Ang Deepgram ay isang voice AI na kumpanya na bumubuo ng mga API para sa speech-to-text, text-to-speech, at pag-unawa sa wika. Tinutulungan ng platform nito ang mga developer na lumikha ng mga real-time na voice application, kabilang ang conversational AI, mga tool para sa contact center, at mga workflow para sa medical transcription. Sa pagproseso ng sinasalitang wika na nakatuon sa katumpakan, bilis, at episyenteng gastos, tinutulungan ng Deepgram ang mga organisasyon sa pangangalagang pangkalusugan, logistics, consulting, at iba pang sektor na gawing kapaki-pakinabang na impormasyon at mga interactive na karanasan ang voice data.
Staff Researcher, Mga Pundasyon ng Voice AI
Bumuo ng mga latent-space model para sa voice AI platform ng Deepgram, at isulong ang mga neural audio codec, generative speech, multimodal system, at mahusay na inference sa hardware.
Paglalarawan
- Bumuo ng mga neural audio codec na pinagsasama ang napakababang bit rate at mataas na fidelity ng rekonstruksiyon.
- Lumikha ng mga steerable generative model para sa iba’t ibang pagsasalita ng tao, kabilang ang emosyonal, maraming tagapagsalita, maingay, at magkakapatong na pananalita.
- Bumuo ng mga embedding system na naghihiwalay sa latent representation ayon sa tagapagsalita, nilalaman, estilo, kapaligiran, at channel.
- Pagsamahin muli ang mga latent representation upang makalikha ng sintetikong audio data sa pambihirang laki.
- Sanayin ang mga multimodal speech-to-speech system para sa maaasahang pag-unawa at mga tumutugon nang may malasakit at parang tao.
- Magdisenyo ng mga arkitektura ng modelo, paraan ng pagsasanay, at inference algorithm para sa bare-metal hardware.
- Suportahan ang matipid na pagsasanay sa mga dataset na sumasaklaw sa bilyun-bilyong oras, at real-time inference para sa daan-daang milyong sabayang pag-uusap.
- Magsagawa ng mga kontroladong eksperimento, ablation, pagsusuri, stress test, at pagsusuri sa mga edge case.
- Isulong ang pundamental na pananaliksik sa voice AI, speech, at language modeling.
Mga Kinakailangan
- Matibay na pundasyon sa matematika at teorya ng statistical learning, lalo na sa self-supervised at multimodal learning.
- Malalim na kaalaman sa mga arkitektura ng foundation model at pagpapalawak ng pagsasanay sa maraming modality.
- Kakayahang bumuo ng mga bagong pormulasyong matematikal at mahusay na ipatupad ang mga ito.
- Napatunayang kakayahang bumuo at mag-curate ng malalaking dataset habang pinananatili ang kalidad at pagkakaiba-iba.
- Napatunayang karanasan sa pagdisenyo ng mga kontroladong eksperimento upang subukan ang mga inobasyon sa arkitektura at mga teoretikal na pananaw.
- Karanasan sa paghahanda ng mga modelo para sa aktuwal na deployment, kabilang ang mga limitasyon ng hardware at mga paraan para sa kahusayan.
- Rekord ng mga ambag sa open source o mga publikasyong pananaliksik na nagsusulong sa speech o language AI.
- Komportableng gumamit at mag-eksperimento sa mga advanced na AI tool.
- Kakayahang tumukoy ng mahahalagang eksperimento na mabilis na magpapatunay o magpapabulaan sa mga ideya.
- Pananaw kung paano palakihin nang 100 ulit ang matagumpay na proof of concept.
- Karanasan o kaalaman sa neural audio codec, generative model, embedding system, latent representation, multimodal speech-to-speech system, arkitektura ng modelo, paraan ng pagsasanay, inference algorithm, at hardware-efficient na deployment.
Mga Benepisyo
- Ayos ng trabahong remote.
- Kapaligirang AI-first na naghihikayat sa paggamit at pag-eeksperimento sa mga advanced na AI tool.
- Pagkakataong magsagawa ng makabagong pananaliksik sa voice AI sa malaking saklaw.
- Mga pagkakataong mag-ambag sa open source at maglathala ng pananaliksik.
- Maaaring tanggihan ang recording ng AI Notetaker sa panayam nang hindi naaapektuhan ang kandidatura.