Machine Learning Engineer (Middle+/Strong Middle) — Voice AI / TTS / ASR
Мы ищем ML-инженера с сильной базой в классическом машинном обучении и практическим опытом в Voice AI. Роль предполагает активное участие в развитии и поддержке speech-направления (TTS, ASR, text normalization), а также решение прикладных ML-задач в продукте. Важно умение доводить решения до production и поддерживать преемственность voice-стека.
Основные задачи
- Развитие и сопровождение TTS/ASR-решений в production и pre-production контурах.
- Подготовка и валидация речевых и текстовых датасетов: сбор, очистка, сегментация, проверка, препроцессинг, контроль качества.
- Участие в обучении, дообучении, оценке и сравнении speech-моделей.
- Работа с text normalization, ударениями, SSML, фонемизацией, метазвуками и другими речевыми preprocessing/postprocessing блоками.
- Анализ качества синтезированной и распознанной речи, проведение приемок моделей, подготовка структурированного фидбека.
- Поддержка билингвальных сценариев, в том числе на стыке русского и кыргызского языков.
- Интеграция speech-компонентов с backend и смежными платформами.
- Подключение к задачам классического ML вне voice-направления при необходимости команды.
Must have
- Практический опыт в Machine Learning / Data Science / MLE от 3 лет или эквивалентный сильный production-опыт.
- Обязательная сильная база по классическому ML: classification, regression, ranking, работа с табличными данными и корректная постановка ML-экспериментов.
- Уверенное владение Python и SQL.
- Хорошее понимание Deep Learning и уверенная работа с PyTorch.
- Практический опыт в одном или нескольких направлениях: TTS, ASR, speech preprocessing, audio ML, NLP для речевых задач.
- Опыт подготовки датасетов для speech-задач и понимание, как качество данных влияет на итоговую модель.
- Понимание ключевых voice-метрик и подходов к оценке качества: WER/CER, MOS-подобные оценки, экспертная приемка, error analysis.
- Понимание производственного цикла ML-моделей: train, validation, inference, deployment, monitoring.
- Опыт работы с Linux, Docker, Git и базовыми инженерными практиками.
- Умение самостоятельно разбираться в сложном ML/DL пайплайне и работать в плотной связке с командой.
Будет плюсом
- Опыт с TTS-архитектурами и современными speech-подходами: VITS/VITS2, F5, FastSpeech, Tacotron, XTTS, neural vocoders и аналогичные решения.
- Опыт с ASR-стеком: CTC/Transducer/attention-based подходы, Whisper/Conformer-подобные модели и связанные пайплайны.
- Практический опыт с text normalization, G2P/phonemization, SSML, prosody control, ударениями, интержекциями и метазвуками.
- Опыт работы с билингвальными или low-resource языками.
- Опыт взаимодействия с внешними вендорами, приемки моделей и итеративного улучшения качества по обратной связи.
- Знакомство с LLM и голосовыми ассистентами на стыке ASR + TTS + dialogue/LLM orchestration.
- Опыт решения смежных классических ML-задач вне voice-домена.
Какой профиль нам подойдет
- Strong Middle / Middle+ инженер, который умеет сочетать хорошую DL-подготовку с практической инженерией и вниманием к качеству данных.
- Человек, который не ограничивается только исследованием модели, а умеет разбираться в полном speech-пайплайне вокруг нее.
- Инженер, способный стать опорным участником voice-направления и при этом уверенно брать классические ML-задачи команды.
Условия работы с нами:
- Работу среди профессионалов,готовых делиться своим опытом;
- Возможность карьерного роста и профессионального развития;
- Обучение, курсы повышения квалификации по своему направлению;
- Выгодные % ставки по ипотечному кредитованию;
- Медицинская страховка для вас и вашей семьи;
- Офис в инновационном офисе Технопарк (Горького/Алматинская), оформление согласно ТК КР;
- Заработная плата обсуждается при собеседовании;
- График работы 5/2, работа в офисе (удаленного формата нет).