Разработчик говорящих аватаров реального времени (синтез речи, синхронизация губ, видеопоток)
Описание
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; ориентир по стоимости серверов в месяц для вашей схемы.