Deepgram ist ein Unternehmen für Sprach-KI, das APIs für Sprache-zu-Text, Text-zu-Sprache und Sprachverständnis entwickelt. Die Plattform unterstützt Entwickler dabei, Echtzeit-Sprachanwendungen zu erstellen, darunter konversationelle KI, Lösungen für Contactcenter und Workflows für medizinische Transkriptionen. Durch die Verarbeitung gesprochener Sprache mit Fokus auf Genauigkeit, Geschwindigkeit und Kosteneffizienz ermöglicht Deepgram Organisationen im Gesundheitswesen, in der Logistik, der Beratung und anderen Branchen, Sprachdaten in nützliche Informationen und interaktive Erlebnisse umzuwandeln.
Leitende:r Forschungswissenschaftler:in für Voice-AI-Grundlagen
Entwickle grundlegende Modelle für Audiocodecs, Sprachgenerierung und multimodale Voice AI. Bringe Deepgrams Echtzeit-Sprachtechnologie durch effiziente, skalierbare Forschung voran.
Beschreibung
- Entwickle neuronale Audiocodecs, die Audio mit sehr niedrigen Bitraten komprimieren und dabei über große, allgemeine Audiodatensätze hinweg eine hohe Klangtreue bewahren.
- Entwickle steuerbare Sprachgenerierungsmodelle für unterschiedliche Stimmen, emotionalen Ausdruck, mehrere Sprechende, Umgebungsgeräusche und überlappende Sprache.
- Entwickle Einbettungen, die latente Codec-Räume in interpretierbare Dimensionen für sprechende Person, Inhalt, Stil, Umgebung und Kanal aufteilen.
- Kombiniere latente Repräsentationen neu, um synthetische Audiodaten in beispiellosem Umfang zu erzeugen.
- Trainiere multimodale Sprach-zu-Sprach-Systeme, die unterschiedliche Menschen verstehen und einfühlsame, natürlich klingende Antworten erzeugen.
- Entwirf Architekturen, Trainingsmethoden und Inferenzalgorithmen für Hardware ohne zusätzliche Abstraktionsschichten. So werden effizientes Training mit Datensätzen im Umfang von Milliarden Stunden und Inferenz in Echtzeit möglich.
- Erforsche Modelle latenter Räume, um Daten-, Skalierungs- und Kostenprobleme in der Voice AI anzugehen.
- Führe kontrollierte Experimente, Ablationen, Evaluationen, Belastungstests und Benchmarks durch, um Forschungshypothesen zu überprüfen.
- Bringe Sprach- und Sprachverarbeitungs-KI durch Open-Source-Arbeit und Forschungspublikationen voran.
Anforderungen
- Verfüge über eine fundierte mathematische Basis in der statistischen Lerntheorie, insbesondere im selbstüberwachten und multimodalen Lernen.
- Besitze umfassende Expertise in Architekturen für Foundation Models und in der Skalierung des Trainings über mehrere Modalitäten hinweg.
- Verbinde Theorie und Umsetzung, indem du neue mathematische Formulierungen herleitest und effizient implementierst.
- Baue Datenpipelines, um umfangreiche Datensätze zu verarbeiten und zu kuratieren und dabei Qualität und Vielfalt zu bewahren.
- Entwirf kontrollierte Experimente, die architektonische Fortschritte isolieren und theoretische Erkenntnisse überprüfen.
- Optimiere Modelle für den praktischen Einsatz und berücksichtige dabei Hardwarebeschränkungen und Effizienztechniken.
- Weise nach, dass du durch Open-Source-Beiträge oder Forschungspublikationen Sprach- oder Sprachverarbeitungs-KI vorangebracht hast.
- Identifiziere entscheidende Experimente, mit denen sich Ideen schnell bestätigen oder widerlegen lassen.
- Erkenne, wie sich erfolgreiche Machbarkeitsnachweise um den Faktor 100 skalieren lassen.
- Nutze KI-Tools, um Arbeit zu automatisieren und deinen persönlichen Wirkungskreis zu erweitern.
- Stelle dich schnell auf Veränderungen ein, experimentiere, lerne kontinuierlich weiter und arbeite in einem dynamischen KI-Feld effektiv.
Zusatzleistungen
- Remote-Arbeitsmodell.
- KI-zentriertes Umfeld, das zum Einsatz und Experimentieren mit fortschrittlichen KI-Tools ermutigt.
- Gelegenheit, wegweisende Grundlagenforschung im Bereich Voice AI mit transformativem Potenzial zu leiten.
- Möglichkeiten, zu Open-Source-Projekten und Forschungspublikationen beizutragen.
- Die Aufzeichnung des Interviews mit dem KI-Notizassistenten ist freiwillig. Eine Ablehnung hat keinen Einfluss auf deine Bewerbung.