Senior Full Stack Engineer (Voice and Realtime AI) (Ukraine)

Про клієнта
Наш клієнт — сінгапурська AI-компанія з венчурним фінансуванням. Її платформа в реальному часі навчає та підтримує команди продажів і клієнтського обслуговування великих корпорацій в Азійсько-Тихоокеанському регіоні, зокрема за допомогою AI-агентів і голосових технологій.
Про проект
Продукти клієнта включають AI-агентів і real-time асистентів, які спілкуються з користувачами кількома мовами. Ви відповідатимете за розробку та експлуатацію голосової та realtime-підсистеми: потокові аудіопайплайни, інтеграції з провайдерами speech-to-text і text-to-speech, роботу із затримками та перебиваннями, а також єдиний вимірюваний спосіб оцінювати якість для різних мов і провайдерів. Ви тісно співпрацюватимете зі Staff Platform Engineer щодо спільної конфігурації, доступу до моделей та інфраструктури оцінювання. Інженерна команда розподілена між Індією та Південно-Східною Азією, тому потрібен суттєвий перетин із робочими годинами Сінгапуру.
Обов'язки
Розробка та експлуатація production голосових і стрімінгових сервісів: real-time аудіопайплайни на WebRTC/LiveKit або подібних технологіях, голосові агенти, визначення черговості реплік (turn detection) та обробка перебивань.
Інтеграція, налаштування та порівняння STT- і TTS-провайдерів; безпечні та відтворювані зміни провайдерів і конфігурацій у різних продуктах і середовищах.
Повна відповідальність за бюджет затримок та його вимірювання: час до першого аудіо, затримка репліки, частка помилок і fallback.
Побудова та підтримка процесу регресійного тестування й оцінювання якості голосу для кожної мови (WER/CER, затримки, перевірка носіями мови), щоб кваліфікувати зміни провайдерів чи конфігурацій до релізу.
Забезпечення паритету середовищ, маршрутизації та керування обліковими даними для голосових провайдерів.
Відповідальність за підсистему після запуску: моніторинг, алерти, on-call і реагування на інциденти.
Розробка full-stack частин за потреби: API, внутрішні інструменти й дашборди для оцінювання, інтеграція аудіо на клієнті.
Співпраця з Product щодо багатомовних голосових фіч і зі Staff Platform Engineer щодо спільних інтерфейсів.
Вимоги
5+ років у розробці ПЗ та production-відповідальність за голосові, мовленнєві або real-time стрімінгові системи.
Сильні бекенд-навички на Python або Go (TypeScript/Node.js також вітається) для конкурентних стрімінгових сервісів.
Практичний досвід із WebRTC, LiveKit або подібними медіа- та стрімінговими технологіями (RTP, аудіо через WebSocket, медіасервери, телефонія).
Досвід інтеграції кількох STT/TTS-провайдерів і їх порівняння за реальними метриками, а не «на слух».
Досвід вимірювання якості мовлення та затримок: WER/CER, бенчмарк-набори, A/B-порівняння.
Сильна практика observability, SLO та реагування на інциденти; досвід on-call.
Уміння спроєктувати оцінювання для мов, якими ви не володієте, у співпраці з носіями мови.
Рівень англійської Upper-Intermediate або вище та суттєвий перетин із робочими годинами Сінгапуру.
Як плюс
Багатомовне мовлення та code-switching, особливо азійські мови.
Продукти conversational AI або AI для контакт-центрів.
Голосові агенти на базі LLM, tool calling і realtime API моделей.
Робота з аудіо на фронтенді (Web Audio API, React).
Телефонія (SIP, PSTN, Twilio або подібні).
Практичне використання AI-інструментів для коду (Claude Code, Codex або подібних).

Work arrangement
Yes