Digital Audio Signal Processing Engineer

Das Unternehmen ist ein aufstrebendes Start-up im Bereich Voice AI, das sich darauf spezialisiert hat, die Zuverlässigkeit von Sprachschnittstellen zu verbessern. Die Rolle des Digital Audio Signal Processing Engineer umfasst die Verantwortung für die Entwicklung und Optimierung von Kernsystemen zur Audiomodellierung und -erweiterung, die die Grundlage für die maschinellen Lernprozesse bilden. In einem kleinen, fokussierten Team von Audio-, Maschinenlern- und Dateningenieuren arbeiten Sie eng zusammen, um Systeme zu entwickeln, die realistische Trainings- und Evaluierungsdaten generieren. Ihre Aufgaben beinhalten die Gestaltung und langfristige Weiterentwicklung eines Systems zur Audiomodellierung, das die Lücke zwischen simuliertem und realem Produktionsaudio schließt. Sie werden realistische Audiosignalwege modellieren, die akustische Umgebungen und Aufnahmebedingungen berücksichtigen. Zudem sind Sie verantwortlich für die Entwicklung effizienter DSP-Implementierungen, die in Echtzeit funktionieren. Das Arbeitsumfeld ist dynamisch und schnelllebig, geprägt von einer Kultur, die Eigenverantwortung und Zusammenarbeit fördert. Die Möglichkeit, an innovativen Projekten zu arbeiten, bietet Ihnen die Chance, die Zukunft der Voice AI-Technologie aktiv mitzugestalten.

Der ideale Kandidat bringt umfassende Kenntnisse im Bereich digitale Audiobearbeitung und Akustik mit, unterstützt durch eine starke mathematische Grundlage. Sie sollten Erfahrung in der Entwicklung und Implementierung realistischer Audiomodellierungen haben und in der Lage sein, komplexe Signalwege und Systemverhalten zu analysieren. Zudem sind Sie ein versierter Systemingenieur mit Erfahrung in der Umsetzung von Forschungs- oder Prototypen in robuste Produktionscodes, insbesondere mit starken Kenntnissen in Python sowie der Fähigkeit, effizienten Low-Level-Code in mindestens einer Sprache wie Rust, C oder C++ zu schreiben. Ein unternehmerisches Mindset ist ebenfalls erforderlich, um in einem dynamischen, produktorientierten Umfeld erfolgreich zu sein. Wünschenswert ist ein gutes Verständnis moderner maschineller Lernentwicklungsabläufe und deren Einfluss auf das Verhalten von ML-Systemen. Persönliche Eigenschaften wie Teamfähigkeit, Eigenverantwortung und eine pragmatische Herangehensweise an technische Herausforderungen sind ebenfalls von großer Bedeutung.