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
Rozwijaj podstawowe badania nad głosową AI w Deepgram: od modeli w przestrzeni ukrytej i neuronowych kodeków audio po systemy przekształcania mowy w mowę. Twórz skalowalne i wydajne technologie do interakcji człowieka z maszyną w czasie rzeczywistym.
Opis
- Opracowuj modele w przestrzeni ukrytej, aby rozwiązywać kluczowe problemy związane z danymi, skalą i kosztami w niezawodnej, kontekstowej głosowej AI.
- Twórz neuronowe kodeki audio łączące bardzo niską przepływność z rekonstrukcją o wysokiej wierności.
- Buduj sterowalne modele generatywne dla zróżnicowanej mowy, w tym emocjonalnej, wieloosobowej, zaszumionej i nakładającej się.
- Projektuj systemy embeddingów, które rozdzielają reprezentacje ukryte na wymiary mówcy, treści, stylu, otoczenia i kanału.
- Wykorzystuj rekombinację reprezentacji ukrytych do generowania syntetycznych danych audio na bezprecedensową skalę.
- Trenuj multimodalne systemy przekształcania mowy w mowę, zapewniające szerokie rozumienie oraz empatyczne, naturalne odpowiedzi.
- Projektuj architektury modeli, metody trenowania i algorytmy wnioskowania dla sprzętu działającego bezpośrednio na niskim poziomie.
- Zapewniaj ekonomiczne trenowanie na zbiorach danych obejmujących miliardy godzin oraz wnioskowanie w czasie rzeczywistym dla setek milionów równoczesnych rozmów.
- Prowadź kontrolowane eksperymenty, badania ablacyjne, ewaluacje i testy obciążeniowe.
- Współtwórz publikacje naukowe i projekty open source.
Wymagania
- Solidne podstawy matematyczne w teorii uczenia statystycznego, zwłaszcza uczenia samonadzorowanego i multimodalnego.
- Dogłębna znajomość architektur modeli bazowych oraz skalowania trenowania w wielu modalnościach.
- Umiejętność opracowywania oryginalnych ujęć matematycznych i ich wydajnej implementacji.
- Udokumentowane doświadczenie w budowaniu i utrzymywaniu dużych, wysokiej jakości i zróżnicowanych potoków danych.
- Doświadczenie w projektowaniu kontrolowanych eksperymentów pozwalających wyodrębnić wpływ architektury i weryfikować wnioski teoretyczne.
- Doświadczenie w przygotowywaniu modeli do wdrożeń w rzeczywistych warunkach, z uwzględnieniem ograniczeń sprzętowych i metod zwiększania wydajności.
- Dorobek w postaci wkładu w projekty open source lub publikacji naukowych rozwijających AI dla mowy lub języka.
- Umiejętność wskazywania rozstrzygających eksperymentów, które szybko weryfikują pomysły.
- Wizja zwiększenia skali udanych weryfikacji koncepcji stukrotnie.
- Nastawienie na automatyzację i wspomaganie pracy przez AI.
- Literatura naukowa lub publikacje akademickie dotyczące przetwarzania mowy, rozpoznawania mowy, syntezy mowy lub podobnych zagadnień, zgodnie z prośbą w formularzu aplikacyjnym.
- Prawne uprawnienie do pracy w kraju, w którym znajduje się stanowisko.
- Możliwość spełnienia wymagań dotyczących sponsorowania wizy w kraju, w którym znajduje się stanowisko.
Benefity
- Praca zdalna.
- Środowisko pracy stawiające na AI, z możliwością korzystania z zaawansowanych narzędzi AI i eksperymentowania z nimi.
- Możliwość pracy nad przełomowymi badaniami nad głosową AI.
- Możliwość udziału w projektach open source i publikacjach naukowych.
- Nagrywanie rozmowy rekrutacyjnej przez AI Notetaker jest opcjonalne; rezygnacja nie wpływa na kandydaturę.