có khả năng tự đưa ra quyết định kiến trúc và giải thích rõ ràng bằng tiếng Anh

Điểm cộng

  • Đã làm cụ thể về talking-head, lip-sync, TTS, clone giọng nói hoặc avatar thời gian thực
  • Viết kernel CUDA hoặc Triton, và quen đọc trace của profiler
  • Serving GPU quy mô lớn (Triton Inference Server, vLLM, Ray Serve hoặc hệ thống tự xây)
  • Kinh nghiệm chạy nhiều luồng sinh nội dung (generative) đồng thời trên một cụm GPU cố định

Công cụ bạn sẽ dùng

PyTorch, CUDA, TensorRT, ONNX, Triton, Docker, Kubernetes, GPU NVIDIA (dòng A100/H100), Weights and Biases, Git/GitHub, Notion, Slack.

Quy trình phỏng vấn

  1. Buổi giới thiệu 30 phút với một kỹ sư
  2. Trao đổi kỹ thuật chuyên sâu: inference, serving, và hệ thống production gần nhất của bạn đã hỏng ở đâu
  3. Bài tập thực hành: profile và tối ưu một luồng inference thật trong giới hạn ngân sách độ trễ
  4. System design kèm đánh giá độ phù hợp với đội: serving avatar nhiều luồng ở quy mô lớn, cùng các nhà sáng lập
  5. Gửi offer

Lương thưởng và phúc lợi

  • Lương cơ bản cấp senior cùng cổ phần đáng kể tại một công ty AI đang tăng trưởng nhanh
  • Làm việc tại văn phòng hiện đại, trang bị đầy đủ ở TP. Hồ Chí Minh
  • Ngân sách GPU lớn và phần cứng hàng đầu, vì công việc đòi hỏi điều đó
  • Bảo hiểm sức khỏe, offsite cùng đội, và ngân sách cá nhân cho học tập và hội thảo

Cách ứng tuyển

Ứng tuyển ngay trên trang này. Nếu bạn muốn gửi qua email, hãy gửi CV về [email protected] hoặc [email protected] với tiêu đề [AI Engineer] Họ và tên, và chia sẻ ngắn gọn về công việc bạn tự hào nhất, kèm đường link nếu có.

Vì sao chọn Genpio

Phần lớn công việc AI engineering trao cho bạn một bài toán nghiên cứu và một chặng đường dài mới ra được thứ gì đó thật. Ở đây, ngay từ ngày đầu bạn đã có mô hình chạy được, livestream đang phát và khách hàng đang trả tiền. Điều thú vị không nằm ở chỗ làm cho nó chạy, vì nó đã chạy rồi. Điều thú vị là làm cho nó nhanh, rẻ và đẹp ở một quy mô mà gần như chưa ai từng vận hành loại mô hình này.

Apply, and see every open role: https://genpio.com/vi/careers