Engenheiro(a) de Deep Learning Pleno (Reconhecimento de Fala em Telecom)

confidential; United States; Remote; USD 90,000 - 150,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalho remoto total

Conexão global com times de diferentes

Apoio à saúde física/Team Care

Job summary

A Sylision está recrutando Engenheiro(a) de Deep Learning Pleno para trabalhar com reconhecimento de fala em telecom, com atuação 100% remota e contratação CLT ou PJ.

Você vai treinar modelos em PyTorch/TensorFlow para áudio de telefonia, adaptar vocabulário e medir métricas de erro, com foco em tempo real.

Qualifications

• Redes neurais para áudio e fala, com PyTorch ou TensorFlow.
• Processamento de sinal de áudio: espectrograma, taxa de amostragem e augmentação.
• Métricas de reconhecimento de fala e análise de erro.
• Treino em GPU e acompanhamento organizado de experimentos.
• Exportação e execução de modelo otimizado para inferência.
• Cuidado com dado pessoal em áudio de clientes.

Responsibilities

• Montar o conjunto de áudio e transcrição, com guia de rotulagem e revisão por amostragem.
• Treinar e ajustar modelos de reconhecimento de fala em PyTorch para áudio de telefonia
• Adaptar o vocabulário a nomes de planos, siglas e sequências numéricas
• Medir a taxa de erro de palavras geral e por categoria, incluindo números e nomes próprios
• Tratar ruído, perda de pacote e fala sobreposta com aumento de dados
• Separar interlocutores e alinhar a transcrição no tempo
• Otimizar o modelo com ONNX para transcrição em fluxo com baixa latência
• Proteger o áudio e as transcrições, com mascaramento de dado pessoal e de cartão

Skills

Deep learning

Speech processing

GPU training

Tools

Python

PyTorch

TensorFlow

CUDA

ONNX

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Reconhecimento de Fala em Telecom). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma operadora de telecomunicações grava milhares de ligações por dia na central de atendimento, e quase nada disso vira informação, porque ninguém consegue ouvir tudo. Transcrever essas chamadas permite achar motivos de contato, checar se o roteiro obrigatório foi lido e alertar sobre cancelamento em curso. O áudio, porém, é difícil: telefonia em baixa taxa de amostragem, ruído de rua, sotaques de todas as regiões, fala sobreposta e termos como nomes de planos, siglas e números de protocolo.

Você vai treinar e adaptar modelos de reconhecimento de fala em português do Brasil para esse áudio. O trabalho envolve montar o conjunto de dados rotulados com transcrição revisada, tratar o áudio de telefonia, ajustar o modelo ao vocabulário do setor e separar quem fala em cada trecho. Mede-se pela taxa de erro de palavras, por tipo de erro (números e nomes de plano pesam mais que artigo) e por tempo de processamento, pois a transcrição de parte das chamadas precisa sair em fluxo contínuo, durante a ligação.

O ganho final é medido por aquilo que a transcrição permite fazer: busca por tema, verificação de roteiro e alerta de risco de cancelamento com poucos erros.

O que você vai fazer:

• Montar o conjunto de áudio e transcrição, com guia de rotulagem e revisão por amostragem
• Treinar e ajustar modelos de reconhecimento de fala em PyTorch para áudio de telefonia
• Adaptar o vocabulário a nomes de planos, siglas e sequências numéricas
• Medir a taxa de erro de palavras geral e por categoria, incluindo números e nomes próprios
• Tratar ruído, perda de pacote e fala sobreposta com aumento de dados
• Separar interlocutores e alinhar a transcrição no tempo
• Otimizar o modelo com ONNX para transcrição em fluxo com baixa latência
• Proteger o áudio e as transcrições, com mascaramento de dado pessoal e de cartão

Requisitos:

• Redes neurais para áudio e fala, com PyTorch ou TensorFlow
• Processamento de sinal de áudio: espectrograma, taxa de amostragem e augmentação
• Métricas de reconhecimento de fala e análise de erro
• Treino em GPU e acompanhamento organizado de experimentos
• Exportação e execução de modelo otimizado para inferência
• Cuidado com dado pessoal em áudio de clientes

Diferenciais:

• Ajuste de modelos de fala pré-treinados de código aberto
• Transcrição em fluxo contínuo com baixa latência
• Modelos de linguagem para corrigir a saída da transcrição
• Conhecimento de variações regionais do português

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os erros do modelo são ouvidos em grupo toda semana, com o áudio original ao lado da transcrição, e daí saem as próximas decisões de dados. Cada experimento é registrado com conjunto, parâmetros e resultado para que outra pessoa o reproduza. Na candidatura, informe a sua pretensão salarial.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• PyTorch
• TensorFlow
• CUDA
• ONNX
• Docker
• Git
• Reconhecimento de fala
• WER

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.