Deepgram là một công ty AI giọng nói phát triển các API chuyển giọng nói thành văn bản, chuyển văn bản thành giọng nói và hiểu ngôn ngữ. Nền tảng của công ty giúp các nhà phát triển tạo ra các ứng dụng giọng nói theo thời gian thực, bao gồm AI đàm thoại, công cụ cho trung tâm liên lạc và quy trình phiên âm y tế. Bằng cách xử lý ngôn ngữ nói với trọng tâm là độ chính xác, tốc độ và hiệu quả chi phí, Deepgram giúp các tổ chức trong lĩnh vực y tế, logistics, tư vấn và nhiều ngành khác biến dữ liệu giọng nói thành thông tin hữu ích cùng những trải nghiệm tương tác.
Nhà nghiên cứu cấp cao về nền tảng AI giọng nói
Phát triển mô hình không gian tiềm ẩn cho nền tảng AI giọng nói của Deepgram, thúc đẩy codec âm thanh thần kinh, tổng hợp giọng nói, hệ thống đa phương thức và suy luận hiệu quả trên phần cứng. Đưa nghiên cứu nền tảng về giọng nói và ngôn ngữ vào các ứng dụng AI giọng nói quy mô lớn.
Mô tả
- Phát triển codec âm thanh thần kinh kết hợp tốc độ bit rất thấp với khả năng tái tạo độ trung thực cao.
- Tạo các mô hình sinh có thể điều khiển cho nhiều dạng giọng nói của con người, bao gồm giọng nói biểu cảm, nhiều người nói, có nhiễu và chồng lấn.
- Xây dựng hệ thống embedding phân tách biểu diễn tiềm ẩn thành các chiều người nói, nội dung, phong cách, môi trường và kênh.
- Kết hợp lại các biểu diễn tiềm ẩn để tạo dữ liệu âm thanh tổng hợp ở quy mô chưa từng có.
- Huấn luyện hệ thống chuyển giọng nói thành giọng nói đa phương thức để hiểu vững chắc và phản hồi đồng cảm, tự nhiên như con người.
- Thiết kế kiến trúc mô hình, phương pháp huấn luyện và thuật toán suy luận cho phần cứng bare-metal.
- Hỗ trợ huấn luyện tiết kiệm chi phí trên các tập dữ liệu trải rộng hàng tỷ giờ và suy luận thời gian thực cho hàng trăm triệu cuộc hội thoại đồng thời.
- Thực hiện thí nghiệm có kiểm soát, phân tích loại bỏ thành phần, đánh giá, kiểm thử áp lực và phân tích trường hợp biên.
- Thúc đẩy nghiên cứu nền tảng về AI giọng nói, nhận dạng tiếng nói và mô hình hóa ngôn ngữ.
Yêu cầu
- Nền tảng vững chắc về toán học và lý thuyết học thống kê, đặc biệt là học tự giám sát và học đa phương thức.
- Kiến thức chuyên sâu về kiến trúc mô hình nền tảng và mở rộng quy mô huấn luyện trên nhiều phương thức.
- Khả năng xây dựng các công thức toán học mới và triển khai chúng hiệu quả.
- Có kinh nghiệm thực tế trong việc xây dựng và tuyển chọn tập dữ liệu lớn, đồng thời duy trì chất lượng và tính đa dạng.
- Có kinh nghiệm đã được chứng minh trong thiết kế thí nghiệm có kiểm soát để kiểm tra đổi mới kiến trúc và nhận định lý thuyết.
- Có kinh nghiệm chuẩn bị mô hình để triển khai thực tế, bao gồm các giới hạn phần cứng và phương pháp nâng cao hiệu quả.
- Có đóng góp mã nguồn mở hoặc công bố nghiên cứu thúc đẩy AI về tiếng nói hoặc ngôn ngữ.
- Thoải mái sử dụng và thử nghiệm các công cụ AI tiên tiến.
- Có khả năng xác định những thí nghiệm mang tính quyết định để nhanh chóng kiểm chứng hoặc bác bỏ ý tưởng.
- Có tầm nhìn mở rộng các bằng chứng khả thi thành công lên quy mô gấp 100 lần.
- Có kinh nghiệm hoặc kiến thức về codec âm thanh thần kinh, mô hình sinh, hệ thống embedding, biểu diễn tiềm ẩn, hệ thống chuyển giọng nói thành giọng nói đa phương thức, kiến trúc mô hình, phương pháp huấn luyện, thuật toán suy luận và triển khai hiệu quả trên phần cứng.
Phúc lợi
- Hình thức làm việc từ xa.
- Môi trường ưu tiên AI, khuyến khích sử dụng và thử nghiệm các công cụ AI tiên tiến.
- Cơ hội theo đuổi nghiên cứu AI giọng nói có tính đột phá ở quy mô lớn.
- Cơ hội đóng góp cho mã nguồn mở và công bố nghiên cứu.
- Có thể từ chối ghi âm bằng AI Notetaker trong buổi phỏng vấn mà không ảnh hưởng đến việc ứng tuyển.