Разработчик говорящих аватаров реального времени (синтез речи, синхронизация губ, видеопоток)

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.

Требования

• 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.

Условия

• Удалённо, проектная работа; после пилота — долгосрочное сотрудничество.
• Оплата: по результатам собеседования за пилот; дальше — по этапам.
• Договор с ИП или самозанятым, передача исключительных прав на результат, соглашение о неразглашении.
• Прямое общение с руководителем проекта и разработчиком основной системы.

Как откликнуться

В отклике пришлите:

• примеры говорящих аватаров или голосовых ассистентов, которые вы делали (ссылки, видео);
• какую схему вы бы выбрали — нашу или свою — и почему (5–10 предложений);
• срок и стоимость пилота этапа 1 и прототипа этапа 2;