Deepgram 是一家语音人工智能公司，开发用于语音转文字、文字转语音和语言理解的 API。其平台帮助开发者构建实时语音应用，包括对话式人工智能、联络中心工具和医疗转录工作流。Deepgram 专注于准确性、速度和成本效益处理口语，使医疗保健、物流、咨询及其他行业的组织能够将语音数据转化为有用的信息和互动体验。
语音 AI 基础研究首席科学家
研发音频编解码、语音生成和多模态语音 AI 的基础模型。 通过高效、可扩展的研究，推动 Deepgram 实时语音技术发展。
描述
- 构建神经音频编解码器，在大型通用音频数据集上以极低比特率压缩音频，同时保持高保真度。
- 创建可调控的语音生成模型，支持多种声音、情绪表达、多说话人、环境噪声及语音重叠。
- 开发嵌入表示，将编解码器的潜在空间拆分为可解释的维度，分别表示说话人、内容、风格、环境和通道。
- 重新组合潜在表示，以前所未有的规模创建合成音频数据。
- 训练多模态语音到语音系统，使其理解不同人群并生成富有共情力、自然流畅的回应。
- 为裸机硬件设计架构、训练方法和推理算法，从而高效训练以十亿小时计的数据集并实现实时推理。
- 研究潜在空间模型，解决语音 AI 在数据、规模和成本方面的挑战。
- 开展受控实验、消融研究、评估、压力测试和基准测试，以检验研究假设。
- 通过开源工作和研究论文推动语音与语言 AI 的发展。
任职要求
- 具备扎实的数学基础，尤其熟悉统计学习理论、自监督学习和多模态学习。
- 精通基础模型架构，以及跨多种模态扩展训练的技术。
- 能够将理论与实现相结合，推导新的数学表述并高效实现。
- 构建数据管道，处理和整理海量数据集，同时保证质量和多样性。
- 设计受控实验，分离并验证架构改进，检验理论见解。
- 针对实际部署优化模型，充分考虑硬件限制和效率技术。
- 拥有推动语音或语言 AI 发展的开源贡献或研究发表记录。
- 能够找出可快速验证或证伪想法的关键实验。
- 了解如何将成功的概念验证扩展 100 倍。
- 善用 AI 工具自动化工作并扩大个人影响力。
- 能够快速适应、开展实验、持续学习，并在快速变化的 AI 领域高效工作。
福利待遇
- 远程工作安排。
- 以 AI 为先的工作环境，鼓励使用并试验先进的 AI 工具。
- 有机会主导具有变革潜力的语音 AI 基础研究。
- 有机会参与开源项目并发表研究成果。
- 可选择是否录制由 AI 会议记录助手参与的面试；选择不录制不会影响候选资格。