Senior Deep Learning Engineer (Real-time Voice Agent)
Сбер
Job Description
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.
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 (streaming