포지션 상세
소리는 청취자의 상황과 이벤트에 맞춰 음악이 실시간으로 변하는 Interactive Music Foundation Model을 만듭니다.
현재 누적 사용자 65만 명의 Audio to MIDI 변환 제품을 운영 중이며, 유명 아티스트 협업 공연을 통해 축적한 인사이트를 바탕으로 악기 연주자를 위한 피드백과 합주 경험을 제공하는 서비스를 개발하고 있습니다. 팀은 Stanford, KAIST 출신 음악 AI 박사 연구진과 콘텐츠 및 기술 분야 연쇄 창업가로 구성되어 있습니다. 소수 정예로 높은 밀도의 협업을 지향하며, AI를 적극적으로 활용해 업무 프로세스를 지속적으로 개선하여 압도적인 실행 속도를 만들어가고 있습니다.
• 변환 품질 측정을 위한 evaluation suite와 베이스라인 설계 및 지속 개선
• Beat tracking, transcription, OMR 포함 모델 개발 및 학습, 추론 시스템 연계
• 실제 서비스에서 발생하는 annotation 케이스 수집 및 데이터, 모델 개선 반영
• ML 모델 설계 또는 핵심 기여 포함 publication, 또는 그에 준하는 연구 성과
• From scratch 모델 설계 및 학습 경험, 데이터 구성과 학습 전략의 자율적 의사결정 경험
현재 누적 사용자 65만 명의 Audio to MIDI 변환 제품을 운영 중이며, 유명 아티스트 협업 공연을 통해 축적한 인사이트를 바탕으로 악기 연주자를 위한 피드백과 합주 경험을 제공하는 서비스를 개발하고 있습니다. 팀은 Stanford, KAIST 출신 음악 AI 박사 연구진과 콘텐츠 및 기술 분야 연쇄 창업가로 구성되어 있습니다. 소수 정예로 높은 밀도의 협업을 지향하며, AI를 적극적으로 활용해 업무 프로세스를 지속적으로 개선하여 압도적인 실행 속도를 만들어가고 있습니다.
주요업무
• Audio, Score, MIDI 상호 변환을 위한 표준 데이터셋 스펙 정의 및 데이터 파이프라인 구축• 변환 품질 측정을 위한 evaluation suite와 베이스라인 설계 및 지속 개선
• Beat tracking, transcription, OMR 포함 모델 개발 및 학습, 추론 시스템 연계
• 실제 서비스에서 발생하는 annotation 케이스 수집 및 데이터, 모델 개선 반영
자격요건
• PDF, MusicXML 등 비정형 또는 이질적인 symbolic 입력 포함 표현 정규화 및 학습 가능 형태 변환 역량• ML 모델 설계 또는 핵심 기여 포함 publication, 또는 그에 준하는 연구 성과
• From scratch 모델 설계 및 학습 경험, 데이터 구성과 학습 전략의 자율적 의사결정 경험
