Deepgram to firma z branży sztucznej inteligencji głosowej, która opracowuje interfejsy API do zamiany mowy na tekst, tekstu na mowę oraz rozumienia języka. Jej platforma pomaga deweloperom tworzyć działające w czasie rzeczywistym aplikacje głosowe, w tym konwersacyjną sztuczną inteligencję, narzędzia dla centrów kontaktowych i procesy transkrypcji medycznej. Przetwarzając język mówiony z naciskiem na dokładność, szybkość i efektywność kosztową, Deepgram umożliwia organizacjom z sektora ochrony zdrowia, logistyki, doradztwa i innych branż przekształcanie danych głosowych w użyteczne informacje oraz interaktywne doświadczenia.
Główny naukowiec ds. badań podstawowych nad głosową AI
Twórz modele bazowe dla kodeków audio, generowania mowy i multimodalnej głosowej AI. Rozwijaj technologię mowy Deepgram działającą w czasie rzeczywistym dzięki wydajnym badaniom, które można skalować.
Opis
- Twórz neuronowe kodeki audio, które kompresują dźwięk przy bardzo niskiej przepływności, zachowując wysoką wierność na dużych, zróżnicowanych zbiorach danych audio.
- Twórz sterowalne modele generowania mowy obsługujące różne głosy, ekspresję emocji, wielu rozmówców, hałas otoczenia i nakładającą się mowę.
- Opracowuj embeddingi rozdzielające przestrzenie ukryte kodeków na zrozumiałe wymiary: mówcę, treść, styl, środowisko i kanał.
- Łącz reprezentacje ukryte, aby tworzyć syntetyczne dane audio na bezprecedensową skalę.
- Trenuj multimodalne systemy przekształcania mowy na mowę, które rozumieją różne osoby i generują empatyczne, naturalnie brzmiące odpowiedzi.
- Projektuj architektury, metody treningu i algorytmy wnioskowania dla sprzętu bare-metal, umożliwiając wydajny trening na zbiorach danych obejmujących miliardy godzin oraz wnioskowanie w czasie rzeczywistym.
- Badaj modele przestrzeni ukrytej, aby rozwiązywać problemy z danymi, skalą i kosztami w głosowej AI.
- Prowadź kontrolowane eksperymenty, ablacje, ewaluacje, testy obciążeniowe i benchmarki, aby oceniać hipotezy badawcze.
- Rozwijaj AI do przetwarzania mowy i języka poprzez projekty open source i publikacje naukowe.
Wymagania
- Miej solidne podstawy matematyczne w statystycznej teorii uczenia, zwłaszcza w uczeniu samonadzorowanym i multimodalnym.
- Posiadaj dogłębną wiedzę o architekturach modeli bazowych i skalowaniu treningu w wielu modalnościach.
- Łącz teorię z implementacją: wyprowadzaj nowe sformułowania matematyczne i wydajnie je wdrażaj.
- Buduj potoki danych do przetwarzania i selekcji ogromnych zbiorów danych, dbając o ich jakość i różnorodność.
- Projektuj kontrolowane eksperymenty, które pozwalają wyodrębniać ulepszenia architektury i sprawdzać wnioski teoretyczne.
- Optymalizuj modele pod kątem wdrożeń w rzeczywistych warunkach, uwzględniając ograniczenia sprzętowe i techniki zwiększania wydajności.
- Miej udokumentowane osiągnięcia w projektach open source lub publikacjach naukowych rozwijających AI do przetwarzania mowy albo języka.
- Wskazuj rozstrzygające eksperymenty, które pozwalają szybko potwierdzić lub obalić pomysły.
- Wiedz, jak zwiększyć skalę udanych dowodów słuszności koncepcji stukrotnie.
- Korzystaj z narzędzi AI do automatyzacji pracy i zwiększania własnego wpływu.
- Szybko się adaptuj, eksperymentuj, stale się ucz i skutecznie działaj w dynamicznie zmieniającej się dziedzinie AI.
Benefity
- Praca zdalna.
- Środowisko stawiające AI na pierwszym miejscu, zachęcające do korzystania z zaawansowanych narzędzi AI i eksperymentowania z nimi.
- Możliwość kierowania badaniami podstawowymi nad głosową AI o przełomowym potencjale.
- Możliwości udziału w projektach open source i publikacjach naukowych.
- Nagrywanie rozmowy kwalifikacyjnej przez AI Notetaker jest opcjonalne; rezygnacja z nagrania nie wpływa na kandydaturę.