Middle ML Engineer - Voximplant

FirstMessage; Deutschland; Hybrid; EUR 70.000 - 110.000; Vollzeit

Benefits dieser Stelle

Гибкий график

Удаленная/гибридная работа

Обучение английскому/испанскому

Zusammenfassung

Voximplant ищет Middle ML Engineer для проекта обучения TTS-моделей. Ваша работа будет связана с подготовкой датасетов, обучением на GPU и мониторингом качества синтеза речи.

Требуется владение Python+PyTorch, обработка аудио и навыки MLOps (Docker, CI/CD, MLflow). Возможна удалённая/гибридная/офисная работа и конкурентное вознаграждение.

Qualifikationen

• Уверенное владение Python и PyTorch для разработки и тренировки моделей.
• Опыт работы с аудио: PCM, WAV, Mel Spectrogram и FFmpeg.
• Опыт подготовки данных: очистка, VAD, сегментация, text normalization, forced alignment, G2P.
• Опыт обучения распределённых моделей на GPU и мониторинга метрик MOS/A/B тестов.

Aufgaben

• Поддержка и развитие пайплайна обучения TTS-моделей.
• Подготовка, очистка и валидация речевых датасетов.
• Автоматизация обработки аудио/текстовых данных (VAD, alignment, text normalization, G2P).
• Запуск и мониторинг обучения моделей на GPU-кластере.
• Оценка качества синтеза речи и анализ ошибок.
• Версионирование датасетов и моделей, управление экспериментами.
• Разработка и сопровождение инструментов автоматизации обучения и тестирования.

Kenntnisse

Python

PyTorch

Обработка аудио

GPU обучение

VAD

Text normalization

G2P

MLOps

Docker

CI/CD

MLflow/Weights & Biases

Inference optimization

Tools

FFmpeg

torchaudio

S3/MinIO

Jobbeschreibung

Привет, это Voximplant! Мы международная SaaS компания в области облачных коммуникаций. Мы создаём платформу, которая позволяет компаниям по всему миру строить клиентские коммуникации внутри своих продуктов и бизнес-процессов. Через нашу инфраструктуру бизнесы запускают голосовые сервисы, контакт-центры, омниканальные коммуникации, автоматизацию взаимодействия с клиентами и решения на базе AI. У нас есть 2 направления бизнеса: B2B и B2D. B2B - облачные контакт-центры, B2D (business to developers) - платформа-лего для разработчиков, внутри которой можно строить свою собственную коммуникационную платформу.

О Voximplant в 2026 году:

• С 2013 года на рынке облачных коммуникаций;
• 300+ сотрудников;
• 30 000 клиентов по всему миру;
• 3 млрд звонков обрабатываем в год.

Сейчас мы в поисках Middle ML Engineer на проект обучения TTS-моделей.

Будущие задачи:

• Поддержка и развитие пайплайна обучения TTS-моделей;
• Подготовка, очистка и валидация речевых датасетов;
• Автоматизация обработки аудио и текстовых данных (VAD, alignment, text normalization, G2P);
• Запуск и мониторинг обучения моделей на GPU-кластере;
• Оценка качества синтеза речи и анализ ошибок;
• Версионирование датасетов и моделей, управление экспериментами;
• Разработка и сопровождение инструментов автоматизации обучения и тестирования.

От успешного кандидата мы ждём опыт с:

• Python + PyTorch: уверенное владение;
• Обработкой аудио: PCM, WAV, Mel Spectrogram, FFmpeg, torchaudio;
• Подготовкой данных: очистка, VAD, сегментация, text normalization, forced alignment, G2P;
• Обучением моделей: запуск и мониторинг обучения, распределенное обучение, работа с GPU;
• Оценкой качества: понимание MOS, разбор типичных ошибок синтеза, проведение A/B-тестов;
• MLOps: Docker, Git, CI/CD, управление экспериментами (MLflow или Weights & Biases), хранение датасетов в S3/MinIO;
• Инференс — понимание vllm, оптимизация производительности.

Что предлагаем:

• Мы - продуктовая компания, которая создает технически сложный и востребованный продукт для бизнеса;
• Видимый вклад в развитие бизнеса: создание решений, приносящих реальную прибыль;
• Гибкое начало рабочего дня;
• Работа в аккредитованной IT-компании;
• Одна из 2-х льгот на выбор за счет компании (с возможностью воспользоваться другой на корпоративных условиях): ДМС (Лучи), Корпоративное обучение английскому/испанскому языку до 2-х раз в неделю;
• Корпоративные скидки от BestBenefits;
• Возможность удаленной/гибридной/офисной работы;
• Современные и удобные инструменты, софт и оборудование для работы.

Процесс найма:

1. 1. Скрининг с HR (45 минут);
2. 2. Техническое интервью (час);
3. 3. Лайв-кодинг (час);
4. 4. Оффер.