Research Engineer (TTS/STT)

About the Team

R&Dチームは、BluesのコアとなるAI技術の限界を押し広げることに情熱を注ぐ、研究者とエンジニアの集団です。「人間と区別がつかない自然な対話」を実現するため、音声合成、音声認識、自然言語処理の各分野で世界最先端の研究を行っています。論文発表だけでなく、実際のプロダクトとして数百万人に利用される技術を創り出すことに重きを置いています。

About the Role

「人間と区別がつかない」レベルの音声対話体験を実現するために、音声合成（TTS）および音声認識（STT/ASR）のコアエンジンを研究・開発するポジションです。 Bluesの競争力の源泉は、圧倒的な「応答速度」と「自然な表現力」にあります。最新の論文（ICASSP, Interspeech, NeurIPS等）を常にキャッチアップし、SOTA（State-of-the-Art）モデルを実装・検証するだけでなく、それを実際のプロダクトとして稼働させるための推論高速化、軽量化、安定化までを一気通貫で担います。 世界中の研究者と競い合いながら、まだ世の中にない新しい音声体験を創り出す、極めてチャレンジングで創造的な役割です。

Responsibilities

• 次世代のEnd-to-End音声合成（TTS）および音声認識（STT/ASR）モデルのアーキテクチャ探索と研究開発
• 大規模かつ高品質な自社データセットの構築戦略立案と、データパイプラインの整備
• PyTorch/TensorFlow等を用いたモデルの学習、評価、ファインチューニング
• 推論エンジンの極限までの高速化・低遅延化（量子化、蒸留、CUDAカーネル最適化、ONNX/TensorRT活用等）
• リアルタイム音声対話におけるレイテンシ削減のためのアルゴリズム開発
• 感情認識、話者識別、環境音除去などの周辺技術の研究開発
• 最新の研究成果の論文発表や、OSSコミュニティへの貢献

Requirements

• コンピュータサイエンス、機械学習、信号処理または関連分野における修士号・博士号、またはそれに準ずる実務経験
• 深層学習を用いた音声処理（TTS, ASR, VC等）の研究開発経験（3年以上）
• PyTorch, TensorFlow, JAX等のフレームワークを用いた高度な実装スキル
• 最新の論文を読み解き、数式をコードに落とし込み、再現・改善できる能力
• C++ / CUDA等を用いた低レイヤーの最適化に関する知識・経験
• Gitを用いたチーム開発経験と、可読性の高いコードを書く能力

Nice to have

• 国際会議（ICASSP, Interspeech, NeurIPS, ICLR等）でのトップカンファレンス採択実績
• 大規模言語モデル（LLM）と音声モダリティの統合（Audio-LLM）に関する研究経験
• エッジデバイス（モバイル、IoT）での推論最適化経験
• Kaggle等のコンペティションでの上位入賞経験
• Hugging Face等でのモデル公開や、主要OSSへのコントリビューション実績