音声AIエンジニア（シニア／音声合成／TTS）/生成AI・音声AI技術を活用したソリューションの開発・提供企業の求人

【業務概要】
電話AIサービスが発声する“声”の品質（自然さ・正確さ・安定性・低遅延）を、AIモデルおよび音声データの両面から主導して向上させるシニアエンジニアのポジションです。読み間違い・不自然なイントネーション・遅延といった課題を特定して改善を推進し、将来的には音声チームのリードを担うことが期待されています。

【具体的な業務】
1. TTSモデルの研究開発・改良
・最新TTSアーキテクチャ（LLMベースTTS、Audio Codec、Flow Matching、Diffusion等）の学習・改良
・品質・安定性・遅延の改善（読み間違い・不自然なイントネーション・不安定さの解消）
・推論チームと連携した本番導入・低遅延化
2. 課題特定と音声データ戦略
・TTSの品質課題の特定と、モデル・データ両面での解決策の立案・実行
・音声データ戦略の策定（収集・選定・品質基準）とデータチームとの連携
・音声データの前処理・アライメント・ラベリングパイプラインの整備
3. 評価設計
・品質を測るための評価基準・評価セットの設計
・主観評価（MOS等）と客観評価を組み合わせた評価の運用
4. プロダクト連携・チームリード
・PMや案件側との要件すり合わせ、改善ロードマップの策定
・チームメンバーの育成、技術方針の策定

【ポジション・部門の魅力】
1. 自分の判断で「声の良し悪し」を決定し、設計面から課題解決を推進可能
2. 単一モデルの精度向上にとどまらず、データ整備からプロダクト要件への落とし込みまで一貫して経験可能
3. 音声品質向上を主導し、将来的にTTS・音声データチームを統括するリーダーシップを発揮可能

【必須スキル】
・TTS・音声合成モデルの研究開発・学習の実務経験
・TTSの品質課題を特定し、改善してプロダクトに反映した経験
・最新TTSアーキテクチャ（LLMベースTTS、Audio Codec、Flow Matching、Diffusion等）の学習・改良経験
・音声データの設計・品質管理（前処理・アライメント・ラベリング）の経験
・PythonおよびPyTorchによる高い実装力
・PMや他チームと協働し、要件を技術課題に落とし込んだ経験
・日本語：日常業務・設計議論に支障のないレベル（N2目安）
・英語を用いた専門的な技術コミュニケーション能力

【歓迎スキル】
・日本語TTSの経験（アクセント・イントネーション、読み推定、テキスト正規化）
・電話音声（8kHz等）・コンタクトセンター領域の経験
・ストリーミングTTS・低遅延音声対話システムの経験
・ASR・Speech-to-Speech・音声LLMの経験
・分散学習の実務経験
・チームマネジメント経験
・論文発表実績（Interspeech、ICASSP等）
・中国語でのコミュニケーション能力

【求める人物像】
・音を実際に聴いて問題を発見し、データと数値で説明できる方
・モデル、データ、プロダクトを横断して課題解決できる方
・研究とプロダクト実装の両方に責任を持てる方
・メンバーを育成し、チームとしての成果を最大化できる方

生成AI・音声AI技術を活用したソリューションの開発・提供