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
在 Deepgram 推进语音 AI 基础研究，涵盖潜空间模型、神经音频编解码器和语音到语音系统。 打造可扩展、高效率技术，支持实时人机交互。
描述
- 开发潜空间模型，解决稳健且具备上下文能力的语音 AI 在数据、规模和成本方面的核心挑战。
- 创建神经音频编解码器，兼顾极低比特率与高保真重建。
- 构建可控生成模型，以处理多样语音，包括带情绪、多说话人、嘈杂和重叠语音。
- 设计嵌入系统，将潜在表示拆分为说话人、内容、风格、环境和通道等维度。
- 运用潜在表示重组，以前所未有的规模生成合成音频数据。
- 训练多模态语音到语音系统，实现广泛理解并生成富有共情、近似人类的回应。
- 为裸机硬件设计模型架构、训练方法和推理算法。
- 支持在十亿小时级数据集上开展高成本效益训练，并为数亿个并发对话提供实时推理。
- 开展受控实验、消融研究、评估和压力测试。
- 参与研究论文和开源项目。
任职要求
- 具备扎实的统计学习理论数学基础，尤其熟悉自监督学习和多模态学习。
- 深入了解基础模型架构，以及跨多种模态扩展训练的方法。
- 能够提出原创数学形式并高效实现。
- 具备构建和维护大型、高质量、多样化数据管道的实践经验。
- 具备设计受控实验的经验，能够分离架构影响并检验理论见解。
- 具备使模型适用于真实部署的经验，包括考虑硬件限制和效率优化方法。
- 曾通过开源贡献或研究论文推动语音或语言 AI 发展。
- 能够找出可快速验证想法的关键实验。
- 具备将成功的概念验证扩展 100 倍的愿景。
- 具备以 AI 实现自动化和增强能力的思维方式。
- 如申请要求，需提供与语音处理、语音转文本、文本转语音或类似工作相关的学术文献或学术出版物。
- 获准在该职位所在国家工作。
- 能够满足该职位所在国家的签证担保要求。
福利待遇
- 远程工作安排。
- 以 AI 为先的工作环境，可使用和试验先进 AI 工具。
- 有机会参与变革性语音 AI 研究。
- 有机会为开源项目和研究论文作出贡献。
- 可选择不参加 AI 记录员的面试录音；选择退出不会影响候选资格。