Funktioniert ein KI-Interview-Assistent mit Akzenten?

Die Frage teilt sich in zwei Hälften, und die beiden Hälften haben unterschiedliche Antworten. Ihr eigener Akzent beeinflusst, wie Ihre eigene Sprache transkribiert wird. Der Akzent des Interviewers beeinflusst, ob der Assistent die Frage verstanden hat, die er gleich beantworten soll, und genau diese Hälfte entscheidet, ob der Vorschlag auf Ihrem Bildschirm überhaupt etwas wert ist.

In den macOS- und Windows-Desktop-Apps werden beide Seiten erfasst: Der Systemton überträgt den Interviewer, Ihr Mikrofon überträgt Sie, und die beiden Ströme werden getrennt erkannt. Nur vollständig gesprochene Sätze des Interviewers lösen einen neuen Vorschlag aus. Die Side Panel der Browser-Erweiterung schränkt dies weiter ein und erfasst ausschließlich den Ton des Meeting-Tabs, sodass sie den Interviewer hört und Sie niemals transkribiert. Wenn Sie sich wegen Ihres eigenen Akzents Sorgen gemacht haben, beseitigt die Erweiterung dieses Problem vollständig.

Es liegt nahe anzunehmen, dass die Wahl einer Sprache auch die Wahl eines Akzents bedeutet und dass irgendwo, wo Sie noch nicht nachgesehen haben, eine Option für indisches Englisch oder schottisches Englisch existiert. Das ist nicht der Fall. Die Spracheinstellung wählt eine Sprache aus, nichts Feineres. Regionale Varianten werden zusammengefasst, bevor der Ton das Erkennungssystem erreicht, sodass britisches Englisch und amerikanisches Englisch als dieselbe Anfrage ankommen.

Was tatsächlich automatisch passiert: Bei der standardmäßigen automatischen Erkennung ermittelt die Engine die Sprache aus den ersten Sekunden der Sprache, anstatt Sie zu einer Angabe zu zwingen. Die Genauigkeit bei akzentbehafteter Sprache hängt davon ab, wie stark dieser Akzent in den Trainingsdaten des Erkennungsmodells vertreten war – etwas, das keine Einstellung offenlegt und das die App nicht überschreiben kann. Das offen zu sagen ist besser, als anzudeuten, es gäbe einen Regler dafür. Wo sich die Sprachfelder befinden, zeigt die Seite Tutorial.

Fehler sind selten dramatisch. Ein falsch verstandener Fachbegriff oder eine verschluckte Verneinung wird zu einem Vorschlag, der flüssig, selbstbewusst klingt – und etwas beantwortet, das der Interviewer gar nicht gefragt hat. Das Versagen ist leise, und genau das macht es wissenswert.

Aaron Cao, Gründer von SubcueAI, hat das Live-Transkript deshalb neben dem Vorschlag auf dem Bildschirm angezeigt, statt es zu verbergen. Den Satz zu sehen, den das System zu hören glaubt, lässt Sie die Abweichung in etwa einer Sekunde erkennen – während ein Vorschlag ohne sichtbares Transkript Sie dazu zwingen würde, genau in dem Moment einer Blackbox zu vertrauen, in dem Sie es sich am wenigsten leisten können.

Die Gewohnheit, die sich lohnt: erst die Transkriptzeile lesen, dann den Vorschlag. Wenn beide nicht übereinstimmen, gewinnen Ihre Ohren. Wie Erfassung und Antwortgenerierung zusammenspielen, wird auf den Seiten so funktioniert es beschrieben.

Keiner der folgenden Hebel verändert das akustische Modell, und keiner lässt einen starken Akzent so transkribieren wie einen leichten. Was sie tun, ist, die Fehler zu beseitigen, die in Ihrer eigenen Hand liegen.

• Ein Headset statt Lautsprecher: hält den Ton des Interviewers sauber und verhindert, dass Raumecho zurück transkribiert wird.
• Ein ruhiger Raum: Hintergrundgespräche sind die Fehlerquelle, die am meisten unterschätzt wird, weil das Erkennungssystem nicht weiß, welche Stimme die des Interviews ist.
• Die Sprache angeben statt automatisch erkennen zu lassen: Wenn Sie bereits wissen, dass das Interview auf Deutsch stattfindet, vermeidet die Angabe ein Erkennungswackeln in den ersten Sekunden.
• Weniger parallele Audioquellen: Musik, Benachrichtigungstöne und ein zweiter Anruf landen alle im selben Systemton-Stream.

Ein Probeinterview genau auf der Hardware durchzuführen, die Sie tatsächlich verwenden wollen, ist der schnellste Weg, Ihre reale Fehlerquote zu sehen, bevor es darauf ankommt.