Voice AI Engineer (all genders) at botario

Berlin, Baden-Württemberg, Germany -

Full Time

Start Date

Immediate

Expiry Date

07 Oct, 26

Salary

0.0

Posted On

09 Jul, 26

Experience

2 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Text-To-Speech (TTS), Speech-To-Text (STT), Python, PyTorch, Machine Learning, Audio Codecs, Speech Tokenizers, Streaming Inference, Latency Optimization, Prosody, Agile Methodologies

Industry

IT Services and IT Consulting

Description

Dein neuer Job Du baust Stimmen. Nicht konfigurieren, nicht API anbinden – wirklich bauen. Bei botario entwickelst du die Text-To-Speech- und Speech-To-Text-Systeme hinter unseren Voice Agents: Stimmen, die natürlich klingen, in Echtzeit antworten und auch dann verstehen, wenn es am anderen Ende nuschelt. Woran du mitwirken wirst Du baust und verbesserst unsere eigenen TTS und STT-Systeme – vom Modell bis zur Streaming-Inferenz Du optimierst auf niedrige Latenz: Time-to-First-Audio, Streaming-Synthese, effizientes Serving – jede Millisekunde zählt Du arbeitest an Stimmqualität und Natürlichkeit: Prosodie, Betonung, Robustheit bei echten Audiobedingungen Du evaluierst neue Open-Source-Speech-Modelle und bringst die besten Ansätze in unseren Stack Du misst, was du baust: Latenz-Profiling, Qualitäts-Benchmarks, Hörtests Die Qualifikationen, die Du brauchst Du hast praktische Erfahrung mit Sprachtechnologie: TTS, STT, Echtzeit-Audio oder Speech-Modell-Inferenz Begriffe wie Audio-Codec oder Speech Tokenizer sind keine Fremdsprache für dich – oder du bringst einen soliden Torch/ML Background mit und willst genau hier tiefer einsteigen: Dann melde dich trotzdem! Du hast sehr gute Programmierkenntnisse in Python und hast keine Angst, dich auch mit dir fremden Themen auseinander zu setzen Du weißt, warum ein paar hundert Millisekunden Latenz ein Gespräch ruinieren können – und hast Ideen, wie man sie wegoptimiert Wünschenswert: Erfahrung mit dem kommerziellen Einsatz von Speech-Modellen Du arbeitest gerne im Team und mit agilen Methoden Was wir Dir bieten können Als innovatives Unternehmen mit klarer Vision tragen wir aktiv zur Digitalisierung und Transformation der Kommunikationslandschaft bei, indem wir neue Ideen und kreative Lösungsansätze entwickeln und uns von alten Strukturen lösen Kurze Entscheidungswege, die Möglichkeit, sich einzubringen, Dinge zu verändern und neue Technologien einzusetzen Weitläufiges Office am Europahafen: Arbeitsplatz mit Wasserblick! Firmen-Fitness, BusinessBike und ein eigenes Firmenboot Kostenübernahme für E-Learning-Kurse nach Wunsch Regelmäßiger Austausch: Wir besuchen und organisieren interne und öffentliche (KI-)Events Spannende, internationale Kunden aus verschiedensten Branchen Faires, angemessenes Gehalt und Mitarbeiterbeteiligung 30 Tage Urlaub und Möglichkeit zur Teilzeit Top-Hardware, höhenverstellbare Tische und mehrere Monitore an jedem Arbeitsplatz Wir unterstützen die Vereinbarkeit von Beruf, Familie und Privatleben und sind "Ausgezeichnet Familienfreundlich" Dein Kontakt zu uns About us Wir schauen nicht nur auf die blanken Zahlen, denn wir suchen insbesondere nach Menschen, die sich durch Talent und Motivation auszeichnen. Wenn Du also glaubst, dass diese Stelle genau zu Dir passt und wir voneinander profitieren können, Du aber (noch) nicht alle Kriterien erfüllst, freuen wir uns trotzdem über Deine Bewerbung. Hinweis: Die botario GmbH ist eine Ausgründung der JUST ADD AI GmbH und hat sich auf die Entwicklung intelligenter Chatbots (Conversational AI) spezialisiert. August 2024 wurde botario von NFON AG akquiriert. Die von botario entwickelte Chatbot Management Plattform ermöglicht das einfache und effektive Erstellen, Verwalten und Optimieren von Chatbots. Die erstellten Chatbots bieten neben einem Live-Chat auch eine Video-Chat-Funktion und können auch als Phonebots konfiguriert werden.

Responsibilities

Develop and improve proprietary TTS and STT systems, focusing on natural-sounding voices and real-time responses. Optimize for low latency and high audio quality while evaluating new open-source speech models.