Инженер Harsh Vardhan Goenka пришёл в Kalpa Labs первым инженером, а через пять месяцев начал заниматься ML-исследованиями, хотя до этого специализировался на инфраструктуре. История стартапа из батча YC F25 показывает, почему генеративные аудиомодели становятся не только новым рынком для AI-команд, но и поводом пересматривать привычное разделение ролей в разработке.
До Kalpa Labs Гоенка работал в Rubrik Inc.: участвовал в ранней разработке Rubrik Cloud Vault и переписал тестовую инфраструктуру так, что наборы тестов, прежде выполнявшиеся часами, стали укладываться в минуты. О переходе инженера в небольшой AI-стартап сообщает Y Combinator Blog. В Kalpa Labs его позвали бывшие старшие товарищи по университету Прашант и Гаутам, с которыми он когда-то запускал клуб спортивного программирования и разбирал алгоритмические задачи.
Первое предложение Гоенка отклонил. Спустя четыре месяца он всё же решил пройти интервью: оно началось примерно в 23:00, на запасном ноутбуке с Windows, и растянулось на три часа. Кандидату дали задачу, связанную с файловой системой. По его словам, именно тогда вернулось ощущение азартной инженерной работы, которого ему не хватало в последние месяцы. Для раннего стартапа это довольно узнаваемый сценарий: нанимают не по идеальному совпадению со стеком, а по способности человека быстро разобраться в плохо определённой проблеме.
Kalpa Labs строит модели, которые должны работать с аудио так же универсально, как большие языковые модели работают с текстом. Цель команды — не отдельный сервис синтеза речи, а единая система, способная озвучить подкаст по сценарию, сгенерировать музыку голосом пользователя или создать звук по текстовому описанию настроения и тембра. Часть таких функций, по данным YC, уже доступна внутри разработки. Самым заметным результатом своей работы Гоенка называет голосовую модель, звучащую, по его оценке, по-человечески.
Амбиция понятна: аудио пока остаётся более раздробленным сегментом, чем текстовые интерфейсы. Рынок предлагает отдельные инструменты для озвучки, клонирования голоса, музыки и шумовых эффектов; собрать всё это в одну модель и при этом удержать качество — значительно более сложная задача. Здесь важны не только данные и обучение модели, но и инфраструктура: подготовка аудиокорпусов, воспроизводимость экспериментов, оценка качества и скорость итераций. Опыт инженера по платформенным системам в такой команде может оказаться не менее полезным, чем профильный опыт в ML.
Однако роль Гоенки в Kalpa Labs не ограничилась инфраструктурой. Основатели с первого дня подталкивали его к исследовательским задачам — области, в которой он прежде не работал. Он признаёт, что временами не понимал, с чего начать, но в компании это считают рабочим состоянием, а не сигналом вернуться в узкую специализацию. Для российских разработчиков, присматривающихся к AI-стартапам, это важнее красивой должности в вакансии: в команде на ранней стадии инженер нередко отвечает одновременно за код, исследовательский прототип, продуктовый сценарий и то, как пользователь вообще увидит результат.
Гоенка советует оценивать стартап в таком порядке: сначала команда, затем продукт, после — запас времени и денег на его создание. В его случае работа рядом с основателями означает участие в обсуждении дорожной карты, найма и продаж, а не только в технических созвонах. Бывают и менее формальные обязанности: команда вместе придумывала сценарий первого ролика о запуске, снимала дубли, монтировала ночью и прятала шутки, не вошедшие в финальную версию. Для ранней компании это не отвлечение от работы, а часть проверки гипотезы: если команда не может ясно показать, что она делает, хороший код сам по себе рынок не создаст.
Сам Гоенка описывает жизнь стартапа как косинусоиду: периоды, когда всё буксует, сменяются одним прорывом и резким подъёмом энергии. В гонке за генеративными аудиомоделями такая динамика будет нормой ещё долго: технический барьер высок, а спрос на управляемый голос, музыку и звук уже растёт. Вопрос не только в том, кто обучит более убедительную модель, но и в том, какие команды сумеют превратить её в продукт до того, как рынок снова разделится на десяток узких сервисов.
