Deepgram är ett röst-AI-företag som utvecklar API:er för tal-till-text, text-till-tal och språkförståelse. Plattformen hjälper utvecklare att skapa röstapplikationer i realtid, bland annat konversationsbaserad AI, verktyg för kontaktcenter och arbetsflöden för medicinsk transkribering. Genom att behandla talat språk med fokus på noggrannhet, snabbhet och kostnadseffektivitet gör Deepgram det möjligt för organisationer inom hälso- och sjukvård, logistik, konsultverksamhet och andra sektorer att omvandla röstdata till användbar information och interaktiva upplevelser.
Ledande forskare inom röst-AI-grundforskning
Bedriv grundläggande forskning inom röst-AI på Deepgram, från modeller i latent rum och neurala ljudkodekar till tal-till-tal-system. Utveckla skalbar och effektiv teknik för människa–maskin-interaktion i realtid.
Beskrivning
- Utveckla modeller i latent rum för att lösa centrala utmaningar med data, skalning och kostnader inom robust, kontextmedveten röst-AI.
- Skapa neurala ljudkodekar som kombinerar mycket låga bithastigheter med ljudåtergivning av hög kvalitet.
- Bygg styrbara generativa modeller för varierat tal, inklusive känsloladdat tal, tal med flera personer samt brusigt och överlappande tal.
- Utforma inbäddningssystem som delar upp latenta representationer i dimensioner för talare, innehåll, stil, miljö och kanal.
- Använd latent rekombination för att skapa syntetiska ljuddata i en tidigare ouppnådd skala.
- Träna multimodala tal-till-tal-system för bred förståelse och empatiska, mänskliga svar.
- Utforma modellarkitekturer, träningsmetoder och inferensalgoritmer för hårdvara på bare-metal-nivå.
- Möjliggör kostnadseffektiv träning på datamängder omfattande miljarder timmar och inferens i realtid för hundratals miljoner samtidiga konversationer.
- Genomför kontrollerade experiment, ablationsstudier, utvärderingar och stresstester.
- Bidra till forskningspublikationer och projekt med öppen källkod.
Krav
- Stark matematisk grund inom statistisk inlärningsteori, särskilt självsuperviserat och multimodalt lärande.
- Djup kunskap om grundmodellers arkitekturer och skalning av träning över flera modaliteter.
- Förmåga att utveckla egna matematiska formuleringar och implementera dem effektivt.
- Dokumenterad förmåga att bygga och underhålla stora datakedjor av hög kvalitet och med stor mångfald.
- Erfarenhet av att utforma kontrollerade experiment för att isolera arkitektoniska effekter och pröva teoretiska insikter.
- Erfarenhet av att förbereda modeller för användning i verkligheten, inklusive hänsyn till hårdvarubegränsningar och effektiviseringsmetoder.
- Dokumenterade bidrag till projekt med öppen källkod eller forskningspublikationer som för tal- eller språk-AI framåt.
- Förmåga att identifiera avgörande experiment som snabbt prövar idéer.
- Vision för att skala framgångsrika proof of concept hundra gånger.
- Ett synsätt som präglas av AI-automatisering och AI-stöd.
- Vetenskaplig litteratur eller akademiska publikationer inom talbehandling, tal-till-text, text-till-tal eller liknande, enligt ansökningsformuläret.
- Laglig rätt att arbeta i det land där tjänsten är placerad.
- Förmåga att uppfylla kraven för visumsponsring i det land där tjänsten är placerad.
Förmåner
- Distansarbete.
- AI-fokuserad arbetsmiljö med möjlighet att använda och experimentera med avancerade AI-verktyg.
- Möjlighet att arbeta med omvälvande forskning inom röst-AI.
- Möjlighet att bidra till projekt med öppen källkod och forskningspublikationer.
- Det är frivilligt att spela in intervjun med AI Notetaker. Att avstå påverkar inte din kandidatur.