Senior Speech & Voice Biometrics Engineer

Scalo; Województwo mazowieckie; Remote; PLN 193,000 - 275,000; Part time

Job summary

Scalo poszukuje specjalisty ds. biometrii głosowej do rozwijania i utrzymania systemów weryfikacji mówcy, od treningu po wdrożenie produkcyjne. Doświadczenie w trenowaniu i dostrajaniu modeli, a także w ocenie metryk FAR/FRR/EER są kluczowe.

Oczekujemy biegłości w Pythonie i PyTorch oraz znajomości narzędzi takich jak SpeechBrain, WeSpeaker, NVIDIA NeMo lub Kaldi. Praca zdalna, elastyczna współpraca z zespołem i możliwość mentoringu są dostępne.

Qualifications

• Kilkuletnie doświadczenie komercyjne w weryfikacji i identyfikacji mówcy oraz projektach biometrii głosowej.
• Bardzo dobra znajomość przetwarzania mowy i sygnałów, w tym audio telefonicznego i kodeków.
• Doświadczenie w trenowaniu i dostrajaniu modeli speaker embeddings (np. ReDimNet, ECAPA-TDNN, ResNet x-vectors).
• Dogłębna znajomość scoringu i kalibracji (AS-norm, S-norm, cohort selection, CSLS, LLR, dobór progów).
• Bardzo dobre rozumienie metryk biometrycznych (FAR, FRR, EER, DET) i testów przy niskim fałszywym akceptowaniu.
• Doświadczenie z systemami działającymi w czasie rzeczywistym; znajomość VAD, diaryzacji i wykrywania zmiany mówcy.
• Bardzo dobra znajomość Python i PyTorch oraz narzędzi SpeechBrain, WeSpeaker, NVIDIA NeMo lub Kaldi.
• Doświadczenie w pracy z istniejącymi systemami produkcyjnymi.
• Mentoring i podnoszenie kompetencji zespołu.
• Umiejętność tłumaczenia złożonych zagadnień osobom nietechnicznym.
• Bardzo dobra znajomość języka angielskiego w mowie i piśmie (min. C1)

Responsibilities

• Projektowanie, trenowanie, dostrajanie i optymalizację modeli weryfikacji i identyfikacji mówcy w biometrii głosowej.
• Projektowanie i prowadzenie ewaluacji w oparciu o FAR, FRR, EER i DET, również na nagraniach realnych.
• Rozwój weryfikacji w czasie rzeczywistym: decyzje w trakcie rozmowy, IVR, VAD, diaryzacja.
• Badanie i wdrażanie metod anti-spoofingu i wykrywania deepfake’ów głosowych.
• Rozwój istniejącego systemu produkcyjnego razem z zespołem inżynierów i biznesu.
• Mentoring stałego zespołu: pair programming, code review, dokumentacja.

Skills

Biometria głosowa

Weryfikacja i identyfikacja

Przetwarzanie mowy

Speaker embeddings

AS-norm

S-norm

CSLS

LLR

VAD

Diaryzacja

Python

PyTorch

SpeechBrain

WeSpeaker

NVIDIA NeMo

Kaldi

Mentoring

Komunikacja nietechniczna

Angielski C1

Tools

SpeechBrain

WeSpeaker

NVIDIA NeMo

Kaldi

PyTorch

Python

Job description

Cześć! Poznaj możliwości współpracy ze Scalo!

Zakres współpracy obejmuje:

• prowadzenie naukowej i algorytmicznej strony nowego produktu do biometrii głosowej, od wersji alfa po wdrożenie produkcyjne, w domenie wykrywania oszustw w contact center,
• projektowanie, trenowanie, dostrajanie i optymalizację modeli weryfikacji i identyfikacji mówcy (np. ReDimNet, ECAPA-TDNN, ResNet x-vectors),
• dostosowanie modeli open source do audio telefonicznego klientów (szumy, kodeki, efekty kanału, różne urządzenia),
• projektowanie metod scoringu i kalibracji (np. AS-norm, S-norm, cohort selection, CSLS, LLR) oraz dobór progów dla poszczególnych klientów,
• definiowanie i prowadzenie ewaluacji w oparciu o metryki FAR, FRR, EER i krzywe DET, w tym testy na prawdziwych nagraniach rozmów i prezentowanie wyników osobom technicznym i nietechnicznym,
• rozwój weryfikacji w czasie rzeczywistym (decyzje podejmowane w trakcie rozmowy, krótkie wypowiedzi w IVR, VAD, diaryzacja),
• badanie i wdrażanie metod anti-spoofingu i wykrywania deepfake’ów głosowych,
• rozwijanie istniejącego systemu produkcyjnego razem z zespołem inżynierów i biznesem,
• mentoring stałego zespołu: pair programming, code review, dokumentacja i przekazywanie wiedzy,
• realizację usług w trybie w pełni zdalnym,
• stawkę: do 170 zł/h + VAT (B2B).

Kompetencje wymagane do realizacji usług:

• kilkuletnie komercyjne doświadczenie w weryfikacji i identyfikacji mówcy oraz projektach biometrii głosowej,
• bardzo dobra znajomość przetwarzania mowy i sygnałów, w tym praktyczna praca z audio telefonicznym i kodekami,
• doświadczenie w trenowaniu i dostrajaniu modeli speaker embeddings (np. ReDimNet, ECAPA-TDNN, ResNet x-vectors),
• dogłębna znajomość scoringu i kalibracji (AS-norm, S-norm, cohort selection, CSLS, LLR, dobór progów),
• bardzo dobre rozumienie metryk biometrycznych (FAR, FRR, EER, DET) i testów przy bardzo niskim poziomie fałszywych akceptacji,
• doświadczenie z systemami działającymi w czasie rzeczywistym oraz znajomość VAD, diaryzacji i wykrywania zmiany mówcy,
• bardzo dobra znajomość Python i PyTorch oraz narzędzi SpeechBrain, WeSpeaker, NVIDIA NeMo lub Kaldi,
• doświadczenie w pracy z istniejącymi systemami produkcyjnymi, nie tylko z projektami budowanymi od zera,
• doświadczenie w mentoringu i podnoszeniu kompetencji zespołu,
• umiejętność tłumaczenia złożonych zagadnień osobom nietechnicznym,
• bardzo dobra znajomość języka angielskiego w mowie i piśmie - min. C1.

Co oferujemy w ramach współpracy?

Różnorodne projekty technologiczne

Realizacja projektów z obszaru Software, Embedded, Data, Cloud Services i AI.

Inicjatywy eksperckie i presalesowe

Możliwość udziału w działaniach eksperckich oraz wsparciu procesów presalesowych.

Dodatkowe korzyści

Opieka medyczna, karta sportowa oraz platforma kafeteryjna dostępne zgodnie z obowiązującymi zasadami współpracy.