音声AIエンジニア（シニア／音声合成／TTS）

仕事概要

━━━━━━━━━━━━━━━━━━━━━━━━━━
【この求人を一言でいうと】
Recho（レコー）の電話AIが話す“声”そのものの品質を、AIモデルとデータの両面から主導して良くするシニアエンジニア（音声合成／TTS）のポジションです。読み間違い・不自然なイントネーション・遅延といった課題を特定し、改善を推進します。将来は音声チームのリードも見据えています。チーム内の公用語は英語ですが、本ポジションは日本語TTSの品質を扱う性質上、日本語でのコミュニケーション（N2レベルを目安）が必須です。年収は1,500万～2,000万円（応相談）。勤務地は原則として、半蔵門オフィス（ハイブリッド前提）です。ただし、海外居住者や遠方の方からのご応募、フルリモート・ビザ取得サポート等についても柔軟に相談に応じます。

━━━━━━━━━━━━━━━━━━━━━━━━━━

■こんな経歴の方に向いています

TTS・音声合成の研究開発を手がけ、プロダクトとしてリリースした経験がある方
モデルだけでなく、音声データの設計・品質管理やプロダクト要件への落とし込みまで一貫して担いたい方
チーム・プロジェクトをリードし、音声チームを立ち上げ・統括していきたい方

■役割：TTS（音声合成）の品質を、モデルとデータの両面から主導して引き上げる

Recho（レコー）の電話カスタマーサポートでは、AIが話す“声”の品質（自然さ・正確さ・安定性・遅延）が顧客体験を直接左右します。本ポジションの中心的なミッションは、TTS（音声合成）モデルの品質課題を特定し、モデルとデータの両面から改善を主導することです。

読み間違い、不自然なイントネーション、不安定さ、遅延といった課題に対し、最新のTTSアーキテクチャ（LLMベースTTS、Audio Codec、Flow Matching、Diffusion 等）の学習・改良と、音声データの収集・選定・品質基準づくりの両輪で解決策を立て、実行していただきます。

さらに、PM・案件側の要望を技術課題に翻訳し、改善ロードマップを描くことも重要な役割です。推論チームと連携した本番導入・低遅延化、将来的には音声チーム（TTS・音声データ）のリードまで見据えたポジションです。

【このポジションで「やらないこと」】

オンラインサービスのSLA管理、オンコール、障害復旧、インフラ保守を主目的とするポジションではありません
GPUクラスタそのものの保守運用、一般的なSRE／DevOps業務は主業務ではありません（運用保守は別チームが担当します）
推論基盤そのものの設計・実装（高速化・サービング）は別ポジション「AI推論基盤エンジニア」が担当します（本ポジションは低遅延化の観点で連携します）
ASR（音声認識）や対話設計そのものが主務ではありません（必要に応じて連携します）

■お任せしたい主な業務
1. TTSモデルの研究開発・改良

最新TTSアーキテクチャ（LLMベースTTS・Audio Codec・Flow Matching・Diffusion 等）の学習・改良
品質・安定性・遅延の改善（読み間違い・不自然なイントネーション・不安定さの解消）
推論チームと連携した本番導入・低遅延化

2. 課題特定と音声データ戦略

TTSの品質課題の特定と、モデル・データ両面での解決策の立案・実行
音声データ戦略の策定（収集・選定・品質基準）と、データチームとの連携
音声データの前処理・アライメント・ラベリングパイプラインの整備

3. 評価設計

品質を測るための評価基準・評価セットの設計
主観評価（MOS 等）と客観評価を組み合わせた評価の運用

4. プロダクト連携・チームリード

PM・案件側との要件すり合わせ、改善ロードマップの策定
チームメンバーの育成・技術方針の策定
※より詳細な業務内容については、カジュアル面談や面接の際にお話しさせていただきます。

■このポジションの魅力
1. 「声の良し悪し」を自分の判断で決められる
電話CSでは声の自然さがそのまま顧客体験になります。読み・イントネーション・遅延といった“聞けば分かる”課題を、自分の設計でモデルとデータの両面から解決できます。

2. モデル・データ・プロダクトを横断できる
研究に閉じず、データ整備からプロダクト要件への落とし込みまで一貫して担えます。単一モデルの精度ではなく、実際の通話での品質で勝負できるスコープです。

3. 音声チームを立ち上げ、リードできる
入社後はまず課題整理と評価基準づくり、その先はTTS・音声データのチームを統括するポジション。0→1で音声品質の仕組みを作れます。

■利用サービス・技術スタック一覧

言語・実装：Python ／ PyTorch
TTS・音声：LLMベースTTS ／ Audio Codec ／ Flow Matching ／ Diffusion ／ Vocoder
音声データ：前処理／アライメント／ラベリング
評価：MOS（主観評価）＋客観評価
周辺（歓迎）：ストリーミング推論／低遅延化／分散学習

■プロダクトの優位性について
人間と区別がつかないレベルの自然な対話を実現する「Recho AI Voice Platform」の開発と、大手企業への「Voice AI Agent」の導入・運用支援を行っています。
最大の強みは、高品質なAI Agentを効率よく構築・改善できるプロダクト基盤にあります。業界の暗黙知を吸収し、ユーザーからのフィードバックデータをもとに、継続改善のサイクルを圧倒的な速度で回せる仕組みです。この技術により、金融・メーカー・行政などの実業務において複雑で大規模なコールセンターのAI化が急速に拡大しており、人間のオペレーターへの引き継ぎゼロ（完結率100%）を達成したプロジェクト実績もあります。

■面接・選考プロセス
カジュアル面談 ⇒ ケース課題・一次面接 ⇒ トライアル業務委託* ⇒ 最終面接 ⇒ オファー面談
*トライアル業務委託は、1日〜連続2日間オフィスにお越しいただき、実際にオフィスで業務に取り組んでいただく機会です（有償）。メンバーと協働し、カルチャーマッチと業務理解を確認し合う期間です。
※場合によってリファレンスチェックを依頼させていただくことがございます
※スケジュールや副業規定で業務委託が難しい場合には、ご相談くださいませ

■Rechoについて
Rechoは、カスタマーサポート領域の効率化を牽引する「AI Agent」の基盤モデル開発から、顧客への実装・プロジェクトデリバリーまでを同一組織内で一気通貫で行うテクノロジー企業です。

現在は、フルスクラッチで自社開発した「音声AI」技術を最大の強みとし、業界の長年の課題であった品質とコストのトレードオフを解消するソリューションをエンタープライズ向けに提供しています。シリーズAで約7億円の資金調達を完了し、SBI新生銀行やKDDIといった大手企業のシビアな本番環境への社会実装を急進させているフェーズです。

Rechoについて詳しく知りたい方に向けて、会社やプロダクトに関する公開情報をまとめたページをご用意しました。このページでは、弊社の事業内容やプロダクトの詳細、所属メンバーについてご覧いただけます。

■参考情報

必須スキル

※語学力：英語を用いた、専門的な技術コミュニケーション能力
※海外在住者の応募歓迎：日本への移住を伴う場合、就労ビザの取得支援およびリロケーションサポートを提供します

TTS・音声合成モデルの研究開発・学習の実務経験
TTSの品質課題を特定し、改善してプロダクトに反映した経験
最新TTSアーキテクチャ（LLMベースTTS・Audio Codec・Flow Matching・Diffusion 等）の学習・改良経験
音声データの設計・品質管理（前処理・アライメント・ラベリング）の経験
PythonおよびPyTorchによる高い実装力
PM・他チームと協働し、要件を技術に落とし込んだ経験
日本語：日常業務・設計議論に支障のないレベル（N2目安）

歓迎スキル

日本語・ドメイン

日本語TTSの経験（アクセント・イントネーション、読み推定、テキスト正規化）
電話音声（8kHz 等）・コンタクトセンター領域の経験

周辺技術

ストリーミングTTS・低遅延音声対話システムの経験
ASR・Speech-to-Speech・音声LLMの経験
分散学習の実務経験

リード・実績

チームマネジメント経験
論文発表実績（Interspeech、ICASSP 等）

語学・コミュニケーション

英語での技術ドキュメント読解・コミュニケーション能力
中国語でのコミュニケーション能力
※本チームの公用語は英語です。日本語に加えて、英語（チーム公用語）や中国語（中国語話者の社員も多数在籍）でのコミュニケーションが可能な方は、社内連携においてより歓迎します。

求める人物像

■求める人物像

耳で見つけ、数値で語れる： 音を「聞いて」問題を見つけ、それをデータと数値で説明できる方
モデル×データ×プロダクトを横断： モデル・データ・プロダクトを行き来しながら課題を解決できる方
研究とプロダクトの両取り： 研究とプロダクトの両方に責任を持てる方
チームを育てる： メンバーを育て、チームとして成果を出せる方

■大切にしている4つの価値観に共感いただける方
Rechoの提供価値を最速で最大化するために、チームで大切にしているバリューをご紹介します。

Exceed Expectations
顧客と仲間の期待を、スピードと品質の両立で超え続ける。

Team-First
一人ひとりがプロとしての責任を果たし、個人ではなくチームの成果を最大化する。

Continuous Feedback
成果のために本気で向き合い、率直に伝え合う。言いにくいことこそ、敬意と配慮をもって誠実に伝え続ける。

Earn Trust
信頼は、すべての協力と挑戦の土台である。道徳的に判断し、公私混同しない。信頼を築くのには時間がかかり、失うのは一瞬。

応募概要

給与

前職の給与水準、スキルレベル等を総合して報酬を決定いたします。

年俸制：1,500万円～ 2,000万円
昇給：あり（年1回を基本とし、本人の貢献、会社の業績によって決定）
SO（ストックオプション）制度あり

勤務地

半蔵門WeWork（東京都千代田区麹町2-3-2 半蔵門PREX North）
出社推奨（一部リモートワーク可能）

雇用形態

正社員（トライアル業務委託からの参画も相談可能です）

勤務体系

■勤務時間

フルフレックス（コアタイムなし）
標準労働時間：1日8時間（休憩1時間）
始業・終業の時刻：労働者の決定に委ねる（基本目安 10:00〜19:00 ※休憩1時間を含む）

■職務内容・就業場所について

業務内容：（雇入れ直後）音声AI推論基盤開発業務
　　　　　　（変更の範囲）会社の定める業務
就業場所：（雇入れ直後）半蔵門WeWork（一部リモート相談可能）
　　　　　　（変更の範囲）会社の定める場所

■休日休暇
土日、祝日、年末年始（12月29日〜1月3日）、特別休暇、有給休暇（初年度10日）

試用期間

3ヶ月間（条件変更なし）

福利厚生

■保険・制度

各種社会保険完備
通勤手当有（月額25,000円まで）

■オフィス環境

WeWork入居（半蔵門駅徒歩2分／占有フロア・集中ブース・会議室完備）
館内ドリンク無料（コーヒー・ソフトドリンクに加え、アルコールも利用可）
高品質オフィスチェア完備
MacBook Air + 外部ディスプレイ貸与

■生産性向上サポート

Claude Code / Cursor / Devin などの開発ツール提供
AIツール利用補助（月3万円まで）
Amazon Business アカウント利用可（業務上必要な書籍・備品購入）

■コミュニケーション施策

日次開催の「昼会」　：業務進捗だけでなく、気軽なテーマの雑談も含めて相互理解を深化
月次開催の「懇親会」：月初金曜の終業後にオフィスで開催。軽食を交えた懇親

■受動喫煙防止措置
屋内原則禁煙（屋外に喫煙所あり）

音声AIエンジニア（シニア／音声合成／TTS）