Назад

Не получаете ответ?

Вакансия опубликована 7 дн. назад - шансы на ответ снижаются.

7 дней назад

Ведущий разработчик-исследователь ML (Синтез речи)

Формат работы
hybrid
Тип работы
fulltime
Грейд
lead
Страна
Russia
hhВакансия с HeadHunter. Контакт ведёт на hh.ru

Мэтч & Сопровод

Покажет вашу совместимость и напишет письмо

Описание вакансии

Текст:
/
TL;DR
Ведущий разработчик-исследователь ML (синтез речи): развитие LLM-based TTS и внедрение новых технологий синтеза речи с акцентом на естественность, управление просодией, эмоциями и стилем, а также клонирование голоса. Focus on оптимизацию потокового инференса, оценку качества моделей, быстрое тестирование гипотез и перенос решений в production.

Локация: Москва, улица Станиславского, 21с1; гибридный формат работы

Компания

MWS AI — часть экосистемы МТС Web Services, создающая AI-решения, включая голосовых ассистентов, чат-ботов и системы компьютерного зрения.

Что делать

  • Развивать LLM-based TTS, обучать модели и работать с речевыми токенизаторами и нейрокодеками.
  • Повышать естественность и точность синтеза: моделировать просодию и разговорную интонацию, управлять эмоциями и стилем через текстовые промпты.
  • Разрабатывать клонирование голоса, включая zero-shot, с воспроизведением тембра, манеры речи и акцента.
  • Оптимизировать инференс, сокращать задержку и ускорять синтез, включая потоковый режим.
  • Оценивать качество по WER/CER, MOS/CMOS и внутренним бенчмаркам.
  • Быстро проверять гипотезы и переносить рабочие решения в модели.

Требования

  • Уверенное владение Python и PyTorch.
  • Опыт полного цикла обучения моделей: от подготовки данных до оценки качества.
  • Опыт в задачах речи или аудио: TTS, ASR, вокодеры или кодеки; сильный опыт в смежном аудио также рассматривается.
  • Опыт с генеративными моделями: авторегрессионными моделями, GAN, диффузией или flow matching.
  • Понимание устройства речевых токенизаторов и нейрокодеков.

Хорошо, если есть

  • Опыт с LLM-based TTS, нейрокодеками и речевыми токенизаторами, включая EnCodec, DAC, RVQ/FSQ, а также с HiFi-GAN или Vocos.
  • Опыт вывода моделей в production и оптимизации инференса архитектурно или под конкретное оборудование.
  • Опыт применения RL для генеративных моделей, включая DPO и GRPO, особенно в TTS.
  • Опыт multi-GPU или multi-node обучения.
  • Работа с русской речью: ударения, нормализация текста и фонетика; опыт с другими языками СНГ или мультиязычным TTS.
  • Публикации или open-source проекты в области речи.

Культура и преимущества

  • Комфортный офис в 10 минутах пешком от метро Таганская.
  • Медицинская страховка с первого месяца, включая стоматологию и страхование жизни и здоровья в зарубежных поездках.
  • Возможность застраховать родственников по корпоративной скидке.
  • Компенсация мобильной связи с первого дня.
  • Участие во внешних IT-конференциях и обучающих программах, доступ к корпоративному университету и электронным библиотекам.
  • Подписка МТС Premium и скидки партнёров на фитнес, занятия английским и другие услуги.

Будьте осторожны

Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →