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.
Staff Researcher für Voice-AI-Grundlagen
Entwickle Latent-Space-Modelle für Deepgrams Voice-AI-Plattform und treibe neuronale Audiocodecs, generative Sprache, multimodale Systeme und effiziente Hardware-Inferenz voran.
Beschreibung
- Entwickle neuronale Audiocodecs, die sehr niedrige Bitraten mit einer originalgetreuen Rekonstruktion verbinden.
- Erstelle steuerbare generative Modelle für vielfältige menschliche Sprache, darunter emotionale, mehrstimmige, verrauschte und überlappende Sprache.
- Entwickle Einbettungssysteme, die latente Repräsentationen in Dimensionen für Sprecher, Inhalt, Stil, Umgebung und Kanal aufteilen.
- Kombiniere latente Repräsentationen neu, um synthetische Audiodaten in bisher unerreichtem Umfang zu erzeugen.
- Trainiere multimodale Speech-to-Speech-Systeme für robustes Verständnis und einfühlsame, menschenähnliche Antworten.
- Entwirf Modellarchitekturen, Trainingsmethoden und Inferenzalgorithmen für Bare-Metal-Hardware.
- Ermögliche kosteneffizientes Training mit Datensätzen von Milliarden Stunden sowie Echtzeit-Inferenz für Hunderte Millionen gleichzeitiger Gespräche.
- Führe kontrollierte Experimente, Ablationsstudien, Evaluierungen, Stresstests und Analysen von Grenzfällen durch.
- Treibe die Grundlagenforschung zu Voice AI, Sprache und Sprachmodellierung voran.
Anforderungen
- Fundierte Kenntnisse in Mathematik und statistischer Lerntheorie, insbesondere selbstüberwachtem und multimodalem Lernen.
- Umfassende Kenntnisse von Foundation-Model-Architekturen und der Skalierung des Trainings über mehrere Modalitäten hinweg.
- Fähigkeit, neue mathematische Formulierungen herzuleiten und effizient umzusetzen.
- Nachgewiesene Fähigkeit, umfangreiche Datensätze aufzubauen und zu kuratieren und dabei Qualität und Vielfalt sicherzustellen.
- Erfahrung in der Konzeption kontrollierter Experimente, mit denen sich architektonische Innovationen und theoretische Erkenntnisse prüfen lassen.
- Erfahrung damit, Modelle für den praktischen Einsatz vorzubereiten, einschließlich der Berücksichtigung von Hardwarebeschränkungen und Effizienzmethoden.
- Nachweisbare Open-Source-Beiträge oder Forschungspublikationen, die Sprach- oder Sprachmodell-KI voranbringen.
- Sicherer Umgang mit fortschrittlichen KI-Tools und Freude am Experimentieren damit.
- Fähigkeit, aussagekräftige Experimente zu identifizieren, mit denen sich Ideen rasch bestätigen oder widerlegen lassen.
- Eine klare Vorstellung davon, wie sich erfolgreiche Proofs of Concept um den Faktor 100 skalieren lassen.
- Erfahrung oder Kenntnisse in neuronalen Audiocodecs, generativen Modellen, Einbettungssystemen, latenten Repräsentationen, multimodalen Speech-to-Speech-Systemen, Modellarchitekturen, Trainingsmethoden, Inferenzalgorithmen und hardwareeffizienter Bereitstellung.
Zusatzleistungen
- Remote-Arbeitsmodell.
- KI-orientiertes Arbeitsumfeld, das zum Einsatz fortschrittlicher KI-Tools und zum Experimentieren damit ermutigt.
- Möglichkeit, transformative Voice-AI-Forschung in großem Maßstab voranzutreiben.
- Möglichkeiten, zu Open-Source-Projekten beizutragen und Forschungsergebnisse zu veröffentlichen.
- Die Aufzeichnung durch den KI-Notetaker im Vorstellungsgespräch kann abgelehnt werden, ohne dass dies die Bewerbung beeinträchtigt.