Als TTS/STT Expert:in verantwortest du die Weiterentwicklung unserer Text-to-Speech- und Speech-to-Text-Systeme. Du arbeitest daran, die Natürlichkeit und Emotionalität der generierten Sprache für unsere Avatare spürbar zu verbessern, und bewegst dich dabei an der Spitze moderner Sprachtechnologie – von Whisper über CosyVoice bis F5-TTS. Du bist Teil eines internationalen Teams, das Forschung und Produktion eng miteinander verbindet.

Deine Aufgaben

Entwicklung und Optimierung unserer Sprachsynthese- und Spracherkennungssysteme
Verbesserung der natürlichen Sprachverarbeitung für flüssigere Dialoge
Optimierung von Latenz und Qualität der Echtzeit-Sprachverarbeitung
Integration bestehender Sprach-APIs sowie Entwicklung eigener Lösungen

Dein Profil

Master oder PhD in Sprachtechnologie oder Computerlinguistik
Erfahrung mit Deep Learning für Sprachsynthese und -erkennung
Kenntnisse in Python und C++
Vertrautheit mit modernen TTS/STT-Modellen und -APIs (z. B. Whisper, CosyVoice, F5-TTS oder Google/Amazon Speech)
Forschungserfahrung im Bereich TTS/STT von Vorteil
Fließende Deutschkenntnisse

Was wir bieten

Arbeit an einem der sichtbarsten Qualitätsmerkmale unserer Avatare: Wie natürlich und emotional sie klingen, hängt direkt an deiner Arbeit
Echtzeit-Anspruch statt Laborbedingungen: Deine Optimierungen wirken sich direkt auf Latenz und Erlebnis bei echten Nutzer:innen aus
Zugang zu modernster Hardware und Raum für eigene Forschungsansätze statt reiner Umsetzung vorgegebener Modelle
Internationales Team mit Fokus auf Sprachtechnologie statt Einzelkämpfertum
Freie Wahl zwischen Remote-Arbeit und unserem Büro in Essen
Ein kurzer, unkomplizierter Bewerbungsprozess: erster Call, Video-Interview, Teamtreffen
Jahresgehalt 50.000–70.000 €, je nach Erfahrung