Senior Research Engineer - Interactive Avatars

Standort: London

Beschäftigungsart: Vollzeit

Standorttyp: Hybrid

Abteilung: Forschung und Entwicklung

Synthesia ist die weltweit führende AI-Video-Plattform für Unternehmen, die von über 90 % der Fortune 100 genutzt wird. Gegründet im Jahr 2017 hat das Unternehmen seinen Hauptsitz in London und Büros sowie Teams in ganz Europa und den USA. Während KI weiterhin die Art und Weise prägt, wie wir leben und arbeiten, entwickelt Synthesia Produkte zur Verbesserung der visuellen Kommunikation und der Entwicklung von Unternehmensfähigkeiten, um Menschen zu helfen, besser zu arbeiten und im Zentrum erfolgreicher Organisationen zu stehen.

Über die Rolle:

Als Research Engineer werden Sie Teil eines Teams von über 40 Forschern und Ingenieuren innerhalb der F&E-Abteilung, das an herausfordernden Themen im Bereich Generative AI arbeitet, mit einem Fokus auf avatarzentrierte interaktive Video-Diffusionsmodelle. Sie haben die Möglichkeit, an der angewandten Seite unserer Forschungsanstrengungen zu arbeiten und direkt Einfluss auf unsere Lösungen zu nehmen, die weltweit von über 60.000 Unternehmen genutzt werden. Dies ist eine einzigartige Gelegenheit für Experten in maschinellem Lernen und Diffusionsmodellen, die Zukunft von KI-Videoagenten zu gestalten, die denken, handeln und reagieren können wie Menschen.

Als Teil unseres Interactive Avatars-Teams werden Sie an bahnbrechender Forschung mit einem klaren Fokus auf die Umsetzung innovativer Ideen in reale Produktfähigkeiten arbeiten. Sie werden Teil eines Teams, das schnell agiert, oft iteriert und Modelle entwickelt, die einen bedeutenden Einfluss haben.

Beispielaufgaben und Verantwortlichkeiten umfassen:

• Anpassung von Diffusionsmodellen zur Einbeziehung vielfältiger Bedingungssignale (z. B. Audio, Bewegung, Interaktionshinweise).
• Entwicklung von Methoden zum Streaming unendlich langer Video-Sequenzen in Echtzeit.
• Arbeiten an der Wahrnehmungsebene interaktiver Agenten, einschließlich des Verständnisses von Benutzer-Audio und der Generierung angemessener kontextueller Reaktionen.
• Verbesserung der Lippen-Synchronisation, Bewegungsrealismus und der visuellen Qualität in Video-Diffusionsmodellen.
• Aufbau robuster Evaluierungsrahmen und Test-Suiten zur kontinuierlichen Qualitätsüberwachung.
• Enge Zusammenarbeit mit unserem Datenteam zur Definition der Datenbedürfnisse und Sicherstellung hochwertiger Datensätze.
• Aktualität in der Forschung zu Weltmodellen, interaktiven Mensch-Agent-Modellierungen, Diffusionsmodellen und verwandten Bereichen.

Was wir suchen:

• Komfortabel im Umgang mit den oben genannten Verantwortlichkeiten.
• Starker Hintergrund in ML (z. B. Diffusion, GANs, VAEs) und Computer Vision mit relevanter Branchenerfahrung.
• Praktische Erfahrung mit Diffusionsmodellen (idealerweise avatarzentriert oder videofokussiert) und aktuell mit den neuesten Entwicklungen.
• Versiert in PyTorch und vertraut mit modernen ML-Frameworks und -Tools.
• Starke Python-Engineering-Fähigkeiten, sicher im Umgang mit Git und Versionskontrolle sowie ein Engagement für sauberen, wartbaren Forschungs-Code.
• Ergebnisorientiert, detailverliebt und motiviert, state-of-the-art Forschung in realen Produkteinfluss zu bringen.
• Klare Kommunikation von Hypothesen, Experimenten und Ergebnissen.

Was Sie hervorheben wird:

• Erfahrung mit audio-konditionierten Video-Diffusionsmodellen und tiefes Wissen über aktuelle Video-DiT-Architekturen.
• Nachgewiesene Fähigkeit, die gesamte Modellentwicklungspipeline von der Datenvorbereitung über das Modell-Design, Training und Evaluation zu übernehmen.
• Eine starke Publikationsbilanz in Bereichen wie Weltmodellen, interaktiven Agenten oder Video-Diffusionsmodellen.

Die guten Dinge...

• Wettbewerbsfähige Vergütung (Gehalt + Aktienoptionen + Bonus)
• Hybrides Arbeitsumfeld mit einem Büro in London, Amsterdam, Zürich, München oder remote in Europa.
• 25 Tage Jahresurlaub + Feiertage
• Große Unternehmenskultur mit der Option, an regelmäßigen Planungs- und sozialen Veranstaltungen in unseren Hubs teilzunehmen + andere Vorteile je nach Standort.