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
Videreutvikle grunnleggende forskning på stemme-AI hos Deepgram, fra modeller i latent rom og nevrale lydkodeker til tale-til-tale-systemer. Bygg skalerbar og effektiv teknologi for menneske-maskin-interaksjon i sanntid.
Beskrivelse
- Utvikle modeller i latent rom for å løse sentrale utfordringer knyttet til data, skalering og kostnader innen robust, kontekstbevisst stemme-AI.
- Skap nevrale lydkodeker som kombinerer svært lave bithastigheter med lydgjengivelse av høy kvalitet.
- Bygg styrbare generative modeller for variert tale, inkludert følelsesladet tale, tale med flere talere samt støyende og overlappende tale.
- Utform innebyggingssystemer som deler opp latente representasjoner i dimensjoner for taler, innhold, stil, miljø og kanal.
- Bruk latent rekombinasjon til å produsere syntetiske lyddata i en hittil usett skala.
- Tren multimodale tale-til-tale-systemer for bred forståelse og empatiske, menneskelignende svar.
- Utform modellarkitekturer, treningsmetoder og inferensalgoritmer for maskinvare på bare-metal-nivå.
- Legg til rette for kostnadseffektiv trening på datasett med milliarder av timer og inferens i sanntid på tvers av hundrevis av millioner samtidige samtaler.
- Gjennomfør kontrollerte eksperimenter, ablasjonsstudier, evalueringer og stresstester.
- Bidra til forskningspublikasjoner og åpen kildekode-prosjekter.
Krav
- Sterkt matematisk fundament innen statistisk læringsteori, særlig selvveiledet og multimodal læring.
- Dyp kunnskap om grunnmodellarkitekturer og skalering av trening på tvers av flere modaliteter.
- Evne til å utvikle originale matematiske formuleringer og implementere dem effektivt.
- Dokumentert evne til å bygge og vedlikeholde store datapipelines av høy kvalitet og med stor variasjon.
- Erfaring med å utforme kontrollerte eksperimenter som isolerer arkitektoniske effekter og tester teoretiske innsikter.
- Erfaring med å klargjøre modeller for bruk i praksis, inkludert hensyn til maskinvarebegrensninger og effektiviseringsmetoder.
- Dokumenterte bidrag til åpen kildekode eller forskningspublikasjoner som fremmer tale- eller språk-AI.
- Evne til å identifisere avgjørende eksperimenter som raskt tester ideer.
- Visjon for å skalere vellykkede proof of concept 100 ganger.
- En tilnærming som fremmer AI-automatisering og -forsterkning.
- Vitenskapelig litteratur eller akademiske publikasjoner innen talebehandling, tale-til-tekst, tekst-til-tale eller lignende, slik det etterspørres i søknaden.
- Lovlig rett til å arbeide i landet der stillingen er basert.
- Evne til å oppfylle kravene til visumsponsing i landet der stillingen er basert.
Fordeler
- Mulighet for fjernarbeid.
- AI-først-arbeidsmiljø med mulighet til å bruke og eksperimentere med avanserte AI-verktøy.
- Mulighet til å jobbe med banebrytende forskning på stemme-AI.
- Mulighet til å bidra til åpen kildekode-prosjekter og forskningspublikasjoner.
- Det er valgfritt å ta opp intervjuet med AI Notetaker. Det påvirker ikke kandidaturet ditt om du velger det bort.