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
Fremsk stemme-AI-forskning hos Deepgram, fra modeller i latent rum og neurale lydkodeks til tale-til-tale-systemer. Byg skalerbar og effektiv teknologi til menneske-maskine-interaktion i realtid.
Beskrivelse
- Udvikl modeller i latent rum, der løser centrale udfordringer med data, skalering og omkostninger inden for robust, kontekstbevidst stemme-AI.
- Skab neurale lydkodeks, der kombinerer meget lave bithastigheder med lydgengivelse i høj kvalitet.
- Byg styrbare generative modeller til varieret tale, herunder følelsesladet tale, tale med flere talere samt støjende og overlappende tale.
- Design indlejringssystemer, der opdeler latente repræsentationer i dimensioner for taler, indhold, stil, miljø og kanal.
- Brug latent rekombination til at skabe syntetiske lyddata i hidtil uset skala.
- Træn multimodale tale-til-tale-systemer til bred forståelse og empatiske, menneskelignende svar.
- Design modelarkitekturer, træningsmetoder og inferensalgoritmer til bare-metal-hardware.
- Understøt omkostningseffektiv træning på datasæt med milliarder af timer og inferens i realtid på tværs af hundredvis af millioner samtidige samtaler.
- Gennemfør kontrollerede eksperimenter, ablationsstudier, evalueringer og stresstest.
- Bidrag til forskningspublikationer og open source-projekter.
Krav
- Stærkt matematisk fundament inden for statistisk læringsteori, især selvvejledt og multimodal læring.
- Dyb viden om grundmodellernes arkitekturer og skalering af træning på tværs af flere modaliteter.
- Evne til at udvikle originale matematiske formuleringer og implementere dem effektivt.
- Dokumenteret evne til at opbygge og vedligeholde store datapipelines af høj kvalitet og med stor diversitet.
- Erfaring med at designe kontrollerede eksperimenter, der isolerer arkitektoniske effekter og afprøver teoretiske indsigter.
- Erfaring med at klargøre modeller til brug i praksis, herunder hensyn til hardwarebegrænsninger og effektivitetsmetoder.
- Dokumenterede bidrag til open source eller forskningspublikationer, der fremmer tale- eller sprog-AI.
- Evne til at identificere afgørende eksperimenter, der hurtigt afprøver idéer.
- Vision for at skalere vellykkede proof of concept 100 gange.
- En tilgang med fokus på AI-automatisering og -forstærkning.
- Videnskabelig litteratur eller akademiske publikationer inden for talebehandling, tale-til-tekst, tekst-til-tale eller lignende, som angivet i ansøgningen.
- Lovlig ret til at arbejde i det land, hvor stillingen er placeret.
- Evne til at opfylde kravene til visumsponsorering i det land, hvor stillingen er placeret.
Fordele
- Mulighed for fjernarbejde.
- AI-først-arbejdsmiljø med mulighed for at bruge og eksperimentere med avancerede AI-værktøjer.
- Mulighed for at arbejde med banebrydende stemme-AI-forskning.
- Mulighed for at bidrage til open source-projekter og forskningspublikationer.
- Det er valgfrit at optage interviewet med AI Notetaker. Det påvirker ikke din kandidatur, hvis du vælger det fra.