O
Tech Lead — ASR / TTS / Speech LLM (IC + Mentor)
Outcomesai · 📍 Boston · 🕒 05.07.2026
📊 Lead
O
Senior Engineer – ASR/TTS/Speech LLM
Auf einen Blick
Entwickle Speech Recognition und Synthesis Modelle für eine Healthcare AI Nursing Plattform. Du wirst Streaming ASR trainieren und Fine-Tuning für klinische Anwendungen durchführen.
💰 ~$140.000–180.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ APAC
- 4–7 Jahre Applied ML
- 2+ Jahre Speech Recognition/Synthesis
- Python/PyTorch Expertise
- Audio Processing Experience
ASR
TTS
PyTorch
Hugging Face
NeMo
Audio Data Processing
Gehalt geschätzt anhand Senior ML engineer with speech specialization at healthcare AI company. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML Engineers specializing in Speech Recognition/Synthesis
- Healthcare ML enthusiasts
- Researchers wanting production-ML transition
🚫 Weniger geeignet
- Generic ML engineers without speech focus
- Academic researchers uncomfortable with production constraints
- People uncomfortable with HIPAA/healthcare complexity
💡 Gut zu wissen
- Healthcare AI mit HIPAA und SOC 2 Compliance
- Bengaluru Location (India)
- Multimodal Foundation Models Stack
Über das Unternehmen
OutcomesAI ist ein Healthcare Technology Unternehmen, das eine AI-enabled Nursing Plattform entwickelt. Die Lösung kombiniert AI Voice Agents und lizenzierte Nurses um Patient Communication, Symptom Triage und Remote Monitoring zu handhaben.
Deine Aufgaben
- Vorbereitung und Wartung von synthetischen und realen Training Datasets für STT/TTS/Speech LLM
- Model Training: Modell Selection bis Fine-Tuning bis Deployment
- Build Evaluation für Clinical Applications (RPM, Triage)
- Build Scripts für Data Selection, Augmentation und Corpus Curation
- Fine-Tune Models mit CTC/RNN-T oder Adapter-basierte Rezepte
- Implementiere Evaluation Pipelines um WER, Entity F1 und Latency zu messen
- Experimentiere mit Bias-Aware Training und Context List Conditioning
- Collaborate mit Backend und DevOps Teams um trainierte Models in Inference Stacks zu integrieren
Deine Voraussetzungen
- B.Tech / M.Tech / M.S. in Computer Science, AI oder verwandtes Feld
- 4–7 Jahre in Applied ML, mit 2+ Jahren fokussiert auf Speech Recognition oder Synthesis
- Starke Python Programmierung (PyTorch, Hugging Face, NeMo, ESPnet)
- Praktische Erfahrung in Audio Data Processing, Augmentation und ASR Fine-Tuning
- Streaming ASR Erfahrung (Transducer/Zipformer)
- Familiarity mit LoRA/Adapters und Distributed Training
Benefits
- Competitive Compensation
- Healthcare Impact
- Cutting-Edge ML Technology Stack