Deepgramは、音声認識、音声合成、言語理解のためのAPIを開発する音声AI企業です。同社のプラットフォームは、会話型AI、コンタクトセンター向けツール、医療文字起こしワークフローなど、リアルタイム音声アプリケーションの構築を支援します。正確性、処理速度、コスト効率を重視して音声言語を処理することで、医療、物流、コンサルティングなどの組織が音声データを有用な情報やインタラクティブな体験へと変換できるようにしています。
音声AI基盤研究スタッフ研究員
Deepgramの音声AIプラットフォーム向けに潜在空間モデルを開発し、ニューラル音声コーデック、音声生成、マルチモーダルシステム、ハードウェア上での効率的な推論を推進します。
仕事内容
- 極めて低いビットレートと高忠実度の再構成を両立するニューラル音声コーデックを開発します。
- 感情を含む音声、複数話者の音声、雑音や重なりのある音声など、多様な人間の音声を生成できる制御可能なモデルを作成します。
- 潜在表現を話者、内容、スタイル、環境、チャネルの各次元に分離する埋め込みシステムを構築します。
- 潜在表現を再結合し、かつてない規模で合成音声データを生成します。
- 堅牢な理解と、共感的で人間らしい応答を実現するマルチモーダル音声間システムを訓練します。
- ベアメタルハードウェア向けに、モデルアーキテクチャ、訓練手法、推論アルゴリズムを設計します。
- 数十億時間に及ぶデータセットを使った費用対効果の高い訓練と、数億件の同時会話に対するリアルタイム推論を支えます。
- 制御実験、アブレーション、評価、ストレステスト、エッジケース分析を行います。
- 音声AI、音声処理、言語モデリングの基礎研究を推進します。
応募要件
- 数学と統計的学習理論、特に自己教師あり学習とマルチモーダル学習に関する確かな基礎知識。
- 基盤モデルのアーキテクチャと、複数モダリティにわたって訓練を拡張する方法への深い理解。
- 新しい数学的定式化を導き、効率よく実装する能力。
- 品質と多様性を保ちながら、大規模データセットを構築・キュレーションした実績。
- アーキテクチャの革新や理論的洞察を検証するため、制御実験を設計した実績。
- ハードウェアの制約や効率化手法を踏まえ、モデルを実環境での展開に備えた経験。
- 音声または言語AIの発展に貢献するオープンソース活動や研究発表の実績。
- 高度なAIツールを使い、試すことへの意欲。
- アイデアをすばやく検証または否定できる決定的な実験を見極める能力。
- 成功した概念実証を100倍の規模に拡大する構想力。
- ニューラル音声コーデック、生成モデル、埋め込みシステム、潜在表現、マルチモーダル音声間システム、モデルアーキテクチャ、訓練手法、推論アルゴリズム、ハードウェア効率の高い展開に関する経験または知識。
福利厚生
- リモート勤務。
- 高度なAIツールの利用や実験を奨励するAIファーストの環境。
- 大規模な音声AIの変革的研究に取り組む機会。
- オープンソースへの貢献や研究発表の機会。
- 面接時のAIノートテイカーによる録音は辞退でき、選考に影響しません。
