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 基础研究资深研究员
为 Deepgram 语音 AI 平台开发潜空间模型，推动神经音频编解码器、语音生成、多模态系统及面向硬件的高效推理。
描述
- 开发兼顾极低比特率与高保真重建的神经音频编解码器。
- 创建可控生成模型，以处理多样的人类语音，包括带情绪、多说话人、含噪声和重叠语音。
- 构建嵌入系统，将潜在表示拆分为说话人、内容、风格、环境和通道等维度。
- 重新组合潜在表示，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，实现稳健理解并生成富有共情、自然如人的回应。
- 为裸机硬件设计模型架构、训练方法和推理算法。
- 支持在涵盖数十亿小时数据集上进行高性价比训练，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、压力测试和边缘案例分析。
- 推进语音 AI、语音和语言建模领域的基础研究。
任职要求
- 扎实掌握数学和统计学习理论，尤其是自监督学习与多模态学习。
- 深入了解基础模型架构，以及跨多种模态扩展训练的方法。
- 能够推导新的数学公式并高效实现。
- 具备构建和整理大型数据集的实践能力，同时确保数据质量和多样性。
- 有设计受控实验以检验架构创新和理论见解的成功经验。
- 具备为现实应用部署模型的经验，包括应对硬件限制和采用效率优化方法。
- 曾通过开源贡献或研究发表推动语音或语言 AI 发展。
- 乐于使用并尝试先进的 AI 工具。
- 能够找出可快速验证或证伪想法的关键实验。
- 能够设想如何将成功的概念验证规模扩大 100 倍。
- 具备神经音频编解码器、生成模型、嵌入系统、潜在表示、多模态语音到语音系统、模型架构、训练方法、推理算法及面向硬件高效部署等方面的经验或知识。
福利待遇
- 远程工作安排。
- 以 AI 为先的工作环境，鼓励使用并尝试先进的 AI 工具。
- 有机会大规模开展变革性语音 AI 研究。
- 有机会参与开源项目并发表研究成果。
- 面试 AI 记录助手可能会录音；候选人可以拒绝录音，且不会影响求职资格。