募集の概要

ABEMA の番組制作では、複数のカメラの映像や出演者ごとの音声など、配信される映像よりはるかに多くのデータが生まれ、その中から目的の場面を探す作業に多くの時間がかかっています。このインターンでは、映像・音声・文字起こしを組み合わせて、人物・発話内容・場面の状況から映像を検索できる仕組みづくりに取り組みます。コンピュータービジョン、音声処理、自然言語処理、マルチモーダルAI を使うテーマです。定員に達し次第締め切られます。

応募条件

必須スキル

• 大学・大学院で、以下いずれかの分野を専攻 or それに準ずる知識を独学で習得している方
  • 統計学 / 機械学習 / 情報工学 / 数理・情報系分野 etc.
• Python を使ったデータ分析・機械学習の実装経験
  • 例：NumPy / pandas / scikit-learn / PyTorch / Jupyter などを使った分析・実装
• 映像・音声、エンタメコンテンツ、番組制作の裏側のいずれかに強い関心がある方
• 課題にあった論文やライブラリを調査し、手を動かして試せること

歓迎スキル（いずれかの知識・経験）

• コンピュータービジョン（動画理解・シーン検出・ハイライト抽出など）の研究・開発・コンペ経験
• 音声処理（音源分離・音声認識・話者分離など）の研究・開発経験
• マルチモーダルモデル・基盤モデル（VLM・音声認識モデルなど）の活用経験
• 機械学習・人工知能系の国際カンファレンスや査読誌での採択実績
• 映像編集の経験（趣味レベルでも歓迎します）

選考フロー

エントリー→書類選考→面接（2回）→合否連絡