Deepgram 是一家語音人工智慧公司，開發用於語音轉文字、文字轉語音和語言理解的 API。其平台協助開發者打造即時語音應用程式，包括對話式人工智慧、聯絡中心工具和醫療轉錄工作流程。Deepgram 著重於準確度、速度和成本效益處理口語，讓醫療保健、物流、顧問及其他產業的組織能將語音資料轉化為實用資訊和互動體驗。
語音 AI 基礎研究首席科學家
研發音訊編解碼、語音生成與多模態語音 AI 的基礎模型。 透過高效且可擴展的研究，推進 Deepgram 的即時語音技術。
說明
- 建構神經音訊編解碼器，在大型通用音訊資料集上以極低位元率壓縮音訊，同時維持高保真度。
- 建立可操控的語音生成模型，涵蓋不同聲音、情緒表達、多位說話者、環境雜音與重疊語音。
- 開發嵌入表示，將編解碼器的潛在空間拆分為可解讀的維度，分別表達說話者、內容、風格、環境與通道。
- 重新組合潛在表示，以前所未有的規模建立合成音訊資料。
- 訓練多模態語音對語音系統，理解多元背景的人，並產生富有同理心且自然流暢的回應。
- 為裸機硬體設計架構、訓練方法與推論演算法，以便有效率地使用十億小時級資料集進行訓練並即時推論。
- 研究潛在空間模型，解決語音 AI 在資料、規模與成本上的挑戰。
- 進行受控實驗、消融研究、評估、壓力測試與基準測試，以檢驗研究假設。
- 透過開源成果與研究發表推進語音及語言 AI。
職位要求
- 具備紮實的數學基礎，尤其是統計學習理論、自監督學習與多模態學習。
- 精通基礎模型架構，以及跨多種模態擴展訓練的方法。
- 能將理論連結至實作，推導新的數學表述並有效率地實作。
- 建置資料管線，處理並整理大型資料集，同時維持品質與多樣性。
- 設計受控實驗，以隔離架構上的進展並檢驗理論見解。
- 針對實際部署最佳化模型，將硬體限制與效率技術納入考量。
- 具備推進語音或語言 AI 的開源貢獻或研究發表紀錄。
- 找出能快速驗證或推翻想法的關鍵實驗。
- 了解如何將成功的概念驗證擴展 100 倍。
- 運用 AI 工具自動化工作並擴大個人影響力。
- 能快速適應、進行實驗、持續學習，並在快速變化的 AI 領域有效工作。
福利待遇
- 遠端工作安排。
- 以 AI 為先的工作環境，鼓勵使用並嘗試先進的 AI 工具。
- 有機會主導具變革潛力的語音 AI 基礎研究。
- 有機會參與開源專案並發表研究成果。
- 可自行選擇是否錄製由 AI 會議記錄工具參與的面試；選擇不錄製不會影響應徵資格。