Доработать пайплайн для перевода видео (Backend)

Есть рабочий пайплайн перевода видео (ASR → перевод → TTS). Нужно:
- Настроить структурированное логирование и мониторинг.
- В процессе логирования перепроверить стабильность и подправить отдельные моменты, чтобы пайплайн вёл себя предсказуемо.
- Упаковать пайплайн в контейнер.
- Реализовать лёгкую систему оркестрации без Kubernetes — запуск/остановка GPU-инстансов (3090 или аналоги) через API.

Что предстоит сделать
- Встроить удобное логирование: уровни, формат, понятные сообщения, отслеживание ошибок.
- Одновременно отладить текущую логику: исправить мелкие баги, убедиться, что пайплайн стабилен.
- Добавить метрики и наблюдаемость: время обработки, загрузка GPU, количество ошибок.
- Собрать Docker-образ с CUDA, продумать health-checks.
- Сделать сервис/API для управления контейнерами на GPU-машинах.

Что нужно от вас
- Опыт в Python (FastAPI/asyncio или похожий стек).
- Умение работать с логированием и метриками.
- Опыт в Docker, особенно с CUDA-образами.
- Понимание PyTorch и в целом, как устроен компьютер (железо/ресурсы/узкие места).
- Опыт запуска и управления задачами на GPU.

Формат работы
- Этапы: (1) логирование + дебаг, (2) контейнеризация, (3) оркестрация.
- Оплата по результату каждого этапа.

Важно
Это не разовый фикс: у нас интересные проекты — от перевода видео до разработки физических роботов и обучения VLA-политик. Ищем человека, которому действительно интересно разбираться в технологиях и с кем комфортно работать.п