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 主任研究員
Deepgramで、潜在空間モデルやニューラル音声コーデックから音声間変換システムまで、音声AIの基礎研究を推進します。 リアルタイムの人間と機械の対話を支える、拡張性と効率性に優れた技術を構築します。
仕事内容
- 堅牢で文脈を理解する音声AIにおける、データ、規模、コストの主要課題に取り組む潜在空間モデルを開発します。
- 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、多様な音声に対応する制御可能な生成モデルを構築します。
- 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設計します。
- 潜在表現の再結合を応用し、かつてない規模で合成音声データを生成します。
- 幅広い理解と、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。
- 数十億時間規模のデータセットで費用対効果の高い訓練を支え、数億件の同時会話に対するリアルタイム推論を実現します。
- 統制実験、アブレーション研究、評価、ストレステストを実施します。
- 研究論文やオープンソースプロジェクトに貢献します。
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。
- 基盤モデルのアーキテクチャと、複数のモダリティにわたる訓練のスケーリングに関する深い知識。
- 独自の数学的定式化を考案し、効率的に実装する能力。
- 大規模で高品質かつ多様なデータパイプラインを構築・維持した実績。
- アーキテクチャの影響を切り分け、理論的な洞察を検証するための統制実験を設計した経験。
- ハードウェアの制約や効率化手法を含め、モデルを実環境に展開できるよう準備した経験。
- 音声または言語AIの進歩に貢献したオープンソースの実績、または研究論文の発表実績。
- アイデアを迅速に検証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倍に拡大するビジョン。
- AIによる自動化と能力拡張を重視する考え方。
- 応募時に求められる場合、音声処理、音声テキスト変換、テキスト音声変換などに関する学術文献または学術出版物。
- 勤務地となる国で就労する法的資格。
- 勤務地となる国のビザスポンサーシップ要件を満たす能力。
福利厚生
- リモート勤務。
- AIを中心とする職場環境で、先進的なAIツールを活用・実験する機会。
- 変革をもたらす音声AI研究に取り組む機会。
- オープンソースプロジェクトや研究論文に貢献する機会。
- AI Notetakerによる面接録音への同意は任意で、辞退しても選考に影響しません。