Research Scientist, Speech & Audio

Vaga não está no LinkedIn

🕒 Setembro 24

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $160.000 - $185.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🧬 Cientista Pesquisador(a)

👻 Score fantasma 20%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

InnoData

SiteLinkedInTodas as Vagas

2 - 10 funcionários

Fundada em 2019

🤝 B2B

💼 Consultoria

🌍 Impacto Social

B2B • Consulting • Social Impact

InnoData é uma cooperativa social italiana denominada INNOvation DATA SCS, com sede em Foggia, que se identifica como fornecedora de soluções tecnológicas. O site da empresa (atualmente em manutenção) destaca "Soluzioni tecnologiche" (soluções tecnológicas) e enfatiza o impacto social ("Impatto sociale"). Os dados de contato listados incluem Via Francesco Crispi 65, 71121 Foggia, Itália. Com base nas informações disponíveis, a InnoData parece operar na interseção entre tecnologia e impacto social, provavelmente oferecendo serviços focados em tecnologia para outras organizações.

Descrição

• Define how Innodata designs, structures, and evaluates audio data for speech and audio models • Translate speech and audio model requirements into data specifications covering modalities, transcription and annotation schemas, sampling, and evaluation criteria • Build evaluation methodologies covering semantic accuracy, noise and accent robustness, code-switching, diarization error rate, speech naturalness and intelligibility, and streaming latency • Structure, enrich, and sample audio across languages, accents, acoustic conditions, demographics, emotional and paralinguistic range, scripted and spontaneous speech, and speaker configurations • Partner with transcription and linguistics leads to develop transcription specifications and quantify their impact on model results • Partner with audio solutions and engineering teams to ensure collected audio meets model objectives • Run fine-tuning and evaluation experiments with ablations linking data choices to measurable improvements • Design adversarial and stumping evaluations to identify speech-system failures • Publish benchmarks, methodology, and research papers • Work with annotation teams, subject-matter experts, and synthetic- and augmented-audio pipelines to operationalize specifications • Partner directly with customers and frontier labs building ASR, text-to-speech, speech-to-speech, conversational voice, diarization, and audio-language models

🎯 Requisitos

• Roughly 5+ years of hands-on industry experience in speech or audio ML • A Bachelor's degree in computer science, electrical engineering, or a related technical or quantitative field is required • Trained and evaluated speech or audio models yourself — ASR, TTS, speech-to-speech, speaker, or audio-language models — with strong PyTorch fundamentals • Fluency in ESPnet, NeMo, SpeechBrain, Kaldi, HuggingFace, forced alignment, WER/CER, and related speech metrics • Hands-on experience with multilingual, accented, dialectal, low-resource, or code-switched speech • Experience with synthetic or augmented audio, including TTS pipelines, noise and room-response simulation • Built evaluation sets and reasoned about dataset coverage across conditions • First-author publications or strong open-source contributions at venues such as Interspeech, ICASSP, ASRU, SLT, or NeurIPS • Ability to work directly with customer and frontier-lab research scientists • Ability to explain data and modeling decisions clearly to expert and non-expert audiences • Rigorous, reproducible approach to experiments and documentation • Interest or hands-on experience in responsible-AI evaluation and red-teaming is a bonus