音声合成（TTS）モデルエンジニア/戦略開発部

以下のいずれかの経験・知見が求められます。

• TTSモデル（Qwen-TTS・Orpheus等）のFine-tuning経験
• 話者適応・感情制御など音声生成の制御技術の実装経験
• GPU上での推論最適化（バッチング・KV cache・量子化等）の実務経験
• 音声合成パイプラインの設計・構築・運用経験
• PythonおよびPyTorch/JAX等の深層学習フレームワークの実務経験
• 音声処理・音響特徴量（メルスペクトログラム等）に関する基礎知識

• 技術課題への自律的な探索力:
  既存のモデルや論文を読み解き、DMMの課題に合った解決策を自ら設計・提案できる自律性が求められます。指示待ちではなく、自分からアクションを起こせる姿勢が重要です。
• サービス視点を持った開発マインド:
  研究的な探求心だけでなく、レイテンシやサービス品質（TTFS等）を意識した実用的なシステム設計ができる、プロダクト志向の思考が必要です。
• クロスファンクショナルなコミュニケーション力:
  戦略開発部（約20名）の中でエンジニア・企画・ビジネス側と連携しながら開発を進めるため、技術的な内容を非エンジニアにも分かりやすく伝える能力が求められます。
• 変化に対応する柔軟性と学習継続力:
  音声AI分野は技術進化のスピードが速く、新たなモデルアーキテクチャや手法が次々と登場します。最新動向をキャッチアップし続ける継続的な学習姿勢が必要です。
• スピーディーなプロトタイピングと仮説検証力:
  MVP開発から大規模プロジェクトまで幅広く手がける組織体制のため、素早く試作・検証してフィードバックを得るアジャイルな開発スタイルに対応できることが求められます。

• リップシンク・アバター連携の実装経験:
  音素タイムライン生成やアバターのリップシンクへのTTS統合経験があると、AIアバター開発プロジェクトへの即戦力としての活躍が期待できます。
• 推論基盤の構築・MLOpsの実務経験:
  vLLM・Triton Inference Server等を用いた推論サーバー構築やKubernetes上でのML基盤運用経験は、本ポジションの推論インフラ担当として高く評価されます。
• 日本語音声合成・多言語TTS研究の知見:
  日本語特有の音韻・アクセント・イントネーション処理や、多言語TTS研究の経験・論文発表歴は、DMMが目指す高品質な日本語音声AI開発で活かせます。
• LLMを活用したAIエージェント・対話システムの開発経験:
  既存のLLMベースAIチャット・AIエージェントとTTSを組み合わせたシステム構築の経験があると、DMMの音声AIサービス全体のアーキテクチャ設計に貢献できます。

• 最先端TTSモデルのFine-tuning・カスタマイズ技術:
  Qwen-TTSやOrpheusなどのオープンモデルをDMM独自のドメインデータでFine-tuningする実践的経験を積むことができ、音声AI領域での高度な専門スキルを習得できます。
• 大規模GPU環境での推論最適化・MLOps実践力:
  自社GPUクラスターを用いた量子化・KV cache・バッチング最適化などの推論高速化技術を実務レベルで体得でき、MLエンジニアとしての市場価値が大幅に向上します。
• プロダクトグレードの音声AIサービス設計・運用経験:
  レイテンシ（TTFS）管理やサービス品質の継続的モニタリングを含む、本番運用を見据えた音声AIシステムの設計・運用ノウハウが得られます。
• AIアバター・リップシンク連携の実装スキル:
  音素タイムライン生成とアバターのリップシンクへの応用など、TTSの下流タスクへの統合技術を習得でき、バーチャルヒューマン・AIキャラクター分野のエンジニアとしての専門性が身に付きます。
• 新規AI事業のゼロイチ開発経験:
  CTO直下の戦略プロジェクトとして、企画・設計からリリースまでの一気通貫の開発経験を積むことができ、技術リーダーとしてのキャリアを加速できます。