Аналитик мультимодальных данных — синхронизация аудио, видео и текста@ Freelanceroff

О позиции

Мы ищем аналитика мультимодальных данных для проведения комплексного анализа аудиовизуального контента. Ваша задача — объединить три различных источника данных: сырое аудио, соответствующее видео и текстовые транскрипты. Это позволит нам извлечь более глубокие инсайты, чем каждая из модальностей по отдельности.

Чем вы будете заниматься

• Разработка или адаптация моделей для синхронизации аудио, видео и текста, с получением согласованных выходных данных для дальнейшего изучения.
• Применение технологий распознавания речи для транскрипции отсутствующих текстов, оценка точности распознавания и добавление сигналов паралингвистики.
• Упаковка рабочего процесса в воспроизводимые Python-ноутбуки или скрипты, с ясными комментариями и кратким описанием, как повторно запустить все на свежих данных.
• Предоставление краткого аналитического отчета, который подчеркивает ключевые находки, выбор методов и рекомендации по улучшению будущих записей.

Критерии приемки

• Все входные файлы (аудио, видео, транскрипты) синхронизированы по времени и хранятся в структурированной директории.
• Точность и оценки настроения представлены в табличной форме, сопровождаемые хотя бы одной визуальной панелью или интерактивным графиком.
• Код выполняется от начала до конца на моем компьютере с одной командой и без отсутствующих зависимостей.

Требования

• Опыт работы с анализом данных и глубоким обучением.
• Знания в области обработки естественного языка и Python.
• Опыт работы с библиотеками PyTorch, TensorFlow, Whisper, Kaldi или аналогичными.
• Навыки технического написания для создания отчетов и документации.

Что мы предлагаем

• Гибкий график работы и возможность удаленной работы.
• Конкурентоспособная оплата от 30 до 250 долларов США в час.
• Работа над интересными проектами в области мультимодального анализа.
• Возможности для профессионального роста и развития.
• Доступ к современным инструментам и технологиям.