募集概要
AWS上で、会話音声からBig Five(ビッグファイブ)性格特性を推定するPoCを進めています。オープンソース優先で、設計・実装・評価についてメンタリングいただける方を募集します。Big Five(ビッグファイブ)とは：人の性格を5つの連続的な特性で表す心理学モデルです。開放性(O)＝新しい体験や発想を好む傾向、誠実性(C)＝計画性・自己管理、外向性(E)＝社交性・活動性、協調性(A)＝思いやり・利他性、神経症傾向(N)＝ストレスや不安の感じやすさ。今回は会話の内容(テキスト)と話し方(話速・抑揚・間などの音声特徴)から、各特性を連続値で推定する仕組みを目指します。
想定タスク(現時点では相談ベース)
・全体アーキテクチャの方針検討・レビュー(OSS優先、必要に応じてAWSサービス併用)
・前処理パイプラインの設計相談(話者分離・ロール付与・匿名化・セグメント化)
・テキストおよび音声特徴の抽出・結合方法(late fusion 等)の選定支援
・学習・評価設計(学生単位分割、相関・MAE、保留ルール、不確実性推定)
歓迎スキル
・音声処理：WhisperやWhisperX、NeMo もしくは PyAnnote の実装経験
・NLP：日本語BERTや多言語モデルの微調整、文章回帰または多出力回帰の経験
・音声表現：wav2vec2、HuBERT、WavLM、プロソディ特徴抽出(torchaudio、Praat Parselmouth 等)
・ML評価設計：GroupKFoldやLOSO 等のリーク防止設計、相関・MAEの運用
・データ倫理：同意取得・匿名化・利用制限の設計経験
作業環境
・AWS：S3、EC2(必要に応じて Transcribe は任意)
・言語・ツール：Python、PyTorch、Docker(任意)
