【フルリモート／週5／Python】エンタメ・音楽配信のPython × Audio Processing 音声特徴量抽出＆類似楽曲分析パイプライン構築案件

お任せしたいこと
［役割］
Python (FastAPI / Librosa) を用いた、大規模音楽ストリーミングサービス・著作権管理団体向け音源自動解析・類似楽曲判定プラットフォームのバックエンドおよび音声処理パイプライン開発
［役割に対して求める成果］
Librosa / Essentia による音声信号処理（スペクトログラム変換・テンポ・キー・BPM・フットプリント抽出）の並列非同期化による、数百万曲の音源インデックス作成速度の 4倍向上および類似楽曲検索精度（P99遅延200ms以下）の達成

具体的な業務内容
Python 3.12+ / FastAPI を用いた、大容量オーディオファイル（WAV/FLAC/MP3）のアップロード・特徴量抽出APIの開発
Librosa / Essentia / NumPy を活用した、音響信号処理（FFT, MFCC, Chromagram, Constant-Q transform）および音声フィンガープリント生成ロジックの実装
Ray / Celery を用いた大容量音源ファイルの分散並列バッチ解析パイプラインのデプロイおよびリソース分散最適化
FAISS / Qdrant を用いた高次元音声特徴量ベクトルの高速類似度検索エンジンの構築
Pytest / LocalStack を用いたマルチパートアップロードおよび音声解析エンジンの自動テスト・パイプラインテスト運用

必須スキル・経験
Python を用いたバックエンド API またはデータ処理パイプラインの開発・運用経験（4年以上）
Librosa, Essentia, SciPy, NumPy 等を用いた音声信号処理・デジタル信号処理の実務経験（1年以上）
Celery, Ray, Multiprocessing 等を用いた非同期・並列分散処理の実装実績
Vector DB (FAISS, Qdrant, Milvus等) や高次元ベクトルの近傍検索に関する知識・開発経験

歓迎スキル・経験
音楽配信、著作権管理、音響解析、音声認識（ASR）などのメディア・エンタメドメインでのシステム開発実績
PyTorch / Torchaudio を用いたディープラーニングベースの音源分離（Spleeter等）やジャンル分類モデルの組込み知見
AWS (S3, ECS, Batch) を用いた大容量メディアファイル処理インフラの構築経験
FFmpeg や C++ 音声ライブラリの Python バインディングに関する知識

開発環境
言語/ライブラリ: Python 3.12+, FastAPI, Librosa, Essentia, NumPy, SciPy
分散処理/ベクトルDB: Ray, Celery, Redis, FAISS, Qdrant
開発/テストツール: Pytest, Docker, FFmpeg, Poetry, GitHub Actions
クラウド/CI: AWS (S3, ECS, Batch), GitHub Actions
コミュニケーション: Slack, Notion, Jira, GitHub

働き方
リモート環境
[フルリモート] フルリモートで働いていただけます。