Deepgram, konuşmadan metne, metinden konuşmaya ve dil anlama alanlarında API’ler geliştiren bir sesli yapay zekâ şirketidir. Platformu, geliştiricilerin konuşmaya dayalı yapay zekâ uygulamaları, çağrı merkezi araçları ve tıbbi transkripsiyon iş akışları da dâhil olmak üzere gerçek zamanlı ses uygulamaları oluşturmasına yardımcı olur. Deepgram, doğruluk, hız ve maliyet verimliliğine odaklanarak konuşma dilini işler ve sağlık hizmetleri, lojistik, danışmanlık ve diğer sektörlerdeki kuruluşların ses verilerini faydalı bilgilere ve etkileşimli deneyimlere dönüştürmesini sağlar.
Kiemelt kutató, hangalapú mesterséges intelligencia alapjai
Látens térbeli modelleket fejleszt a Deepgram hangalapú MI-platformjához, előmozdítva a neurális audiokodekeket, a beszédgenerálást, a multimodális rendszereket és a hatékony hardveres következtetést.
Açıklama
- Olyan neurális audiokodekeket fejleszt, amelyek nagyon alacsony bitrátát ötvöznek a nagy hűségű rekonstrukcióval.
- Irányítható generatív modelleket hoz létre a változatos emberi beszédhez, beleértve az érzelmeket kifejező, több beszélős, zajos és egymást átfedő beszédet.
- Beágyazási rendszereket épít, amelyek a látens reprezentációkat beszélő, tartalom, stílus, környezet és csatorna dimenziókra bontják.
- A látens reprezentációk újrakombinálásával példátlan léptékben generál szintetikus hangadatokat.
- Multimodális beszéd-beszéd rendszereket tanít robusztus megértésre és empatikus, emberi hangzású válaszokra.
- Modellarchitektúrákat, tanítási módszereket és következtetési algoritmusokat tervez közvetlen hardveren történő futtatáshoz.
- Költséghatékony tanítást támogat több milliárd órányi adatot felölelő adatkészleteken, valamint valós idejű következtetést több százmillió párhuzamos beszélgetéshez.
- Kontrollált kísérleteket, ablatív vizsgálatokat, értékeléseket, terheléses teszteket és szélső esetek elemzését végzi.
- Előmozdítja a hangalapú MI, a beszéd- és nyelvi modellezés alapkutatását.
Gereksinimler
- Biztos matematikai és statisztikai tanuláselméleti alapok, különösen az önfelügyelt és multimodális tanulás területén.
- A fundamentális modellarchitektúrák és a több modalitáson átívelő tanítás skálázásának mély ismerete.
- Új matematikai megfogalmazások levezetésének és hatékony megvalósításának képessége.
- Nagy adatkészletek létrehozásában és gondozásában szerzett bizonyított tapasztalat, a minőség és a sokféleség fenntartásával.
- Bizonyított tapasztalat kontrollált kísérletek tervezésében az architekturális újítások és az elméleti felismerések vizsgálatára.
- Tapasztalat modellek valós környezetben történő bevezetésének előkészítésében, beleértve a hardverkorlátokat és a hatékonyságot javító módszereket.
- Nyílt forráskódú hozzájárulások vagy kutatási publikációk a beszéd- vagy nyelvi MI fejlesztése terén.
- Jártasság a fejlett MI-eszközök használatában és kipróbálásában.
- Képesség olyan döntő kísérletek azonosítására, amelyek gyorsan igazolják vagy cáfolják az ötleteket.
- Elképzelés a sikeres koncepcióbizonyítások százszoros léptékű kiterjesztésére.
- Tapasztalat vagy ismeret a neurális audiokodekek, generatív modellek, beágyazási rendszerek, látens reprezentációk, multimodális beszéd-beszéd rendszerek, modellarchitektúrák, tanítási módszerek, következtetési algoritmusok és hardverhatékony bevezetés területén.
Yan Haklar
- Távmunka.
- MI-központú környezet, amely ösztönzi a fejlett MI-eszközök használatát és kipróbálását.
- Lehetőség átalakító erejű hangalapú MI-kutatás végzésére nagy léptékben.
- Lehetőség nyílt forráskódú projektekhez való hozzájárulásra és kutatási eredmények publikálására.
- Az interjú MI-jegyzetelőjének felvétele visszautasítható, ez nem befolyásolja a pályázat elbírálását.