МТС
Ведущий разработчик-исследователь ML [Синтез речи] (MWS AI)
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Описание вакансии
MWS AI – это часть экосистемы МТС Web Services, где создаются AI-решения будущего. Голосовые ассистенты и чат-боты могут ответить на любой вопрос клиента, а компьютерное зрение - распознавать лица и эмоции. Мы объединили сильных разработчиков, самый мощный суперкомпьютер, и прорывные идеи, чтобы делать жизнь людей комфортнее и безопаснее и помогать бизнесу.
Ищем увлеченного профессионала, которому предстоит участвовать в исследованиях технологий синтеза речи, чтобы улучшать текущие решения и внедрять новые
Чем предстоит заниматься
- Развивать LLM-based TTS: обучение, работа с речевыми токенизаторами и нейрокодеками.
- Повышать естественность и точность синтеза: моделирование просодии и разговорной интонации, управление эмоциями и стилем через текстовый промпт, нормализация текста, расстановка ударений и произношение.
- Клонирование голоса, включая zero-shot: тембр, манера речи, акцент.
- Оптимизировать инференс: сокращать задержку ответа и ускорять синтез, в том числе в стриминговом режиме.
- Проводить оценку качества по принятым в команде методикам: WER/CER, MOS/CMOS, внутренние бенчмарки.
- Быстро проверять гипотезы и переносить работающее в наши модели.
Что для нас важно
- Уверенный Python и PyTorch, опыт полного цикла обучения моделей: от подготовки данных до оценки качества.
- Опыт с задачами речи или аудио: TTS, ASR, вокодеры, кодеки. Нет опыта именно в TTS, но есть сильный бэкграунд в смежном аудио - тоже рассмотрим.
- Опыт с генеративными моделями: авторегрессионные модели, GAN, диффузия или flow matching. Понимание того, как устроены речевые токенизаторы и нейрокодеки.
Будет плюсом
- Опыт с LLM-based TTS, нейрокодеками и речевыми токенизаторами (EnCodec, DAC; квантизация RVQ/FSQ) или вокодерами (HiFi-GAN, Vocos).
- Опыт вывода моделей в продакшен и оптимизации инференса (архитектурно или под железо).
- RL для генеративных моделей (DPO, GRPO и подобное), особенно применительно к TTS.
- Опыт multi-GPU / multi-node обучения.
- Работа с…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.