Machine Learning TTS Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

ML-инженер в небольшую TTS-команду (2–3 человека) для расширения синтеза речи на новые языки и перехода на LLM-based TTS нового поколения. Задача — доводить модели до production-качества совместно с MLOps и data-инженером.

Задачи

• Расширять TTS на новые языки: сбор и курирование данных, text normalization/G2P, адаптация моделей
• Выводить новые TTS-архитектуры из research в production: улучшать робастность, латентность и качество совместно с MLOps
• Развивать существующие модели через post-training, курирование данных, архитектурные улучшения и новые подходы к обучению
• Строить эффективные пайплайны аудиоданных: от записи дикторов и препроцессинга до обучения моделей
• Проектировать строгие бенчмарки и оценки, показывающие реальное улучшение новой итерации модели

Требования

• 3+ года опыта в speech technology с практическим опытом TTS
• Практический опыт с современными LLM-based TTS подходами (VALL-E, CosyVoice, XTTS)
• Опыт доведения TTS-моделей до production: стабильность, робастность, эффективность инференса
• Владение deep learning фреймворками, особенно PyTorch
• Понимание современных ML-основ: Transformers, diffusion/flow matching, neural audio codecs, вокодеры
• Понимание ограничений streaming TTS (латентность, chunked/incremental генерация)
• Знание обработки аудиосигнала и лингвистической стороны TTS (фонетика, text normalization)
• Базовый опыт обработки речевых данных (сегментация, alignment, фильтрация качества)
• Знакомство с методами оценки TTS (MOS, SBS)
• Сильные навыки Python и хорошие практики software engineering
• Способность самостоятельно исследовать новые идеи и улучшать ML-системы
• Степень BS и выше в Computer Science или смежной области, либо эквивалентный опыт
• Английский B2+

Условия

• Полностью удалённая работа по Европе
• 21 день отпуска + государственные праздники + 5 дней больничных
• Частные уроки английского через Preply
• Стартап-темп при корпоративной стабильности: реальные клиенты и выручка, без бюрократии
• Быстрый карьерный рост в senior-heavy команде
• Cutting-edge стек: Speech Technologies, NLP, Generative AI (LLMs, diffusion models), voice-first agentic architecture с privacy-first и on-premises деплоем

Навыки

• TTS
• VALL-E
• CosyVoice
• XTTS
• PyTorch
• Transformers
• diffusion
• flow matching
• neural audio codecs
• вокодеры
• streaming TTS
• audio signal processing
• фонетика
• text normalization
• G2P
• Python
• MLflow
• DVC
• C++