HR-платформа Micro1 (находит подрядчиков для ИИ-стартапов Кремниевой долины) ищет саунд-инженера для обучения ИИ классификации аудиоартефактов.
Рабочие обязанности:
— анализировать и классифицировать аудиоартефакты, такие как шум, клиппинг, эхо и проблемы с компрессией в предоставленных клипах;
— фильтровать и исправлять аудиоартефакты с использованием спектральных/ручных правок и стандартных рабочих процессов восстановления для создания чистых, готовых к модели клипов;
— предоставлять детализированные и точные аннотации для обучения и улучшения аудиомоделей ИИ;
— проверять и обеспечивать качество аннотаций, созданных другими членами команды, для обеспечения согласованности и правильности;
— разрабатывать четкие и исчерпывающие аннотационные заметки, особенно для пограничных или неоднозначных случаев;
— сотрудничать с командой обучения для уточнения руководств по проекту и повышения согласованности среди аннотаторов;
— поддерживать остроту внимания к деталям на протяжении процессов классификации и контроля качества;
— предоставлять конструктивную обратную связь для непрерывного улучшения качества аннотаций и производительности модели.
Требования к кандидатам:
— профессиональный опыт в аннотации аудио, описательном субтитрировании, транскрипции, редактировании подкастов/аудио или аудио QA;
— практический опыт восстановления аудио: регулярное использование спектрального восстановления, де-клик/де-клип, шумоподавления, де-реверберации, эквализации и ручных исправлений на коротких клипах;
— твердое понимание аудиотерминологии и распространенных ошибок записи;
— умение работать с браузерными инструментами аннотации и знакомство с распространенными аудиоинструментами (например, iZotope RX, Adobe Audition, Reaper или эквивалентными);
— демонстрация способности предоставлять примеры до/после или быстрые демонстрационные правки;
— исключительное внимание к аудиодеталям и способность распознавать тонкие аудиодиспропорции;
— сильные письменные и устные коммуникативные навыки с акцентом на ясность и точность;
— демонстрация приверженности точности аннотаций и лучшим практикам обеспечения качестваж
— готовность посвятить как минимум 15–20 часов в неделю для этого проекта.