Voice AI-инженер (Speech / ML)

Компания развивает собственную платформу голосовых ботов. Сейчас для обзвонов и приема звонков используются внешние сервисы (Retell, ElevenLabs), но при наших объемах это дорого и не даёт достаточного контроля над задержкой и данными. Мы переносим распознавание, диалог и синтез речи на собственные GPU-серверы. Ищем инженера, который возьмет это направление и доведёт его от прототипа до промышленной эксплуатации.

Чем предстоит заниматься:

• Разрабатывать пайплайн голосового бота в реальном времени: звонок → распознавание речи → LLM → синтез речи.
• Обеспечивать естественный диалог: обработку пауз, возможность перебивания бота, минимальную задержку ответа.
• Разворачивать и оптимизировать open-source модели на GPU: распознавание (Whisper), синтез речи (TTS), открытые LLM для логики диалога.
• Интегрировать решение с телефонией на YATE: приём и передача аудиопотоков.
• Реализовать категоризацию входящих звонков и перевод на оператора.

Что мы ожидаем:

• Опыт коммерческой разработки на Python/Golang от 3 лет.
• Опыт запуска ML-моделей в продакшене на GPU и их оптимизации.
• Практический опыт работы с распознаванием или синтезом речи.
• Понимание принципов обработки аудио в реальном времени.
• Опыт работы с LLM: самостоятельное развёртывание или интеграция через API.
• Уверенное владение Docker.

Будет плюсом:

• Опыт создания голосовых ботов с полноценным диалогом (перебивания, управление репликами).
• Дообучение моделей под конкретный язык и предметную область.
• Знание VoIP/SIP и опыт работы с телефонией.
• Понимание архитектуры Retell, ElevenLabs, Vapi или LiveKit.
• Знание PHP (часть платформы реализована на них).

Условия:

• Работа в аккредитованной IT-компании.
• Конкурентная заработная плата, обсуждается индивидуально.
• Полная удалёнка или гибридный формат в Москве.
• Гибкий график 5/2 с началом рабочего дня с 8:00 до 10:00.
• Интересные задачи и возможность влиять на продукт.