
Pangyo (Software Dream Center), South Korea
Onsite
Gleo AIλ λ€μν μ°¨λ νκ²½μμ μ¬μ©μκ° μμ°μ€λ½κ³ νλΆν μμ± κ²½νμ ν μ μλλ‘, μ°¨μΈλ Text-to-Speech(TTS) κΈ°μ μ μ°κ΅¬νκ³ μ€μ μ νκ³Ό μλΉμ€λ‘ μ°κ²°νκ³ μμ΅λλ€.
μ°λ¦¬λ λ¨μν ν μ€νΈλ₯Ό μμ±μΌλ‘ λ³ννλ κ²μ λμ΄, μμ°μ€λ¬μ΄ λ°νμ λ€μν ννλ ₯μ μ 곡νκ³ λ€μν νκ²½μμ μμ μ μΌλ‘ λμνλ TTS κΈ°μ μ μ°κ΅¬ν©λλ€. νΉν Neural Audio Codec, Speech Language Model, On-device AI λ± μ΅μ μμ± μμ± κΈ°μ μ λΉ λ₯΄κ² μ€ννκ³ , κ°λ₯μ±μ΄ νμΈλ κΈ°μ μ μ€μ μλΉμ€μ μ μ©ν μ μλλ‘ λ°μ μν€κ³ μμ΅λλ€.
μλ‘μ΄ κΈ°μ μ΄ μ°κ΅¬μ 머무λ₯΄μ§ μλλ‘ λ°μ΄ν° ꡬμΆ, λͺ¨λΈ νμ΅, μΆλ‘ μ΅μ ν, μμ§ λ° λ°μ κ°μ λΆν° μλΉμ€ μ μ©κΉμ§ TTS κ°λ° μ κ³Όμ μ μ§μ μ°κ²°νλ©°, λ€μν μΈμ΄μ νμ νκ²½μμ μ¬μ©μκ° μ²΄κ°ν μ μλ μμ± κ²½νμ λ§λ€μ΄κ°κ³ μμ΅λλ€.
μ΄λ €μ΄ λ¬Έμ λ₯Ό λκΉμ§ νκ³ λ€κ³ μλ‘μ΄ κΈ°μ μ μ£Όλμ μΌλ‘ μ€ννλ κ²μ μ¦κΈ°λ λΆκ³Ό ν¨κ»νκ³ μΆμ΅λλ€. μ°κ΅¬μ κ°λ°μ κ²½κ³λ₯Ό λλλ€λ©° μ΅μ TTS κΈ°μ μ μ νκΉμ§ μ°κ²°νκ³ , λ―Έλ λͺ¨λΉλ¦¬ν°μ μλ‘μ΄ μμ± κ²½νμ ν¨κ» λ§λ€μ΄κ° μμ§λμ΄λ₯Ό κΈ°λ€λ¦½λλ€.
On-device / Server νκ²½μ μν TTS λͺ¨λΈ μ΅μ ν
NPU λ± AI Accelerator νκ²½ λͺ¨λΈ ν¬ν λ° μ΅μ ν
Quantization κΈ°λ° λͺ¨λΈ κ²½λν λ° μ±λ₯ μ΅μ ν
μ€μκ°(streaming) μμ± ν©μ± μμ€ν κ°λ° λ° latency μ΅μ ν
λ€κ΅μ΄ / λ€νμ TTS λͺ¨λΈ κ°λ° λ° μλΉμ€ μ μ©
LLM λ° Flow Matching κΈ°λ° μ΅μ TTS λͺ¨λΈ μ°κ΅¬ λ° κ°λ°
μ΅μ μμ± λͺ¨λΈ κΈ°λ°μ μμ± ν©μ± λ°μ΄ν° κ΅¬μΆ λ° νμ§ κ°μ
μμ° νκ²½μμ λ°μνλ TTS λͺ¨λΈ λ° μλΉμ€ μ΄μ λΆμ λ° ν΄κ²°
TTS μ κ΄ κ²½λ ₯ 3λ μ΄μ
μμ± ν©μ±(TTS)μ λν κΈ°λ³Έ κ°λ /μ§μμ 보μ νμ λΆ
λͺ¨λΈ κ²½λν λ° μ°μ° μ΅μ ν κ²½νμ 보μ νμ λΆ
Quantization, Memory / Latency μ΅μ ν κ²½ν
NPU λ± AI Accelerator νκ²½μμ λͺ¨λΈ ν¬ν λ° μ΅μ ν κ²½νμ 보μ νμ λΆ
TensorRT, ONNX κΈ°λ° λͺ¨λΈ μ΅μ ν κ²½ν
μ€λμ€ μ νΈ μ²λ¦¬ (Audio Signal Processing)μ λν μ΄ν΄λ₯Ό 보μ νμ λΆ
Linux νκ²½μμμ κ°λ° λ° λλ²κΉ κ²½νμ 보μ νμ λΆ
λ¬Έμ ν΄κ²°μ μν νλ‘κ·Έλλ° λ₯λ ₯μ 보μ νμ λΆ (Python/C++/shell λ±)
μ€νμμ€ κΈ°λ° λ₯λ¬λ νλ μμν¬ νμ© λ₯λ ₯μ 보μ νμ λΆ (PyTorch λ±)
μλ‘μ΄ κΈ°μ κ³Ό νκ²½μ λ³νμ μ μ°νκ² λμνκ³ , λΉ λ₯΄κ² νμ΅νκ³ μ μ©νμλ λΆ
μλ‘μ΄ AI κΈ°μ μ μ§μ μ€ννκ³ κ²°κ³Όλ₯Ό λΆμνλ©° μ§μμ μΌλ‘ κ°μ νλ κ²μ μ¦κΈ°μλ λΆ
μ€μ ν μ€νΈ μ₯λΉμ λͺ¨λΈμ μ§μ ν¬ν νκ³ , μ€ν κ²°κ³Όμ μ±λ₯μ λΆμνλ©° λ¬Έμ λ₯Ό ν΄κ²°νλ Hands-on κ²½νμ μ νΈνμλ λΆ
μμ° νκ²½μμ λ°μνλ λ¬Έμ λ₯Ό μ£Όλμ μΌλ‘ λΆμνκ³ λκΉμ§ ν΄κ²°νλ μ± μκ°μ κ°μ§μ λΆ
λΆνμ€ν λ¬Έμ μλ μ κ·Ήμ μΌλ‘ λμ νκ³ , μ€μ€λ‘ ν΄κ²°μ± μ μ°Ύμ μ€ννμλ λΆ
λ€κ΅μ΄(multilingual) λ° λ€νμ(multi-speaker) TTS λͺ¨λΈ κ°λ° κ²½νμ 보μ νμ λΆ
μμ±/μ€λμ€ ν ν°ν κΈ°μ μ λν μ΄ν΄μ κ΄λ ¨ μ°κ΅¬ λλ κ°λ° κ²½νμ 보μ νμ λΆ
μμ±ν©μ±/κΈ°κ³νμ΅/μΈκ³΅μ§λ₯ λΆμΌ μμκΈ νν λ° μ λ λ Όλ¬Έ μ μ
μκΈ° κ΄λ ¨ λΆμΌ μ/λ°μ¬ νμ 보μ λ° μλ£μ
μλ₯ μ ν
1μ°¨ λ©΄μ (νμ, 1μκ° λ΄μΈ)
2μ°¨ λ©΄μ (λλ©΄ νΉμ νμ, 3μκ° λ΄μΈ)
μ²μ° νμΒ·μ μ¬
μ ν μ μ°¨λ μΌμ λ° μ§ν μν©μ λ°λΌ μΌλΆ λ³κ²½λ μ μμΌλ©°, κ° μ ν κ²°κ³Όλ λ±λ‘νμ μ΄λ©μΌλ‘ κ°λ³ μλ΄λ립λλ€.
μ§μμ μ μΆ μ μ£Όλ―Όλ±λ‘λ²νΈ, κ°μ‘±κ΄κ³, νΌμΈ μ¬λΆ, μ°λ΄, μ¬μ§, μ 체쑰건, μΆμ μ§μ λ± μ±μ©μ μ°¨λ²μ μꡬ κΈμ§λ μ 보λ μ μΈ λΆνλ립λλ€.
μ§μμ μ μ μ€ μ€λ₯κ° λ°μνκ±°λ κΈ°ν λ¬Έμ μ¬νμ΄ μμ κ²½μ°, recruit@42dot.aiλ‘ λ¬Έμν΄ μ£ΌμκΈ° λ°λλλ€.
κ΅κ°λ³΄νλμμ λ° μ·¨μ λ³΄νΈ λμμλ κ΄κ³λ²λ Ήμ λ°λΌ μ°λν©λλ€.
μ₯μ μΈ κ³ μ© μ΄μ§ λ° μ§μ μ¬νλ²μ λ°λΌ μ₯μ μΈ λ±λ‘μ¦ μμ§μλ₯Ό μ°λν©λλ€.
42dotμ μλ’°νμ§ μμ μμΉνμ μ΄λ ₯μλ₯Ό λ°μ§ μμΌλ©°, μμ²νμ§ μμ μ΄λ ₯μμ λν΄ μμλ£λ₯Ό μ§λΆνμ§ μμ΅λλ€.
μ§μμ λ΄μ© μ€ νμ μ¬μ€μ΄ λ°κ²¬λ κ²½μ°, μ μ¬κ° μ·¨μλ μ μμ΅λλ€.
μΈν°λ·° νλ‘μΈμ€ μ’ λ£ ν μ§μμμ λμνμ ννμ‘°νκ° μ§νλ μ μμ΅λλ€.
3κ°μμ μμ΅κΈ°κ°μ΄ μ μ©λ μ μμ΅λλ€.
Want to know if this job is worth applying to?