Job Description

Looking to push the boundaries of generative AI for real-time interaction?

You'll be joining a well-funded startup working on Multimodal AI where voice, vision, and language come together. 

They're building generative models for natural conversational experiences that need to perform in real-time.

Your mission

You'll be building and optimising diffusion or flow-matching models that power their speech and audio generation. 

This means developing production-ready architectures that can generate controllable, high-quality output at scale.

You'll own the full research-to-production pipeline - from architecture design and training through deployment and optimisation. 

Your work will directly impact how millions of AI characters sound and interact.

Your focus

• Design and train large-scale diffusion or flow-matching models
• Develop novel architectures and training techniques to improve controllability and quality
• Build evaluation systems to measure generation quality and model behaviour
• Work from low-level performance optimisations to high-level model design

What you'll bring

• Proven track record building diffusion models or flow-matching systems
• Experience training large models (3B+ parameters) with distributed systems

Nice to have

• Experience with audio or speech generation
• Publications or open-source contributions in diffusion models or generative AI

Remote in Europe with competitive comp + stock.