Λειτουργεί ένας βοηθός συνέντευξης AI με προφορές;

Η ερώτηση χωρίζεται σε δύο, και τα δύο μισά έχουν διαφορετικές απαντήσεις. Η δική σας προφορά επηρεάζει το πώς μεταγράφεται ο δικός σας λόγος. Η προφορά του συνεντευκτή επηρεάζει το αν ο βοηθός κατάλαβε την ερώτηση που πρόκειται να απαντήσει, και αυτό είναι το μισό που καθορίζει αν η πρόταση στην οθόνη σας αξίζει κάτι.

Στις εφαρμογές desktop για macOS και Windows καταγράφονται και οι δύο πλευρές: ο ήχος συστήματος μεταφέρει τον συνεντευκτή, το μικρόφωνό σας μεταφέρει εσάς, και οι δύο ροές αναγνωρίζονται ξεχωριστά. Μόνο οι ολοκληρωμένες προτάσεις του συνεντευκτή ενεργοποιούν μια νέα πρόταση. Το Side Panel της επέκτασης προγράμματος περιήγησης περιορίζει αυτό περαιτέρω, καταγράφοντας μόνο τον ήχο της καρτέλας της συνάντησης, οπότε ακούει μόνο τον συνεντευκτή και δεν μεταγράφει ποτέ εσάς. Αν η δική σας προφορά ήταν αυτό που σας ανησυχούσε, η επέκταση εξαλείφει εντελώς αυτό το ζήτημα.

Είναι λογικό να υποθέσετε ότι η επιλογή μιας γλώσσας επιλέγει επίσης μια προφορά, και ότι κάπου υπάρχει μια επιλογή ινδικών αγγλικών ή σκωτσέζικων αγγλικών που απλώς δεν έχετε βρει ακόμα. Δεν ισχύει. Η ρύθμιση γλώσσας επιλέγει μια γλώσσα και τίποτα πιο συγκεκριμένο. Οι περιφερειακές παραλλαγές συγχωνεύονται πριν ο ήχος φτάσει στο σύστημα αναγνώρισης, οπότε τα βρετανικά αγγλικά και τα αμερικανικά αγγλικά φτάνουν ως το ίδιο αίτημα.

Αυτό που πράγματι συμβαίνει αυτόματα: με την προεπιλεγμένη αυτόματη ανίχνευση, η μηχανή συνάγει τη γλώσσα από τα πρώτα δευτερόλεπτα ομιλίας αντί να σας αναγκάζει να τη δηλώσετε. Η ακρίβεια στον λόγο με προφορά προέρχεται από το πόσο από αυτή την προφορά υπήρχε στα δεδομένα εκπαίδευσης του μοντέλου αναγνώρισης, κάτι που καμία ρύθμιση δεν αποκαλύπτει και η εφαρμογή δεν μπορεί να παρακάμψει. Το να το πείτε ξεκάθαρα είναι καλύτερο από το να υπονοείτε ότι υπάρχει κάποιος διακόπτης. Πού βρίσκονται τα πεδία γλώσσας φαίνεται στη σελίδα οδηγού.

Τα σφάλματα σπάνια είναι δραματικά. Ένας παρεξηγημένος τεχνικός όρος ή μια χαμένη άρνηση μετατρέπεται σε μια πρόταση που είναι ρέουσα, σίγουρη, και απαντά σε κάτι που ο συνεντευκτής δεν ρώτησε. Η αποτυχία είναι σιωπηλή, και αυτό ακριβώς είναι που την κάνει σημαντική να τη γνωρίζετε.

Ο Aaron Cao, ιδρυτής της SubcueAI, τοποθέτησε τη ζωντανή μεταγραφή στην οθόνη δίπλα στην πρόταση αντί να την κρύψει ακριβώς για αυτόν τον λόγο. Βλέποντας την πρόταση που το σύστημα νομίζει ότι άκουσε, μπορείτε να εντοπίσετε την ασυμφωνία σε περίπου ένα δευτερόλεπτο, ενώ μια πρόταση χωρίς ορατή μεταγραφή θα σας άφηνε να εμπιστεύεστε ένα μαύρο κουτί τη στιγμή που μπορείτε να το αντέξετε λιγότερο.

Η συνήθεια που αξίζει να χτίσετε: διαβάστε πρώτα τη γραμμή μεταγραφής, την πρόταση δεύτερη. Όταν διαφωνούν, κερδίζουν τα αυτιά σας. Πώς συνδέονται η καταγραφή ήχου και η δημιουργία απαντήσεων καλύπτεται στις σελίδες πώς λειτουργεί.

Κανένας από τους παρακάτω μοχλούς δεν αλλάζει το ακουστικό μοντέλο, και κανένας δεν κάνει μια έντονη προφορά να μεταγράφεται όπως μια ελαφριά. Αυτό που κάνουν είναι να αφαιρούν τα σφάλματα που είναι δικά σας να αφαιρέσετε.

• Ακουστικά αντί για ηχεία: κρατά τον ήχο του συνεντευκτή καθαρό και αποτρέπει την ηχώ του δωματίου να μεταγράφεται πίσω.
• Ένα ήσυχο δωμάτιο: η ομιλία στο φόντο είναι μια πηγή σφάλματος που ο κόσμος υποτιμά, επειδή το σύστημα αναγνώρισης δεν ξέρει ποια φωνή είναι η συνέντευξη.
• Ο καθορισμός της γλώσσας αντί για αυτόματη ανίχνευση: αν ήδη γνωρίζετε ότι η συνέντευξη θα γίνει στα γερμανικά, το να το δηλώσετε αποφεύγει μια αστάθεια ανίχνευσης στα πρώτα δευτερόλεπτα.
• Λιγότερες παράλληλες πηγές ήχου: μουσική, ήχοι ειδοποιήσεων και μια δεύτερη κλήση καταλήγουν όλα στην ίδια ροή ήχου συστήματος.

Η εκτέλεση μιας δοκιμαστικής συνέντευξης ακριβώς στο υλικό που σκοπεύετε να χρησιμοποιήσετε είναι ο ταχύτερος τρόπος να δείτε το πραγματικό σας ποσοστό σφάλματος πριν αυτό έχει σημασία.