Jak AI asistenti pro pohovory zachytávají systémový zvuk?

Při video pohovoru existují na vašem zařízení dva odlišné zvukové streamy:

• Vstup z mikrofonu — váš vlastní hlas, zachycený mikrofonem.
• Výstup systémového zvuku — vše, co váš počítač přehrává přes reproduktory, včetně hlasu tazatele přicházejícího ze Zoomu, Google Meet nebo Microsoft Teams.

AI asistent pro pohovory potřebuje oba streamy, aby sledoval rozhovor: otázky tazatele (systémový zvuk) i vaše odpovědi (mikrofon). Zachytávání pouze jedné strany vede k částečnému přepisu a slabším návrhům.

Zachytávání systémového zvuku se opírá o zvukové API operačního systému, nikoli o samotnou aplikaci pro schůzky. Konkrétní mechanismus se liší podle platformy:

• macOS — moderní verze zpřístupňují odposlech zvuku procesů i celého systému přes Core Audio. Starší postupy používaly virtuální zvuková zařízení (loopback ovladače), která směrují systémový výstup zpět dovnitř jako vstup.
• Windows — Windows Audio Session API (WASAPI) podporuje loopback zachytávání, které aplikaci umožňuje nahrát vše, co se přehrává z vybraného výstupního zařízení.

Tak či tak se zachytávání děje lokálně na vašem zařízení. Asistent nemusí být „uvnitř“ Zoomu nebo Teams; čte zvuk až poté, co jej aplikace pro schůzky již dekódovala pro přehrání. Více o celém procesu si můžete přečíst na SubcueAI homepage nebo v tutorial.

SubcueAI je nativní desktopová aplikace pro macOS a Windows. Používá duální zachytávání zvuku: jeden stream pro váš mikrofon a jeden stream pro systémový zvuk přicházející z aplikace pro schůzky. Oba streamy se přepisují, takže asistent pozná, kdo co řekl.

• Do hovoru se jako účastník nepřipojuje žádný meeting bot.
• Do Zoomu, Google Meet ani Teams se nic neinjektuje.
• Návrhy se zobrazují v plovoucím lokálním overlayi na vaší vlastní obrazovce.

Protože se overlay vykresluje lokálně, není součástí video streamu, který posíláte tazateli. Více o návrhových rozhodnutích, která za tím stojí, najdete na About SubcueAI nebo how it compares to alternatives.

Zachytávání systémového zvuku funguje na vašem vlastním osobním počítači. Nemění to, co může tazatel pozorovat v těchto situacích:

• Sdílení obrazovky — pokud sdílíte celou obrazovku, jakékoli lokální overlay okno tazatel uvidí.
• Nahrávání obrazovky nebo proctorované zkoušky — nahrávací nástroje a proctorovací software mohou zachytit overlaye a běžící procesy bez ohledu na to, jak je zvuk odposloucháván.
• Firemně spravovaná nebo uzamčená zařízení — firemní IT zásady mohou aplikacím třetích stran zablokovat instalaci nebo přístup ke zvukovým API.
• Nastavení pouze se sluchátky — pokud aplikace pro schůzky směruje zvuk do Bluetooth sluchátek způsobem, který OS nezpřístupňuje, může být loopback zachytávání nekonzistentní.

Více kontextu k tomu, co je a co není pozorovatelné, najdete na Security.