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-grundmodeller
Utveckla grundmodeller för ljudkodekar, talsyntes och multimodal röst-AI. För taltekniken i realtid framåt med effektiv och skalbar forskning.
Beskrivning
- Bygg neurala ljudkodekar som komprimerar ljud med mycket låg bithastighet och samtidigt bevarar hög ljudkvalitet i stora dataset med allmänljud.
- Skapa styrbara modeller för talsyntes med olika röster, känslouttryck, flera talare, omgivningsljud och överlappande tal.
- Utveckla inbäddningar som delar upp kodekarnas latenta rum i begripliga dimensioner för talare, innehåll, stil, miljö och kanal.
- Kombinera latenta representationer för att skapa syntetiska ljuddata i tidigare oöverträffad skala.
- Träna multimodala tal-till-tal-system som förstår människor med olika bakgrund och genererar empatiska, naturligt klingande svar.
- Utforma arkitekturer, träningsmetoder och inferensalgoritmer för hårdvara utan abstraktionslager, så att träning på dataset omfattande miljarder timmar blir effektiv och inferens kan ske i realtid.
- Forska på modeller i latent rum för att hantera utmaningar kring data, skala och kostnader inom röst-AI.
- Genomför kontrollerade experiment, ablationsstudier, utvärderingar, stresstester och jämförelser för att pröva forskningshypoteser.
- För tal- och språk-AI framåt genom arbete med öppen källkod och forskningspublikationer.
Krav
- Ha en stark matematisk grund inom statistisk inlärningsteori, särskilt självövervakad och multimodal inlärning.
- Ha djup expertis inom grundmodellarkitekturer och skalning av träning över flera modaliteter.
- Koppla teori till implementering genom att härleda nya matematiska formuleringar och implementera dem effektivt.
- Bygga datapipelines för att bearbeta och kurera enorma dataset med bibehållen kvalitet och mångfald.
- Utforma kontrollerade experiment som isolerar arkitektoniska framsteg och prövar teoretiska insikter.
- Optimera modeller för verklig användning med hänsyn till hårdvarubegränsningar och effektiviseringstekniker.
- Kunna visa på bidrag till projekt med öppen källkod eller forskningspublikationer som utvecklar tal- eller språk-AI.
- Identifiera avgörande experiment som snabbt kan bekräfta eller motbevisa idéer.
- Förstå hur framgångsrika konceptbevis kan skalas upp hundrafalt.
- Använda AI-verktyg för att automatisera arbete och öka den egna genomslagskraften.
- Anpassa dig snabbt, experimentera, fortsätta lära och arbeta effektivt inom ett snabbt föränderligt AI-område.
Förmåner
- Distansarbete.
- En AI-först-miljö som uppmuntrar användning och utforskande av avancerade AI-verktyg.
- Möjlighet att leda grundläggande forskning inom röst-AI med omvälvande potential.
- Möjligheter att bidra till projekt med öppen källkod och forskningspublikationer.
- Det är valfritt att spela in intervjun med AI Notetaker. Ett nej påverkar inte din kandidatur.