A Deepgram é uma empresa de inteligência artificial para voz que desenvolve APIs de conversão de fala em texto, texto em fala e compreensão de linguagem. Sua plataforma ajuda desenvolvedores a criar aplicações de voz em tempo real, incluindo IA conversacional, ferramentas para centrais de atendimento e fluxos de trabalho de transcrição médica. Ao processar a linguagem falada com foco em precisão, velocidade e eficiência de custos, a Deepgram permite que organizações dos setores de saúde, logística, consultoria e outros transformem dados de voz em informações úteis e experiências interativas.
Cientista líder de pesquisa, fundamentos de IA de voz
Avance a pesquisa fundamental em IA de voz na Deepgram, de modelos de espaço latente e codecs neurais de áudio a sistemas de voz para voz. Desenvolva tecnologia escalável e eficiente para a interação entre pessoas e máquinas em tempo real.
Descrição
- Desenvolva modelos de espaço latente para enfrentar os principais desafios de dados, escala e custo em IA de voz robusta e contextual.
- Crie codecs neurais de áudio que combinem taxas de bits muito baixas com reconstrução de alta fidelidade.
- Desenvolva modelos generativos controláveis para diferentes tipos de fala, incluindo fala emocional, com múltiplos interlocutores, ruidosa e sobreposta.
- Projete sistemas de embeddings que separem representações latentes nas dimensões de locutor, conteúdo, estilo, ambiente e canal.
- Aplique recombinação latente para produzir dados de áudio sintético em escala sem precedentes.
- Treine sistemas multimodais de voz para voz para oferecer compreensão ampla e respostas empáticas e semelhantes às humanas.
- Projete arquiteturas de modelos, métodos de treinamento e algoritmos de inferência para hardware bare-metal.
- Viabilize treinamento econômico em conjuntos de dados com bilhões de horas e inferência em tempo real em centenas de milhões de conversas simultâneas.
- Realize experimentos controlados, estudos de ablação, avaliações e testes de estresse.
- Contribua com publicações de pesquisa e projetos de código aberto.
Requisitos
- Base matemática sólida em teoria do aprendizado estatístico, especialmente em aprendizado autossupervisionado e multimodal.
- Conhecimento profundo de arquiteturas de modelos fundamentais e de como escalar o treinamento em várias modalidades.
- Capacidade de desenvolver formulações matemáticas originais e implementá-las com eficiência.
- Experiência comprovada na criação e manutenção de pipelines de dados grandes, diversificados e de alta qualidade.
- Experiência na elaboração de experimentos controlados para isolar efeitos da arquitetura e testar hipóteses teóricas.
- Experiência na preparação de modelos para implantação no mundo real, considerando restrições de hardware e métodos de eficiência.
- Histórico de contribuições para projetos de código aberto ou publicações de pesquisa que avancem a IA de fala ou de linguagem.
- Capacidade de identificar experimentos decisivos que testem ideias rapidamente.
- Visão para escalar em 100 vezes provas de conceito bem-sucedidas.
- Mentalidade voltada à automação e à ampliação de capacidades com IA.
- Literatura acadêmica ou publicações de pesquisa relacionadas a processamento de fala, reconhecimento de fala, síntese de fala ou trabalhos semelhantes, conforme solicitado na candidatura.
- Autorização legal para trabalhar no país onde a vaga está baseada.
- Capacidade de atender aos requisitos de patrocínio de visto do país onde a vaga está baseada.
Benefícios
- Regime de trabalho remoto.
- Ambiente de trabalho que prioriza IA, com oportunidades para usar e experimentar ferramentas avançadas de IA.
- Oportunidade de trabalhar em pesquisas transformadoras de IA de voz.
- Oportunidade de contribuir com projetos de código aberto e publicações de pesquisa.
- A gravação da entrevista pelo AI Notetaker é opcional; optar por não gravar não afeta a candidatura.