Ведущий разработчик-исследователь ML [Синтез речи] (MWS AI)

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 русской речью: ударения, нормализация текста, фонетика. Опыт с другими языками СНГ или мультиязычным TTS - тоже плюс.
• Публикации или open-source проекты в области речи.

Что предлагаем:

• Формат работы – гибрид
• Комфортный офис в 10 минутах пешком от метро Таганская (Москва)

• Медицинскую страховку с 1 месяца, включая стоматологию, страхование жизни и здоровья в поездках за рубеж. А еще можно застраховать родственников с корпоративной скидкой

• Компенсацию мобильной связи с первого дня

• Участие во внешних IT конференциях и обучающих программах

• Полезные курсы и вебинары в корпоративном университете и электронные библиотеки

• Единую подписку МТС Premium — KION light в онлайн-кинотеатре KION, сервис МТС Music

• Скидки и предложения от партнеров на фитнес, занятия английским и прочее