كيف يعمل تحويل الكلام إلى نص في الوقت الفعلي أثناء المقابلة

يعتمد نسخ المقابلة في الوقت الفعلي على التقاط تيارين صوتيين منفصلين في وقت واحد:

• صوت النظام (loopback) — صوت المحاور الذي يصل عبر Zoom أو Google Meet أو Microsoft Teams.
• صوت الميكروفون — صوتك أنت أثناء التحدث.

يلتقط تطبيق SubcueAI الأصلي لسطح المكتب كلا التيارين في وقت واحد باستخدام واجهات برمجة التطبيقات الصوتية القياسية لنظام التشغيل المتاحة على macOS و Windows. وبما أن الالتقاط يحدث على مستوى نظام التشغيل — وليس داخل تطبيق الاجتماع نفسه — فلا يلزم أي إضافة متصفح أو بوت اجتماع. ثم يُمرر التيار المدمج إلى محرك التعرف على الكلام.

بمجرد التقاط الصوت، يمر عبر خط أنابيب تحويل الكلام إلى نص المتدفق الذي يعمل على أجزاء صوتية قصيرة متداخلة بدلاً من انتظار جملة كاملة. يحافظ هذا النهج على زمن الاستجابة منخفضًا — عادةً بضع ثوانٍ من الكلام إلى النص المقروء.

• كشف نشاط الصوت (VAD) يصفي الصمت بحيث يعالج المحرك فقط الإطارات التي تحتوي على كلام، مما يقلل الضوضاء ويوفر وقت المعالجة.
• النمذجة الصوتية تربط ميزات الصوت بالفونيمات، ثم بالكلمات، باستخدام شبكة عصبية مدربة على مجموعات بيانات كلامية كبيرة。
• النمذجة اللغوية ترتب تسلسلات الكلمات حسب الاحتمالية، مما يحسن الدقة للمفردات التقنية والأسماء الصحيحة الشائعة في المقابلات.

والنتيجة هي نسخة متجددة تتحدث باستمرار مع تقدم المحادثة.

النسخ المباشر هو المدخل إلى طبقة اقتراح الإجابات في SubcueAI. عندما يكتشف النظام أن سؤالاً قد طُرح — بناءً على بنية الجملة وإشارات علامات الترقيم — يرسل السياق ذي الصلة إلى نموذج لغة كبير (LLM) يولد استجابة مقترحة.

• تظهر الاقتراحات في الطبقة العائمة المحلية لـ SubcueAI، والتي تكون مرئية فقط على شاشتك — وليست مشتركة مع نافذة الاجتماع.
• صُممت الطبقة لتبقى خارج أي منطقة مشاركة شاشة حتى لا تكون مرئية للمشاركين الذين يشاهدون مشاركة شاشتك.
• يمكنك قراءة أي اقتراح أو تكييفه أو تجاهله؛ فالأداة تهدف إلى دعم تفكيرك، وليس كتابته كلمة بكلمة.

راجع دليل الإعداد للحصول على إرشادات حول وضع الطبقة قبل مقابلتك.

تعتمد جودة النسخ في الوقت الفعلي على عدة عوامل خارج سيطرة أي تطبيق كاملة:

• جودة الميكروفون والضوضاء الخلفية — يحسن ميكروفون سماعة الرأس الدقة بشكل كبير مقارنة بميكروفون اللاب توب المدمج.
• اتصال الإنترنت — إذا كانت خطوة استدلال الذكاء الاصطناعي مدعومة بالسحابة، فإن زمن استجابة الشبكة يضاف إلى وقت الاستجابة.
• اللهجات وسرعة الكلام — تتعامل نماذج الكلام العصبية الحديثة مع مجموعة واسعة من اللهجات لكنها ليست مثالية.
• المقابلات المراقبة أو المسجلة — طبقة SubcueAI محلية وخاصة، لكن في بيئات التسجيل على الشاشة أو المراقبة قد تظهر الطبقة في التسجيل إذا لم يتم وضعها أو إخفاؤها بعناية. راجع دائمًا قواعد مقابلتك المحددة قبل استخدام أي أداة مساعدة.

لمزيد من الاطلاع على الخصوصية وما يمكن للمحاورين رؤيته، قم بزيارة صفحة الأمان والخصوصية.