Deepgram er et selskap innen stemme-AI som utvikler API-er for tale-til-tekst, tekst-til-tale og språkforståelse. Plattformen hjelper utviklere med å lage taleapplikasjoner i sanntid, blant annet samtalebasert AI, verktøy for kontaktsentre og arbeidsflyter for medisinsk transkripsjon. Ved å behandle talespråk med vekt på nøyaktighet, hastighet og kostnadseffektivitet gjør Deepgram det mulig for organisasjoner innen helsevesen, logistikk, rådgivning og andre sektorer å omdanne stemmedata til nyttig informasjon og interaktive opplevelser.
Ledende forsker innen grunnleggende stemme-AI
Utvikle latentrommodeller for Deepgrams plattform for stemme-AI, og videreutvikle nevrale lydkodeker, generativ tale, multimodale systemer og effektiv inferens på maskinvare. Bidra til grunnforskning som skalerer stemme-AI til hundrevis av millioner samtidige samtaler.
Beskrivelse
- Utvikle nevrale lydkodeker som kombinerer svært lave bithastigheter med lydgjengivelse av høy kvalitet.
- Skape styrbare generative modeller for variert menneskelig tale, inkludert følelsesladet tale, tale med flere talere, støyende tale og overlappende tale.
- Bygge embedding-systemer som deler opp latente representasjoner i dimensjoner for taler, innhold, stil, miljø og kanal.
- Kombinere latente representasjoner på nytt for å generere syntetiske lyddata i enestående skala.
- Trene multimodale tale-til-tale-systemer for robust forståelse og empatiske, menneskelignende svar.
- Utforme modellarkitekturer, treningsmetoder og inferensalgoritmer for maskinvare uten abstraksjonslag.
- Legge til rette for kostnadseffektiv trening på datasett som spenner over milliarder av timer, og inferens i sanntid for hundrevis av millioner samtidige samtaler.
- Gjennomføre kontrollerte eksperimenter, ablasjonsstudier, evalueringer, stresstester og analyser av kanttilfeller.
- Fremme grunnforskning innen stemme-AI, tale og språkmodellering.
Krav
- Solid forankring i matematikk og statistisk læringsteori, særlig selvveiledet og multimodal læring.
- Dyp kunnskap om grunnmodellarkitekturer og skalering av trening på tvers av flere modaliteter.
- Evne til å utlede nye matematiske formuleringer og implementere dem effektivt.
- Dokumentert evne til å bygge og kuratere store datasett med god kvalitet og bredde.
- Dokumentert erfaring med å utforme kontrollerte eksperimenter for å teste arkitektoniske nyvinninger og teoretiske innsikter.
- Erfaring med å klargjøre modeller for praktisk utrulling, inkludert hensyn til maskinvarebegrensninger og effektiviseringsmetoder.
- Bidrag til åpen kildekode eller forskningspublikasjoner som fremmer tale- eller språk-AI.
- Komfortabel med å bruke og eksperimentere med avanserte AI-verktøy.
- Evne til å identifisere avgjørende eksperimenter som raskt kan bekrefte eller avkrefte ideer.
- En visjon for å skalere vellykkede konseptbevis med en faktor på 100.
- Erfaring eller kunnskap innen nevrale lydkodeker, generative modeller, embedding-systemer, latente representasjoner, multimodale tale-til-tale-systemer, modellarkitekturer, treningsmetoder, inferensalgoritmer og maskinvareeffektiv utrulling.
Fordeler
- Mulighet for fjernarbeid.
- AI-først-miljø som oppmuntrer til bruk og utprøving av avanserte AI-verktøy.
- Mulighet til å drive banebrytende forskning på stemme-AI i stor skala.
- Muligheter til å bidra til åpen kildekode og publisere forskning.
- Det er mulig å takke nei til opptak med intervjuerens AI-notattaker uten at det påvirker kandidaturet.