Audio R&D Scientist - Applied DSP/ML

About EERS 2 Live

EERS 2 Live développe des solutions matérielles et logicielles permettant la gestion du bruit, la protection auditive, la clarté audio et l’intelligibilité de la voix grâce à des dispositifs confortables et sécurisés. Nous sommes des experts en traitement du signal en temps réel, construisant des applications d’audition augmentée pour des cas d’utilisation industriels, médicaux et grand public.

Notre expertise biomécanique nous permet de cartographier et de répondre à la complexité du conduit auditif humain afin de concevoir des embouts innovants, confortables, utilisables et industrialisables, avec une efficacité acoustique.

L’équipe EERS regroupe des experts en audiologie, acoustique, logiciels embarqués, conception matérielle, ingénierie biomécanique, design industriel et assemblage de prototypes—capables de travailler sur des formats extrêmement compacts.

Description du poste

Relevant du Principal Audio R&D Scientist, le/la Audio R&D Scientist est responsable de la réalisation de mesures acoustiques, de la collecte de données et de la participation aux processus de conception liés à l’acoustique intra-auriculaire et aux algorithmes de traitement du signal audio.

Le poste ML & Applied DSP se concentre sur l’application d’un DSP classique combiné à des techniques modernes de machine learning pour améliorer la captation de la voix et la clarté audio pour les combinés de communication intra-auriculaires d’EERS, en particulier dans des environnements à fort bruit. Le candidat/la candidate retenu(e) évaluera la littérature pertinente, organisera et annotera des jeux de données audio, prototypera des algorithmes en Python, entraînera et évaluera des modèles ML (par exemple pour la réduction adaptative du bruit, la détection d’activité vocale ou l’amélioration de la parole), et aidera à porter des solutions validées vers le C++ pour une exécution temps réel sur des plateformes embarquées.

Le candidat/la candidate retenu(e) doit être rigoureux(se), organisé(e) et posséder de solides connaissances en traitement du signal. Il s’agit d’un rôle dynamique nécessitant une collaboration afin d’intégrer plusieurs axes de développement dans des produits commercialisables.

Responsabilités

Contribuer au processus R&D de bout en bout d’algorithmes de traitement audio temps réel :

• Rechercher, concevoir et prototyper des algorithmes de speech enhancement, de débruitage et de classification audio basés sur le DSP et le ML.
• Développer des protocoles d’expérimentation, aider à organiser des essais terrain et des sessions d’évaluation internes, et participer à la collecte de données (en laboratoire et sur site).
• Évaluer et régler les algorithmes audio via une écoute subjective et des métriques objectives.
• Optimiser les algorithmes DSP et les modèles ML pour fonctionner sur des systèmes embarqués alimentés par batterie, aux ressources limitées.
• Résumer, documenter et communiquer les résultats, solutions et stratégies. Collaborer avec des équipes interfonctionnelles pour informer les conceptions du firmware et des embouts.
• Effectuer des revues de code. Assurer la reproductibilité de la recherche et le partage des connaissances au sein de l’équipe Audio.

Profil recherché

Qualifications

• Diplôme de maîtrise en génie électrique, informatique, technologie audio/musicale, ou domaine connexe, ou diplôme de baccalauréat avec des stages pertinents et une expérience de projets dans la recherche audio.
• Environ 5 ans d’expérience professionnelle ou de recherche pertinente dans le traitement du signal audio en temps réel et la conception/déploiement de modèles ML.
• Solides compétences en identification et modélisation de systèmes. Solides connaissances des concepts DSP tels que le filtrage adaptatif, le filtrage de Wiener, le traitement spectral et multi-taux, l’estimation spectrale, l’analyse temps-fréquence, avec une expertise dans un ou plusieurs des domaines suivants :
  • Annulation d’écho ou de diaphonie
  • Débruitage
  • Traitement dynamique : contrôle automatique du gain, compresseurs, noise gates, etc.
  • Contrôle actif du bruit
  • Suppression adaptative du feedback
  • Codecs perceptuels de la parole/audio (G.729, Opus, etc.)
  • Égalisation adaptative
  • Extension de bande passante
• Très bonne maîtrise de Python et connaissance de travail de C++; la capacité de lire du code MATLAB est fortement recommandée.
• Expérience de production avec des frameworks de machine learning et d’optimisation (par ex., scikit-learn, PyTorch, TensorFlow) appliqués à l’audio ou à la parole sur des appareils à faible consommation, incluant préparation des jeux de données, augmentation, entraînement, optimisation, évaluation et déploiement.
• Connaissance des contraintes des plateformes audio embarquées (arithmétique en virgule fixe, budgets mémoire et calcul, planification temps réel) et capacité à collaborer efficacement avec une équipe d’ingénierie embarquée pour transmettre des algorithmes en vue du déploiement.
• Expérience avec des DAWs tels que REAPER et Audacity.
• Expérience pratique avec le son et l’équipement d’enregistrement (micros, interfaces audio, haut-parleurs, consoles de mixage numériques).
• Expérience de construction de workflows automatisés et efficaces pour analyser et traiter des données audio.
• Connaissances de base en analyse statistique.
• Familiarié avec Git pour le contrôle de version.
• Capacité à communiquer avec une équipe bilingue (Anglais/Français).

Nice to Have

• Expérience avec l’écosystème audio sous Linux (JACK, PipeWire, ALSA ou PulseAudio).
• Connaissance des frameworks de plugins audio tels que VST3, LV2, CLAP, DPF ou JUCE, et bibliothèques d’UI en mode immédiat (ImGui, egui) pour un prototypage rapide.
• Connaissances sur les architectures de réseaux de neurones audio et les techniques d’optimisation.
• Expérience avec des frameworks de déploiement ML tels que TensorFlow Lite (LiteRT) ou ONNX.
• Connaissances de base en psychoacoustique.
• Compétences interpersonnelles solides, y compris la capacité à fournir et recevoir des retours constructifs.
• Approche technique structurée et orientée détails.
• Excellentes compétences analytiques et de résolution de problèmes.
• Gestion du temps et compétences d’organisation solides ; capacité à gérer plusieurs tâches et à respecter les délais.
• Capacité à travailler de façon autonome et en collaboration au sein d’équipes multidisciplinaires.
• Motivé(e) et orienté(e) résultats.

If you have most but not all of the skill set but are interested, we encourage you to apply.