Etteplan

Speech Data Engineer – Data Sourcing, Vendor Management & Python (M/F/NB)

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

Data-инженер в команду клиента, разрабатывающего локальную on-device аудио AI-технологию. Отвечает за полный цикл работы с корпусами шепотной и беззвучной речи: выбор и управление поставщиками данных, протоколы записи, контроль качества, лицензирование и GDPR.

Задачи

  • Позиционирование и закупка речевых датасетов у внешних подрядчиков: выбор поставщиков, SOW, стандарты приемки, графики поставок и бюджеты
  • Формирование спецификаций панелей с балансом по возрасту, полу, акценту и типу голоса, проверка поставок на соответствие
  • Контроль справедливой оплаты и информирования участников записи
  • Написание протоколов записи для каждого языка: наборы текстов, длительность сессий, инструкции для дикторов
  • Определение матрицы захвата (устройства, типы микрофонов, дистанция, условия шума)
  • Оценка масштаба коллекций: число дикторов, часы, баланс и стоимость
  • Построение и поддержка пайплайна приема данных с автоматической валидацией частоты дискретизации, каналов, клиппинга, громкости, SNR, VAD и выравнивания
  • Поддержание схемы метаданных для множества языков, поставщиков и оборудования
  • Версионирование датасетов, release notes и воспроизводимые разбиения без утечки дикторов
  • Установка и контроль критериев приемки каждой партии, включая требования доработок
  • Проведение экспертных сессий прослушивания и мониторинг дрейфа между партиями, поставщиками и локациями
  • Обеспечение воспроизводимости процесса, чтобы добавление нового языка было вопросом конфигурации
  • Управление моделью согласий: явные, целевые, документированные и отзываемые согласия (голос — биометрия по GDPR)
  • Обеспечение лицензий на все планируемые коммерческие применения и ведение прослеживаемой документации прав
  • Ведение реестра provenance для каждого образца: кто, когда, на каком согласии и лицензии, для каких целей
  • Ответственность за хранение, удаление и стирание данных, включая последствия отзыва согласия для обученной модели
  • Участие в DPIA и работа с регуляторными консультантами по условиям сбора и EU AI Act
  • Перевод потребностей моделей в спецификации коллекций, замыкание цикла от релиза датасета до результатов оценки моделей

Требования

  • Не менее 4 лет опыта в data engineering, операциях с речевыми данными или управлении корпусами, включая хотя бы один самостоятельно проведенный проект сбора от начала до конца
  • Практический опыт работы с аудиоданными в большом масштабе: форматы, частоты дискретизации, громкость, выравнивание и метаданные
  • Свободное владение Python и умение самостоятельно писать скрипты
  • Подтвержденный опыт управления поставщиками: привлечение и контрактование партнеров по сбору данных, SOW, бюджеты, критерии приемки и сложные переговоры при несоответствии партии
  • Знание GDPR в части биометрических и голосовых данных, свободная ориентация в лицензировании данных и правах на них
  • Готовность отказываться от коротких путей, угрожающих возможности лицензирования корпуса
  • Умение координировать работу в разных культурах и надзирать за коллекциями на незнакомых языках через поставщиков и локальных координаторов
  • Умение писать так, чтобы по этому могли работать другие: протоколы, критерии приемки и release notes
  • Готовность к редким командировкам к поставщикам

Условия

  • Работа над нерешенной задачей сбора шепотной и беззвучной речи в высоком качестве и большом масштабе
  • Полная ответственность за датасет от начала до конца и видимый вклад в результаты моделей
  • Короткий путь от работы до готового продукта: SDK клиента попадает в потребительские устройства
  • Небольшая команда, работа за одним столом с исследователями и CPO
  • Возможность влиять на решения по данным напрямую
  • Процесс рекрутинга: CV на английском с финансовыми ожиданиями, формой сотрудничества и доступностью; удаленное интервью около 1.5 часа; обратная связь в течение 2 недель

Навыки

  • Python
  • аудио-пайплайны
  • метаданные
  • версионирование датасетов
  • обработка аудио
  • VAD
  • SNR
  • GDPR
  • EU AI Act
  • DPIA
  • лицензирование данных
  • provenance
  • WER
  • MOS
  • MUSHRA

Похожие вакансии

Starszy Inżynier Danych
Diagnostyka S.A.SeniorKrakowГибрид
10 нояб.
BI Lead Data Engineer
Ricoh UK LtdLeadBergen Op ZoomОфис
10 нояб.
Data Engineer
Van Lanschot KempenMiddleAmsterdamГибрид
4,500 – 5,500 EUR в месяц
10 нояб.
Data Engineer (Snowflake Focus)
Sequoia ConnectSeniorGuadalupe Inn, Alvaro Obregon, CdmxУдалённо
20 нояб.
Senior Tech Specialist, Cloud Engineering - R01573478
BrillioSeniorGuadalajaraОфис
9 нояб.
Engenheiro Dados SR
ZF GroupSeniorItuГибрид
3 нояб.
ENGENHEIRO DADOS PL (REMOTO)
SoneparMiddleCampinasУдалённо
30 окт.
Data Steward
SBM OffshoreMiddleRio De JaneiroОфис
5 нояб.
MES & Data Analytics Specialist | Power Bi | Python| Híbrido
VonbzMiddleItapeviГибрид
4 нояб.
Data Engineer Python + AWS
EYMiddleSão PauloОфис
11 нояб.