Deepgram — компанія у сфері голосового ШІ, яка розробляє API для перетворення мовлення на текст, тексту на мовлення та розуміння мови. Її платформа допомагає розробникам створювати голосові застосунки, що працюють у реальному часі, зокрема розмовний ШІ, інструменти для контакт-центрів і робочі процеси медичної транскрипції. Обробляючи усне мовлення з акцентом на точність, швидкість та економічність, Deepgram дає змогу організаціям у сфері охорони здоров’я, логістики, консалтингу та інших галузях перетворювати голосові дані на корисну інформацію й інтерактивні рішення.
Провідний науковець із фундаментальних досліджень голосового ШІ
Розробляйте базові моделі аудіокодеків, генерації мовлення та мультимодального голосового ШІ. Розвивайте технології мовлення Deepgram у реальному часі завдяки ефективним дослідженням, що масштабуються.
Опис
- Створюйте нейронні аудіокодеки, які стискають аудіо за дуже низького бітрейту, зберігаючи високу точність на великих наборах даних із різноманітним аудіо.
- Створюйте керовані моделі генерації мовлення для різних голосів, емоційного вираження, кількох мовців, навколишнього шуму та одночасного мовлення.
- Розробляйте ембеддинги, що розділяють латентні простори кодека на зрозумілі виміри: мовець, зміст, стиль, середовище та канал.
- Поєднуйте латентні представлення, щоб створювати синтетичні аудіодані в безпрецедентних масштабах.
- Навчайте мультимодальні системи перетворення мовлення на мовлення, щоб вони розуміли різних людей і генерували емпатичні відповіді, що звучать природно.
- Проєктуйте архітектури, методи навчання й алгоритми інференсу для обладнання з прямим доступом до апаратних ресурсів, забезпечуючи ефективне навчання на наборах даних обсягом у мільярди годин і обробку в реальному часі.
- Досліджуйте моделі латентного простору, щоб долати проблеми з даними, масштабуванням і вартістю в голосовому ШІ.
- Проводьте контрольовані експерименти, абляції, оцінювання, стрес-тести та бенчмарки для перевірки дослідницьких гіпотез.
- Розвивайте ШІ для мовлення й мови за допомогою проєктів із відкритим кодом і наукових публікацій.
Вимоги
- Мати ґрунтовну математичну підготовку зі статистичної теорії навчання, особливо в само- та мультимодальному навчанні.
- Глибоко знати архітектури базових моделей і масштабування навчання на кількох модальностях.
- Поєднувати теорію з реалізацією: виводити нові математичні формулювання та ефективно втілювати їх.
- Створювати конвеєри для обробки й упорядкування масивних наборів даних, зберігаючи їхню якість і різноманітність.
- Проєктувати контрольовані експерименти, які дають змогу виокремити архітектурні вдосконалення та перевірити теоретичні висновки.
- Оптимізувати моделі для практичного розгортання з урахуванням апаратних обмежень і методів підвищення ефективності.
- Мати підтверджений досвід внесків у проєкти з відкритим кодом або наукових публікацій, що розвивають ШІ для мовлення чи мови.
- Визначати вирішальні експерименти, які дають змогу швидко підтвердити або спростувати ідеї.
- Розуміти, як збільшувати масштаб успішних перевірок концепції у 100 разів.
- Використовувати інструменти ШІ для автоматизації роботи та розширення власного впливу.
- Швидко адаптуватися, експериментувати, постійно навчатися й ефективно працювати в мінливій сфері ШІ.
Переваги
- Віддалений формат роботи.
- Середовище, орієнтоване на ШІ, де заохочують використання й тестування передових інструментів ШІ.
- Можливість керувати фундаментальними дослідженнями голосового ШІ з трансформаційним потенціалом.
- Можливість долучатися до проєктів із відкритим кодом і наукових публікацій.
- Запис співбесіди за допомогою ШІ-асистента для нотаток необов’язковий; відмова від запису не впливає на розгляд кандидатури.