{"id":4025182,"url":"https://alion.io/job/etteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb","title":"Speech Data Engineer – Data Sourcing, Vendor Management & Python (M/F/NB)","company":{"id":56718,"name":"Etteplan","domain":"etteplan.com","url":"https://alion.io/company/etteplan","size_band":"1001-5000","is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"Jobylon","truth_index":{"grade":"B","score":79,"open_postings":39,"ghost_share":0,"stale_share":0.821,"repost_share":0,"time_to_fill_p50_days":26,"computed_at":"2026-11-10T06:52:35Z"}},"role":"Data Science","role_family":"Data Science","seniority":null,"employment_type":null,"work_mode":"on_site","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Gdańsk, Poland"],"countries":["PL"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":null,"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"EU AI Act","optional":false},{"name":"GDPR","optional":false},{"name":"Python","optional":false}],"status":"live","first_seen_at":"2026-11-10T15:05:20Z","employer_posted_date":"2026-11-10","last_verified_at":"2026-11-10T22:05:31Z","board_verified":true,"closed_at":null,"days_open":0,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":0},"description":"Jak wytrenować model, który rozumie szept, mowę bezgłośną i napiętą, skoro standardowe zbiory danych w ogóle tego nie zawierają?\nOdpowiedź zaczyna się od danych: od tego, jak dobrze zostały zaprojektowane, pozyskane i sprawdzone. Jakość modeli jest ograniczona jakością korpusu.\nW Etteplan szukamy Speech Data Engineera, który przejmie odpowiedzialność za pozyskiwanie danych głosowych dla technologii AI naszego klienta, od wyboru dostawców i protokołów nagrań, przez kontrolę jakości, po zgodność z GDPR.\nOd ponad 40 lat łączymy wiedzę inżynierską z nowoczesnymi technologiami. Tworzymy rozwiązania z obszaru software, embedded systems i zaawansowanej inżynierii, pomagając klientom rozwijać produkty i systemy wykorzystywane w rzeczywistym świecie.\nRola w skrócie\nObszar: pozyskiwanie i kontrola jakości danych głosowych (speech data operations, data engineering)\nKluczowe technologie: Python, pipeline'y audio i metadanych, wersjonowanie zbiorów danych\nGłówne zagadnienia: zarządzanie dostawcami danych, protokoły nagrań, kontrola jakości, GDPR i dane biometryczne, licencje i pochodzenie danych (provenance), współpraca z badaczami AI\nŚrodowisko: zbiory danych mowy w wielu językach, zewnętrzni dostawcy nagrań, zespół badawczy AI\nO projekcie i Twojej roli\nDołączysz do zespołu klienta, który buduje działającą w czasie rzeczywistym, lokalnie na urządzeniu technologię audio AI. Przekształca ona szept, mowę bezgłośną i napiętą w czysty, naturalny głos, bez udziału chmury i z opóźnieniem pozwalającym na rozmowę. Technologia jest licencjonowana producentom sprzętu.\nModele klienta wymagają mowy, której standardowe zbiory danych nie obejmują. Istniejące korpusy to głównie mowa czytana i dźwięczna, nagrywana w cichych pomieszczeniach przez osoby mówiące normalnie, a produkty klienta działają na mowie szeptanej, bezgłośnej i napiętej, w warunkach rzeczywistych. Dane te pozyskiwane są przez wyspecjalizowanych partnerów w wielu językach, a Ty odpowiadasz za to, jak dobrze są zaprojektowane, pozyskane i sprawdzone.\nTo rola data engineera, której środek ciężkości leży w operacjach pozyskiwania danych: mniej więcej dwie trzecie operacji i jedna trzecia inżynierii. Wybierasz dostawców i zarządzasz nimi, piszesz protokoły, według których pracują, kontrolujesz jakość dostaw i prowadzisz pipeline, który sprawia, że wynik jest użyteczny. Jeśli szukasz roli czysto związanej z systemami rozproszonymi, to nie ta. Jeśli chcesz odpowiadać za zbiór danych od początku do końca i zobaczyć, jak zmienia wyniki modeli, to właśnie ta.\nDlaczego warto?\nPracujesz nad problemem, którego nikt jeszcze nie rozwiązał. Nie istnieje gotowy podręcznik pozyskiwania mowy bezgłośnej w dobrej jakości i na dużą skalę, a Ty pomagasz go napisać.\nOdpowiadasz za zbiór danych od początku do końca. Widzisz, jak Twoja specyfikacja, kontrola jakości i decyzje o licencjach przekładają się na wyniki modeli.\nMasz krótką drogę od swojej pracy do gotowego produktu. SDK klienta trafia do urządzeń konsumenckich, a korpus decyduje o tym, jak dobrze brzmi wynik.\nPracujesz w małym zespole, przy jednym stole z badaczami i dyrektorem produktu (CPO). Osoba odpowiedzialna za dane ma bezpośredni wpływ na decyzje.\nW tej roli będziesz odpowiadać za:\nPozyskiwanie zbiorów danych mowy od zewnętrznych firm zajmujących się zbieraniem danych: wybór dostawców, umowy zakresowe (SOW), standardy akceptacji, harmonogramy dostaw i budżety.\nUstalanie specyfikacji paneli tak, aby każdy język był zrównoważony pod względem wieku, płci, akcentu i typu głosu, oraz sprawdzanie dostaw względem tych specyfikacji.\nDbanie o to, aby dostawcy uczciwie płacili uczestnikom i jasno ich informowali.\nPisanie protokołów nagrań dla każdego języka, według których działają dostawcy: zestawy tekstów, długość sesji i instrukcje dla mówców.\nDefiniowanie macierzy przechwytywania (urządzenia, typy mikrofonów, odległość i warunki hałasu), tak aby korpus odzwierciedlał rzeczywiste użycie.\nSzacowanie skali każdej kolekcji: liczba mówców (w tym akcenty i emocje), godziny, zrównoważenie i koszt.\nBudowę i prowadzenie ścieżki przyjmowania danych (ingest) z automatyczną walidacją częstotliwości próbkowania, kanałów, przesterowań, głośności, stosunku sygnału do szumu, aktywności głosowej i wyrównania.\nUtrzymywanie schematu metadanych dla wielu języków, dostawców i sprzętu nagraniowego.\nWersjonowanie zbiorów danych, pisanie notatek o wydaniach i zapewnianie powtarzalnych podziałów bez wycieku mówców między zbiorami.\nUstalanie kryteriów akceptacji dla każdej partii i egzekwowanie ich, w tym wymuszanie poprawek, gdy partia ich nie spełnia.\nProwadzenie eksperckich sesji odsłuchowych w zakresie, którego automatyka nie oceni, oraz monitorowanie dryfu między partiami, dostawcami i lokalizacjami.\nDbanie o powtarzalność procesu tak, aby dodanie nowego języka było kwestią konfiguracji, a nie osobnym projektem.\nZarządzanie modelem zgód: jawnym, celowym, udokumentowanym i możliwym do wycofania (nagrania głosu to dane biometryczne w rozumieniu GDPR).\nZabezpieczanie licencji obejmujących wszystkie planowane zastosowania komercyjne i prowadzenie dokumentacji praw, którą da się prześledzić do każdej umowy.\nProwadzenie rejestru pochodzenia (provenance) dla każdej próbki: kto, kiedy, na jakiej zgodzie i licencji oraz do jakich celów można jej użyć.\nOdpowiadanie za przechowywanie, usuwanie i wymazywanie danych w praktyce, w tym za to, co wycofanie zgody oznacza dla modelu, który został już wytrenowany.\nUdział w ocenie skutków dla ochrony danych (DPIA) oraz współpracę z doradcami regulacyjnymi nad warunkami kolekcji i unijnym aktem o sztucznej inteligencji (EU AI Act).\nPrzekładanie potrzeb modeli na specyfikacje kolekcji, zamykanie pętli od każdego wydania zbioru do wyników ewaluacji modeli oraz wczesne informowanie zespołu badawczego, czego dane nie są w stanie wesprzeć.\nSzukamy osoby, która:\nMa co najmniej 4 lata doświadczenia w inżynierii danych, operacjach na danych mowy lub zarządzaniu korpusami, w tym przynajmniej jeden program kolekcji prowadzony samodzielnie od początku do końca.\nMa praktyczne doświadczenie z danymi audio na dużą skalę: formaty, częstotliwości próbkowania, głośność, wyrównanie i metadane.\nSwobodnie programuje w Pythonie i sama pisze skrypt zamiast zgłaszać zadanie innym.\nMa udokumentowane doświadczenie w zarządzaniu dostawcami: pozyskiwanie i kontraktowanie partnerów zbierających dane, umowy zakresowe, budżety, kryteria akceptacji oraz trudna rozmowa, gdy partia nie spełnia wymagań.\nZna GDPR w zakresie danych biometrycznych i głosowych oraz swobodnie porusza się w licencjonowaniu danych i prawach do nich.\nPotrafi odmówić drogi na skróty, która zagraża możliwości licencjonowania korpusu.\nPotrafi koordynować pracę w różnych kulturach: będzie nadzorować kolekcje w językach, których nie zna, przez dostawców i lokalnych koordynatorów, nie tracąc odpowiedzialności za jakość.\nPisze tak, żeby inni mogli według tego pracować: protokoły, kryteria akceptacji i notatki o wydaniach to główne wytwory tej pracy.\nJest gotowa na okazjonalne podróże do dostawców.\nDocenimy również:\nWykształcenie lub doświadczenie z fonetyki lub lingwistyki, w tym praca z szeroką gamą rodzin językowych.\nDoświadczenie z uznanymi korpusami mowy lub platformami zbierania danych metodą crowdsourcingu.\nDoświadczenie w ewaluacji modeli mowy, takiej jak WER, MOS, MUSHRA i podobieństwo mówcy.\nDoświadczenie z przechwytywaniem dźwięku na urządzeniach lub w niestandardowych konfiguracjach.\nDodatkowe języki: niderlandzki, mandaryński lub japoński.\nJak przebiega proces rekrutacyjny?\nPrześlij nam swoje CV w języku angielskim, dopisując w formularzu oczekiwania finansowe, preferowaną formę współpracy oraz dyspozycyjność.\nTeraz czas na nasz ruch - analizę Twojego zgłoszenia. Jeśli przebiegła pomyślnie, zaprosimy Cię na dłuższą rozmowę w formie zdalnej (ok. 1.5h).\nPo spotkaniu spodziewaj się feedbacku w przeciągu 2 tygodni.\nPowyższe etapy poszły Ci jak z płatka? Świetnie! Witaj w Etteplan :)\nMożesz też zajrzeć na naszą stronę internetową lub Facebooka i zobaczyć, co ciekawego się u nas dzieje!\n-\nNasza firma wdrożyła procedury ochrony sygnalistów zgodnie z obowiązującą ustawą. Każda osoba ma prawo zgłaszać nieprawidłowości w bezpieczny sposób, a zgłoszenia są objęte pełną ochroną prawną. Więcej informacji: https://www.etteplan.com/pl/kodeks-postepowania/","description_format":"text","description_chars":8331,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Polish","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":["Embedded & Electronics Design","Electrical & Electronic Engineering","Engineering Services"],"lifecycle":[{"event":"open","at":"2026-11-10T16:38:36Z"}],"visa":[],"liveness":{"score":86,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.86,"p_room":1,"age_days":0,"expected_fill_days":26,"reasons":["conf:0","win:early"],"computed_at":"2026-11-10T22:57:51Z"},"pay":null,"html_url":"https://alion.io/job/etteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb","json_url":"https://alion.io/job/etteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb.json","meta":{"generated_at":"2026-11-10T22:57:51Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","about":"Alion is a live layer of people, companies and AI agents: who they are, whether they are real and active right now, what they do and how to work with them, readable by people and by agents and paid per call.","catalog":"https://alion.io/catalog.json","usage":{"tier":"crawler_verified","counted_by":"address","units_charged":1,"used_today":909,"day_limit":null,"remaining_today":null,"minute_limit":300,"resets_at":"2026-11-11T00:00:00Z"}},"offers":[{"id":"company.slices","title":"One company in depth, by slice","status":"live","price":{"credits":0.1,"usd":0.01,"plus_per_slice":{"credits":0.05,"usd":0.005}},"unit":"per company, plus each slice with data","note":"the employer in depth","call":{"mcp_tool":"get_company","arguments":{"id":56718},"rest":"https://alion.io/mcp/rest/get_company?id=56718"},"human":"https://alion.io/catalog?offer=company.slices&for=job%2Fetteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb"},{"id":"market.stats","title":"A market slice: pay, demand and time to fill","status":"live","price":{"credits":2,"usd":0.2},"unit":"per slice","note":"pay, demand and time to fill for this role and place","call":{"mcp_tool":"market_stats"},"human":"https://alion.io/catalog?offer=market.stats&for=job%2Fetteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb"},{"id":"job.search","title":"Open jobs by role, technology, place, pay and visa","status":"live","price":{"credits":0.1,"usd":0.01},"unit":"per posting in a list","note":"similar open postings","call":{"mcp_tool":"search_jobs"},"human":"https://alion.io/catalog?offer=job.search&for=job%2Fetteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb"},{"id":"company.verify","title":"Is this company real and active right now","status":"pilot","price":null,"unit":"per company","request":{"url":"https://alion.io/catalog/request","method":"POST","body":"{\"offer\": \"company.verify\", \"for\": \"job/etteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb\", \"note\": \"what you need it for\"}"},"human":"https://alion.io/catalog?offer=company.verify&for=job%2Fetteplan-speech-data-engineer-data-sourcing-vendor-management-python-mfnb"}],"agent":{"mcp":"https://alion.io/mcp/jobs","mcp_open":"https://alion.io/mcp/open","next":[{"tool":"get_job","arguments":{"id":4025182}},{"tool":"search_jobs","arguments":{"company":"etteplan.com","detail":"compact"}},{"tool":"match_people","arguments":{"job_id":4025182},"note":"people open to offers who fit this vacancy"}],"note":"The same data through MCP tools: https://alion.io/mcp/open needs no sign-in (compact searches, postings, people); https://alion.io/mcp with an Alion account has everything. Docs: https://alion.io/developers"}}