Senior NLP Engineer

О компании и о роли

Syncall AI ищет Senior NLP Engineer, который будет отвечать за качество языковых и голосовых моделей для языков с малым количеством данных: от сбора и чистки датасетов до модели, работающей в продакшене.

Syncall делает два продукта на узбекском и русском: Voice Agent — голосового ИИ-оператора для звонков клиентам, и Analytics — речевую аналитику разговоров. Наши агенты принимают входящие звонки, напоминают о платежах и продают. С нами работают крупнейшие компании в банковской сфере, телекоме, страховании, финтехе и ритейле.

Вы станете ключевым человеком в ML-команде: будете выбирать подходы, ставить эксперименты и доводить LLM, STT и TTS до уровня, на котором им можно доверить реальные разговоры с клиентами.

Задачи

• Файнтюн LLM под узбекский язык: continued pretraining, SFT, LoRA/QLoRA, при необходимости DPO и другие методы alignment.
• Файнтюн и адаптация STT-моделей (Whisper, wav2vec2, Conformer и аналоги) под языки, акценты, диалекты и шумную телефонную речь.
• Файнтюн TTS-моделей (VITS, XTTS, F5-TTS и аналоги): естественность, произношение, скорость синтеза.
• Сбор, разметка и чистка данных: поиск открытых корпусов, синтетические данные, аугментации, работа с разметчиками.
• Построение системы оценки качества: WER/CER для STT, MOS и разборчивость для TTS, бенчмарки и human eval для LLM.
• Оптимизация инференса под продакшен: задержка, стоимость, квантизация, стриминг.
• Выбор архитектурных решений и наставничество для middle- и junior-инженеров.

Обязательные требования

• 5+ лет в ML/NLP, из них 2+ года с LLM и/или речевыми моделями.
• Подтверждённый опыт файнтюна LLM для низкоресурсных языков: вы можете показать результат (метрики до и после, публикацию, репозиторий, модель на Hugging Face или кейс из продакшена).
• Практический опыт файнтюна STT-моделей и TTS-моделей, понимание их метрик и типичных проблем.
• Уверенный Python и PyTorch; опыт с Hugging Face (transformers, datasets, PEFT), распределённым обучением (DeepSpeed, FSDP или аналогами).
• Умение работать в условиях нехватки данных: transfer learning, кросс-языковой перенос, синтетические данные, аугментации.
• Умение самостоятельно ставить эксперименты, честно оценивать результат и объяснять решения команде и бизнесу.

Будет плюсом

• Навыки MLOps: пайплайны обучения и деплоя, трекинг экспериментов (MLflow, W&B), версионирование данных и моделей, мониторинг качества в продакшене.
• Опыт сервинга моделей: vLLM, TensorRT-LLM, Triton, ONNX; квантизация и стриминговый инференс для голоса с низкой задержкой.
• Опыт с Docker, Kubernetes, облачными GPU.
• Опыт построения голосовых агентов (связка STT → LLM → TTS) и работы с телефонией.
• Знание узбекского языка.
• Публикации, open-source вклад или участие в сообществах по низкоресурсным языкам.

Условия

• Зарплата: от 24 млн сум, итоговая сумма обсуждается по результатам собеседования.
• Формат: фуллтайм в офисе.
• Доступ к GPU для обучения и экспериментов.
• Большое влияние на продукт: ваши модели напрямую определяют качество разговора с клиентом.

Как откликнуться

Пришлите резюме в Telegram и коротко опишите один проект по файнтюну LLM, STT или TTS для низкоресурсного языка: какие были данные, что сделали и какие метрики получили. Ссылки на GitHub, Hugging Face или статьи приветствуются.