Задачи:
— Ведение потокового голосового конвейера STT, LLM и TTS с обеспечением сквозной задержки 1–2 секунды по p50 и p90.
— Реализация barge-in, стриминга токенов, таймаутов и переключения между провайдерами.
— Настройка определения конца фразы с учётом долгих детских пауз.
— Создание стенда автоматической оценки детской речи и каскада безопасности с обновлением правил без выпуска прошивки.
— Формирование ответов на проверенном контенте через RAG, шаблоны и tool calling.
— Настройка трассировки, расчёта стоимости сессии и zero retention у провайдеров.
Требования:
— Опыт работы от 4 лет в ML/LLM, включая минимум 1,5 года с голосовыми агентами в продакшене.
— Опыт работы с потоковыми каскадами, barge-in и fallback, Pipecat, LiveKit Agents или аналогичными технологиями.
— Оптимизация задержки по перцентилям, работа с метриками WER и TTFT, понимание юнит-экономики STT/TTS.
— Опыт работы с guardrails и классификацией безопасности для чувствительной аудитории.
— Знание Python, async, WebSocket/WebRTC, Docker, облачных платформ и английского языка на уровне не ниже B2.
Плюсом будет:
— Опыт работы с детскими или EdTech-продуктами.
— Знание стандартов COPPA, PRIVO и kidSAFE.
— Опыт работы с детской или акцентной речью, арабским языком в STT/TTS.
— Навыки работы с AEC, аудиостримингом с Linux-устройств и speech-to-speech.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.
Автоотклики