Разработчик говорящих аватаров (AI/ML)

Что предстоит делать

ATLAXIS — цифровая платформа о здоровье. Нам нужны говорящие аватары врачей: человек задаёт вопрос, а цифровой врач отвечает ему голосом и видео в реальном времени — с живой мимикой и губами, которые двигаются точно под речь. Ищем разработчика или небольшую команду, которые соберут это сначала быстро на готовом сервисе, а затем — на наших серверах. О проекте • Сервис хранит анализы и историю здоровья человека и отвечает на вопросы по клиническим рекомендациям со ссылками на источники. • Аватаров будет 20–25: врачи разных специальностей и внешности, в едином стиле. Лица сгенерированы, реальные люди не используются; мы прямо сообщаем, что это не люди. • Есть разработчик основной системы, сервер в России, веб-кабинет и мобильное приложение на Flutter. СХЕМА БУДЕТ ОТПРАВЛЕНА ПОНРАВИВШИМСЯ КАНДИДАТАМ Схема выше — наше текущее видение, а не догма. Если вы знаете решение лучше — дешевле на большом числе пользователей, с меньшей задержкой или проще в поддержке, — предложите его. Мы сравниваем варианты по пяти критериям: • цена в месяц при 4 000, 45 000 и 120 000 минут разговоров; • задержка до первого кадра и естественность речи на русском; • сколько пользователей одновременно выдержит без «лагов»; • где обрабатываются данные — в России или за рубежом; • сроки и стоимость разработки и поддержки. Что предстоит сделать • Пилот этапа 1: один аватар, синтез голоса на нашем сервере, связка с Synthesia, показ в веб-кабинете. Замер задержки и качества. • Подобрать модель синтеза русской речи для своего сервера: эмоции, скорость, требования к железу, лицензия на коммерческое использование. • Прототип этапа 2 на одном аватаре: библиотека роликов + синхронизация губ + склейка эмоциональных сценариев. • Расчёт серверов и стоимости для обеих схем; план масштабирования до 20–25 аватаров. • Встраивание в веб-кабинет и мобильное приложение (Flutter) вместе с нашим разработчиком.

Что ждём от вас

• Опыт с потоковым видео и звуком в реальном времени: WebRTC, LiveKit или аналоги.
• Опыт с синтезом речи (TTS), в том числе русской: подключение, настройка интонации, запуск на своём сервере.
• Опыт с синхронизацией губ и говорящими аватарами: виземы, модели lip-sync, сборка видео из роликов.
• Python; запуск моделей на видеокартах (GPU), Docker, оценка нагрузки.
• Опыт работы с API сервисов аватаров (Synthesia, HeyGen, D-ID, Tavus или похожих) — плюс.
• Портфолио: работающие примеры говорящих аватаров или голосовых ассистентов.
• Будет плюсом
• Опыт в играх или анимации: смешивание анимаций, переходы между роликами без швов.
• Опыт с медицинскими или другими чувствительными данными.
• Опыт интеграции с Flutter и веб-фронтендом.

Что предлагаем