Deepgram er en virksomhed inden for stemme-AI, der udvikler API'er til tale-til-tekst, tekst-til-tale og sprogforståelse. Platformen hjælper udviklere med at skabe stemmeapplikationer i realtid, herunder konversationsbaseret AI, værktøjer til kontaktcentre og arbejdsgange til medicinsk transskribering. Ved at behandle talesprog med fokus på nøjagtighed, hastighed og omkostningseffektivitet gør Deepgram det muligt for organisationer inden for sundhedspleje, logistik, rådgivning og andre sektorer at omdanne stemmedata til nyttig information og interaktive oplevelser.
Ledende forsker i grundlæggende stemme-AI
Udvikl latent-rummodeller til Deepgrams stemme-AI-platform, og fremryk neurale lydkodeker, generativ tale, multimodale systemer og effektiv inferens på hardware. Bidrag til grundforskning, der skalerer stemme-AI til hundredvis af millioner samtidige samtaler.
Beskrivelse
- Udvikl neurale lydkodeker, der kombinerer meget lave bithastigheder med lydgengivelse i høj kvalitet.
- Skab styrbare generative modeller til varieret menneskelig tale, herunder følelsesladet tale, tale med flere talere, støjende tale og overlappende tale.
- Byg embeddingsystemer, der opdeler latente repræsentationer i dimensioner for taler, indhold, stil, miljø og kanal.
- Kombinér latente repræsentationer på ny for at generere syntetiske lyddata i hidtil uset skala.
- Træn multimodale tale-til-tale-systemer til robust forståelse og empatiske, menneskelignende svar.
- Design modelarkitekturer, træningsmetoder og inferensalgoritmer til hardware uden abstraktionslag.
- Understøt omkostningseffektiv træning på datasæt, der spænder over milliarder af timer, og inferens i realtid for hundredvis af millioner samtidige samtaler.
- Gennemfør kontrollerede eksperimenter, ablationsstudier, evalueringer, stresstests og analyser af kanttilfælde.
- Frem forskningen i grundlæggende stemme-AI, tale og sprogmodellering.
Krav
- Solidt fundament i matematik og statistisk læringsteori, især selv-superviseret og multimodal læring.
- Indgående kendskab til grundmodellernes arkitekturer og skalering af træning på tværs af flere modaliteter.
- Evne til at udlede nye matematiske formuleringer og implementere dem effektivt.
- Dokumenteret evne til at opbygge og kuratere store datasæt med fokus på kvalitet og mangfoldighed.
- Dokumenteret erfaring med at designe kontrollerede eksperimenter, der afprøver arkitektoniske nyskabelser og teoretiske indsigter.
- Erfaring med at klargøre modeller til praktisk udrulning, herunder hensyn til hardwarebegrænsninger og effektivitetsmetoder.
- Bidrag til open source eller forskningspublikationer, der fremmer tale- eller sprog-AI.
- Tryg ved at bruge og eksperimentere med avancerede AI-værktøjer.
- Evne til at udpege afgørende eksperimenter, der hurtigt kan bekræfte eller afkræfte idéer.
- En vision for at skalere vellykkede proof of concept-modeller med en faktor 100.
- Erfaring eller viden inden for neurale lydkodeker, generative modeller, embeddingsystemer, latente repræsentationer, multimodale tale-til-tale-systemer, modelarkitekturer, træningsmetoder, inferensalgoritmer og hardwareeffektiv udrulning.
Fordele
- Mulighed for at arbejde på distancen.
- AI-først-miljø, der opmuntrer til at bruge og eksperimentere med avancerede AI-værktøjer.
- Mulighed for at forfølge banebrydende forskning i stemme-AI i stor skala.
- Muligheder for at bidrage til open source og publicere forskning.
- Det er muligt at fravælge optagelse fra AI-notetageren under interviewet uden at påvirke kandidaturet.