Senior Deep Learning Engineer (Real-time Voice Agent)

Ориентир по рынку≈ 368 000 – 429 000 ₽наша приблизительная оценка по 17 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,6 тыс.–5,3 тыс. $

ОфисSeniorПолная занятость

≈ 368 000 – 429 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 17 похожих вакансиях ML Engineer уровня Senior.

платят меньше368 000 – 429 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта уже 102 дня. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Зарплата не указана

Открыта давно

Описание

Обязанности: 5, требования: 4. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноMLPythonPyTorchLLM

Надбавка к зарплате на этом уровне: LLM +43%, Python +14%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Мы ищем сильного Senior Deep Learning-инженера в команду, которая создает голосовой AI принципиально нового уровня. Наша цель — построить low-latency-диалогового агента, общение с которым будет максимально естественным и отличимым от разговора с живым человеком только в положительную сторону. Наш агент должен не просто отвечать на вопросы, а уметь использовать внешние инструменты (function calling), проявлять эмпатию, управлять просодией (делать паузы, менять интонацию, вздыхать) и уверенно работать в условиях сильного фонового шума.

О роли

Для быстрого старта у нас уже есть мощный фундамент — наша audio-conditioned-модель GigaChat Audio и LLM-based-синтез речи GigaTTS. Теперь перед нами стоят инженерные и research-вызовы: нужно превратить эту базу в идеального стримингового собеседника. Предстоит научить модель органично реагировать на перебивания (barge-in), удерживать сложный многошаговый контекст, работать с потоковым аудио (stre

Чем предстоит заниматься

Audio-conditioned & Speech2Speech LLMs: дообучение моделей для достижения естественного, эмпатичного и инструктивного ответа

Real-time Interaction: адаптация архитектуры под стриминговый ввод/вывод, решение проблемы перебиваний (barge-in) и минимизация задержки (latency / Time-to-First-Audio-Token)

Data-centric AI & Evaluation: дизайн сложных, многомерных метрик качества и проектирование хитрых срезов для сбора данных под edge-кейсы

Research & Architecture: проведение экспериментов с новыми компонентами (энкодеры аудио, новые поколения LLM) и внедрение их в пайплайн

Domain Adaptation: адаптация базового агента под сложные сценарии, требующие удержания длинного контекста и вызова внешних API

Наши требования

Уверенное владение Python и PyTorch: написание чистого, модульного кода, понимание ООП, типизации, умение писать тесты

Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (Data/Tensor/Context/Expert Parallelism)

Глубокая экспертиза в Deep Learning: уверенный практический опыт обучения LLM и/или Audio-Foundation моделей

Data & Evaluation: опыт построения пайплайнов оценки качества и сбора данных для генеративных моделей