Kutató – Text-to-Speech

Stack

Feladatok

• ▹Gyors és minőségi SOTA TTS modellek kutatása és tréningezése realisztikus, érzelemgazdag hanggeneráláshoz
• ▹Különböző architektúrák és adatok kísérletezése a TTS modellek minőségének és sebességének javítására, majd a legjobb eredmények production-be vitele
• ▹Naprakészen követni a kutatási trendeket és új ötletekkel előállni
• ▹Szoros együttműködés egy 3 fős TTS-kutató csapattal, mérnöki és hardveres támogatással

Elvárások

• ▹Tapasztalat text-to-speech / voice cloning modellek tréningezésében
• ▹Alapos ismeretek transformerekben, diffúziós modellekben, GAN-okban
• ▹Emberi beszéd és audio feldolgozás megértése (sampling, spektrogramok, vocoderek)
• ▹Python és kulcskönyvtárak jártassága (PyTorch, Hugging Face Transformers)
• ▹Kutatási publikációk követésének és megvalósításának képessége; erős ML alapok és kritikus gondolkodás

Előny

• ▹Modern beszédszintézis modellek ismerete (GPT-alapú, flow matching, pl. Vevo, StyleTTS, IndexTTS, Maskgct)
• ▹Nyílt forráskódú AI eszközökhöz való hozzájárulás vagy kutatási publikációk a beszédfeldolgozás területén
• ▹AWS vagy hasonló klaszterek ismerete

Soft skillek

A munkáltatóról

A Valka a Realms Group (az Oddin.gg anyavállalata) spin-offja, amely interaktív, generatív AI-alapú digitális tartalom platformot épít, ahol virtuális karakterek valós időben reagálnak a felhasználók hangjára, szövegére és gesztusaira.