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.
• 연주 패턴 기반 musical structure analysis 수행 및 섹션 전환, 반복 인식 결과의 인터랙션 정책 반영
• 사용자 수준, 의도 기반 automatic score arrangement 설계 및 난이도 조절을 위한 보이싱 단순화, 리듬 밀도 조절 구현
• 연주 맥락과 구조 정보 기반 automatic accompaniment generation 구현 및 제품 수준 품질, 지연 시간 기준 달성
• 전체 파이프라인 평가 기준 정의 및 실패 케이스 수집, 데이터와 알고리즘 개선 연결
• 시계열 정렬 및 순차 추론 문제 연구 또는 구현 경험, DTW, Viterbi, HMM, online decoding, alignment based inference 활용 경험
• 실시간 또는 준실시간 환경 알고리즘 구현 경험, 지연 시간과 안정성 제약 고려 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
• 실시간 automatic score following 알고리즘 설계 및 템포 변화, 표현 다양성 환경에서의 안정성 개선• 연주 패턴 기반 musical structure analysis 수행 및 섹션 전환, 반복 인식 결과의 인터랙션 정책 반영
• 사용자 수준, 의도 기반 automatic score arrangement 설계 및 난이도 조절을 위한 보이싱 단순화, 리듬 밀도 조절 구현
• 연주 맥락과 구조 정보 기반 automatic accompaniment generation 구현 및 제품 수준 품질, 지연 시간 기준 달성
• 전체 파이프라인 평가 기준 정의 및 실패 케이스 수집, 데이터와 알고리즘 개선 연결
자격요건
• 악기 연주 경험 2년 이상 또는 그에 준하는 음악적 작업 경험• 시계열 정렬 및 순차 추론 문제 연구 또는 구현 경험, DTW, Viterbi, HMM, online decoding, alignment based inference 활용 경험
• 실시간 또는 준실시간 환경 알고리즘 구현 경험, 지연 시간과 안정성 제약 고려 경험
