Voice AI Engineer

Также называют: Speech Engineer, Speech AI Engineer, Voice Agent Engineer, Conversational AI Engineer, ASR Engineer, Speech Recognition Engineer.

Кто такой Voice AI Engineer и чем он занимается?

Voice AI Engineer — это инженер, который собирает голосовые AI-продукты: распознавание речи (ASR), синтез речи (TTS) и голосовых агентов, которые разговаривают с человеком в реальном времени. Главное ограничение его работы — задержка: собеседник замечает паузу, и до того, как она станет неловкой, нужно распознать речь, получить ответ модели и озвучить его. Типичные задачи:

• собирает цепочку ASR → LLM → TTS или работает со speech-to-speech моделями и измеряет задержку на каждом шаге;
• решает проблемы живого разговора: перебивания, паузы, определение конца реплики, фоновый шум;
• выбирает и дообучает модели распознавания и синтеза под язык, акценты, терминологию и голос бренда;
• подключает телефонию и WebRTC, чтобы агент работал в звонке, в приложении или в браузере;
• измеряет качество разговоров: ошибки распознавания, долю закрытых без человека диалогов, стоимость минуты.

Когда компании нужен Voice AI Engineer?

Voice AI Engineer нужен, когда голос — основной интерфейс продукта: голосовые агенты для поддержки и колл-центров, запись к врачу и продажи по телефону, ассистенты в автомобилях и устройствах, транскрибация и анализ звонков. Частый триггер — прототип голосового агента на готовых API хорошо смотрится на демо, а в реальных звонках тормозит, перебивает клиента и путает имена и адреса. Роль не сработает, если голос — второстепенная функция и достаточно подключить готовую платформу голосовых агентов: тогда хватит AI / LLM Engineer или Agentic AI Engineer, который настроит её логику.

Чем Voice AI Engineer отличается от AI / LLM Engineer?

Voice AI Engineer отличается от AI / LLM Engineer тем, что отвечает за разговор в реальном времени, а не за текстовый ответ модели: задержка, звук, перебивания и телефония — его зона, а для AI / LLM Engineer это незнакомая территория. От NLP Engineer его отличает материал: NLP Engineer работает с текстом, Voice AI Engineer — со звуком и временем.

Voice AI Engineer и смежные роли: сравнение

Почему Voice AI Engineer сложно нанять?

Voice AI Engineer сложно нанять, потому что роль новая, а нужный опыт складывается из трёх областей, которые раньше почти не пересекались: речевые технологии, LLM и системы реального времени.

• Специалисты по речи, работавшие до LLM, хорошо знают ASR и TTS, но не строили агентов; инженеры LLM-продуктов, наоборот, не работали со звуком и задержкой.
• Опыт real-time — WebRTC, стриминг, телефония — чаще встречается у Backend Developers и VoIP-инженеров, чем у ML-специалистов.
• Название плавающее: те же люди называют себя Speech Engineer, Conversational AI Engineer или просто AI Engineer.

Что выяснить до найма Voice AI Engineer?

• Строите на готовой платформе или собираете свою цепочку? Для этих задач нужны разные люди.
• Какая задержка допустима? Агент для живых звонков и сервис транскрибации записей — разные задачи, и без целевой цифры трудно оценить опыт кандидата.
• Нужно ли обучать свои модели речи? Если да, нужен опыт с ASR и TTS на уровне моделей; если нет, важнее инженерия real-time и интеграции.

Где искать Voice AI Engineer?

Voice AI Engineers чаще всего приходят из стартапов голосовых агентов и автоматизации колл-центров, компаний речевых технологий (распознавание, синтез, транскрибация), команд голосовых ассистентов в устройствах и автомобилях, а также из VoIP- и коммуникационных платформ. Сильный сигнал — голосовой продукт с реальными звонками или пользователями и конкретные цифры задержки, которых человек добился. NEWHR ищет таких кандидатов по результатам работы, а не по откликам на вакансию.

Как проверить Voice AI Engineer на интервью?

Voice AI Engineer проверяют разбором голосовой системы, которую кандидат запустил, и кейсом: спроектировать голосового агента под задачу компании с бюджетом задержки по шагам. Со стороны компании участвуют CTO или ML Lead.

Сильные сигналы:

• раскладывает задержку по шагам цепочки и знает, где теряются миллисекунды;
• сам заводит разговор о перебиваниях, шуме и определении конца реплики;
• слушал записи реальных разговоров своего агента и разбирал ошибки.

Красные флаги:

• опыт только с текстовыми чат-ботами, а голос «подключал через API»;
• оценивает качество по демо, без метрик на реальных звонках;
• не может назвать задержку своего решения.

Сколько длится поиск Voice AI Engineer?

Первых кандидатов на роль Voice AI Engineer показываем через 5–7 дней после брифа.

Смежные роли

• AI / LLM Engineer — собирает LLM-логику агента, но обычно не звук, задержку и телефонию вокруг неё.
• Agentic AI Engineer — проектирует, что агент делает в многошаговой задаче; Voice AI Engineer делает так, чтобы он мог это вслух и без пауз.
• NLP Engineer — нужен, если слабое место агента не голос, а понимание языка и терминов.
• AI Infrastructure / Inference Engineer — снижает задержку сервинга моделей на уровне GPU, от которой зависит бюджет задержки голосового агента.