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.
Pesquisador(a) sênior de fundamentos de IA de voz
Desenvolva modelos no espaço latente para a plataforma de IA de voz da Deepgram, avançando em codecs neurais de áudio, fala generativa, sistemas multimodais e inferência eficiente em hardware.
Descrição
- Desenvolva codecs neurais de áudio que combinem taxas de bits muito baixas com reconstrução de alta fidelidade.
- Crie modelos generativos controláveis para diferentes formas de fala humana, incluindo fala com emoções, de vários interlocutores, com ruído e sobreposta.
- Construa sistemas de embeddings que separem representações latentes em dimensões de falante, conteúdo, estilo, ambiente e canal.
- Recombine representações latentes para gerar dados de áudio sintético em escala sem precedentes.
- Treine sistemas multimodais de fala para fala para obter compreensão robusta e respostas empáticas e naturais.
- Projete arquiteturas de modelos, métodos de treinamento e algoritmos de inferência para hardware bare-metal.
- Viabilize treinamentos econômicos em conjuntos de dados que abrangem bilhões de horas e inferência em tempo real para centenas de milhões de conversas simultâneas.
- Execute experimentos controlados, ablações, avaliações, testes de estresse e análises de casos extremos.
- Avance a pesquisa fundamental em IA de voz, fala e modelagem de linguagem.
Requisitos
- Forte base em matemática e teoria do aprendizado estatístico, especialmente em aprendizado autossupervisionado e multimodal.
- Conhecimento aprofundado de arquiteturas de modelos fundacionais e de como escalar o treinamento entre várias modalidades.
- Capacidade de formular novas abordagens matemáticas e implementá-las com eficiência.
- Experiência comprovada na criação e curadoria de grandes conjuntos de dados, mantendo qualidade e diversidade.
- Experiência comprovada no planejamento de experimentos controlados para testar inovações arquiteturais e ideias teóricas.
- Experiência na preparação de modelos para implantação em situações reais, incluindo restrições de hardware e métodos de eficiência.
- Histórico de contribuições para projetos de código aberto ou publicações de pesquisa que promovam a IA de fala ou linguagem.
- À vontade para usar e experimentar ferramentas avançadas de IA.
- Capacidade de identificar experimentos decisivos que validem ou refutem ideias rapidamente.
- Visão para escalar provas de conceito bem-sucedidas em um fator de 100.
- Experiência ou conhecimento em codecs neurais de áudio, modelos generativos, sistemas de embeddings, representações latentes, sistemas multimodais de fala para fala, arquiteturas de modelos, métodos de treinamento, algoritmos de inferência e implantação eficiente em hardware.
Benefícios
- Modalidade de trabalho remoto.
- Ambiente que prioriza IA e incentiva o uso e a experimentação com ferramentas avançadas de IA.
- Oportunidade de conduzir pesquisas transformadoras em IA de voz em grande escala.
- Oportunidades para contribuir com projetos de código aberto e publicar pesquisas.
- É possível recusar a gravação da entrevista pelo Anotador com IA sem que isso afete a candidatura.