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基盤研究リードサイエンティスト
音声コーデック、音声生成、マルチモーダル音声AIの基盤モデルを開発します。 効率的で拡張性の高い研究を通じて、Deepgramのリアルタイム音声技術を発展させます。
仕事内容
- 大規模な汎用音声データセット全体で高い忠実度を保ちながら、極めて低いビットレートで音声を圧縮するニューラル音声コーデックを構築します。
- 多様な声、感情表現、複数話者、環境ノイズ、音声の重なりに対応する、制御可能な音声生成モデルを作成します。
- コーデックの潜在空間を、話者、内容、スタイル、環境、チャネルを表す解釈可能な次元に分離する埋め込み表現を開発します。
- 潜在表現を再結合し、これまでにない規模で合成音声データを生成します。
- 多様な人々を理解し、共感的で自然な応答を生成するマルチモーダル音声対音声システムを訓練します。
- ベアメタルハードウェア向けのアーキテクチャ、訓練手法、推論アルゴリズムを設計し、数十億時間規模のデータセットでの効率的な訓練とリアルタイム推論を実現します。
- 音声AIにおけるデータ、規模、コストの課題に取り組む潜在空間モデルを研究します。
- 研究仮説を検証するため、統制実験、アブレーション、評価、ストレステスト、ベンチマークを実施します。
- オープンソースへの取り組みや研究論文を通じて、音声・言語AIを発展させます。
応募要件
- 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強固な数学的基礎があること。
- 基盤モデルのアーキテクチャと、複数モダリティにわたる訓練のスケーリングに深い専門知識があること。
- 新たな数学的定式化を導き、効率的に実装することで、理論と実装を結び付けられること。
- 品質と多様性を保ちながら、大規模データセットを処理・精選するデータパイプラインを構築できること。
- アーキテクチャの進歩を切り分け、理論的な洞察を検証する統制実験を設計できること。
- ハードウェア制約や効率化手法を考慮し、実運用に向けてモデルを最適化できること。
- 音声または言語AIの発展に寄与するオープンソースへの貢献、または研究発表の実績があること。
- 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られること。
- 成功した概念実証を100倍に拡張する方法を理解していること。
- AIツールで作業を自動化し、自らの影響力を広げられること。
- 急速に変化するAI分野で、素早く適応し、実験し、学び続け、効果的に働けること。
福利厚生
- リモート勤務。
- 先進的なAIツールの活用や実験を推奨する、AIを重視した環境。
- 大きな変革の可能性を持つ音声AI基盤研究を主導する機会。
- オープンソースプロジェクトへの貢献や研究発表の機会。
- AI議事録ツールによる面接録音は任意です。録音を辞退しても選考に影響しません。
