Модели распознавания речи чаще всего обучают на максимизацию правдоподобия идеальной транскрипции, а оценивают по количеству ошибок в распознанном тексте. Вы будете учить модель напрямую на недифференцируемую награду — сначала на Word Error Rate (WER), потом на точность редких слов из пользовательского словаря. Имена, термины и англицизмы — главный сорт ошибок в диктовке и голосовом ассистенте, а общий WER на них почти не реагирует. Пользовательский словарь — третий по частоте запрос пользователей наших открытых моделей
сегодня
Исследователь распознавания речи
ориентир по рынку
вакансия
зп не указана
в среднем
80 518 ₽
мэтч
Загрузи резюме, чтобы видеть мэтчи с вакансиейЗагрузи резюме, чтобы видеть мэтч с вакой
подготовься к отклику
ai-инструментыЧтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузи резюме
описание
задачи
- Реализовывать on-policy обучение ASR-моделей с WER-подобной наградой
- Добавлять контекстный биасинг: список слов в условие модели и награду
- Сводить рецепт и переносить на продовый чекпоинт: сколько шагов, какая смесь, с какого момента деградирует общий WER
требования
- Уверенное владение python и pytorch
- Знакомство с распределенным обучением
- Знакомство с policy-gradient методами по статьям
- Будет плюсом: Опыт с verl, trl или любым другим RLHF-фреймворком; Опыт с vLLM или sglang; Любая практика с распознаванием речи, даже учебная
условия
- Условий в вакансии нет
навыки
Крупнейший российский банк и экосистема. Предоставляет банковские услуги: кредиты, вклады, карты, ипотека. Развивает сервисы: доставка, здоровье, развлечения, облачные технологии и ИИ. Удобно для финансов и повседневных задач.
Подробнее о компании →Если просят выйти из iCloud, прислать код из SMS, запустить или установить что-то, перевести деньги — не соглашайся: это мошенничество.
