Senior ML Engineer (TTS)

Добрый день! Компания Sasha AI - текущие резиденты Сколково, пионер в разработке голосовых AI-агентов для бизнеса. Мы развиваем лидогенерационную платформу, которая позволяет компаниям за 20 минут запустить искусственный интеллект, способный генерировать лидов работая с клиентской базой по телефону. Наши AI-агенты уже помогают таким компаниям как МТС, Т-Банк, Синергия увеличивать выручку без найма сотрудников. За последний год мы выросли в 5 раз и достигнем оборота в 300 млн рублей в 2026 году. Наша маленькая цель - сделать технологию простой, окупаемой и доступной каждому крупному бизнесу в России. Наша большая цель - за 10 лет построить монополиста, ассоциирующегося с искусственным интеллектом в России. Сейчас ищем ML-инженера, который будет развивать у нас TTS — собственный стек синтеза речи, быстрый и естественный, чтобы звучал неотличимо от живого оператора. Как у нас все устроено: маленькая команда, общаемся в тг и на созвонах, иногда встречаемся офлайн; работать можно в удобное время задачи короткие: гипотеза → эксперимент → метрики → прод; продукт живой, результат своей работы слышно в реальных звонках уже через пару дней; решения принимаем быстро, без согласований на три недели; если модель обогнала прод — катим. Данных с реальных звонков много, разметка и подсчёт метрик постепенно автоматизируются. Есть бюджет на GPU и эксперименты. Обязанности: улучшать модели синтеза; обгонять текущий прод по метрикам (MOS, CMOS, SBS, латенси); помогать внедрять модели в рантайм; снижать TTFB и общую задержку — для телефонии это критично; заниматься проектами: voice cloning, управление интонациями, эмоциями, стриминг, low-resource; фантазировать, экспериментировать, читать статьи; рассказывать о найденном команде и в блоге. Требования: python, алгоритмы, математика; знания в DL, особенно про звук; опыт обучения моделей для прода; понимание современных TTS-архитектур (FastSpeech, VALL-E, XTTS, F5, CosyVoice и т.п.); кругозор (nlp, лингвистика, фонетика, DSP — всё, что имеет отношение к речи). Будет плюсом: c++; опыт оптимизации инференса (ONNX, TensorRT, квантизация, стриминг); опыт с реалтайм-аудио и телефонией (8 kHz, кодеки); публикации, pet-проекты, open-source. Условия: задачи, по которым в рунете мало кто имеет опыт; небольшая команда без бюрократии; фидбек и возможность увидеть результаты своей работы в продукте сразу; оформление по ТК РФ, ИП или самозанятость — как удобно; удалёнка, гибкий график; зарплата обсуждается на интервью. Если откликается — напишите пару слов о себе и приложите резюме. Будет здорово увидеть ссылки на демо синтеза, который вы обучали, GitHub или статьи.