Asistentes de entrevistas con IA open source: qué ofrece GitHub y los compromisos reales

Buscar un asistente de entrevistas con IA open source suele significar una de dos cosas: quieres poder auditar el código antes de acercarlo a una entrevista real, o quieres ahorrarte una suscripción ejecutándolo todo tú mismo. GitHub tiene proyectos para ambas. La mayoría sigue la misma receta: un script o una carcasa de escritorio ligera captura el audio, lo envía a una API de voz a texto, pasa la transcripción a un gran modelo de lenguaje con tu propia clave API y muestra respuestas sugeridas en una terminal o una ventana.

• Trae tus propias claves — el proyecto aporta el código de unión; las llamadas de voz a texto y de LLM se facturan a tus cuentas.
• Las licencias permisivas son comunes — poder hacer fork y modificar libremente es justo el atractivo para quienes disfrutan trasteando.
• Diseños centrados en el micrófono — capturar tu micrófono es fácil en cualquier parte; capturar de forma fiable la voz del entrevistador desde el audio del sistema es donde la mayoría de los repos flaquea.
• Mantenimiento variable — algunos proyectos se mantienen activamente, mientras que muchos son experimentos de fin de semana cuyos commits se detuvieron en silencio.

La arquitectura que estos proyectos aproximan — transcripción en vivo alimentando la generación de respuestas — es la misma cadena que las herramientas comerciales construyen de forma nativa; el tema cómo funciona la explica en profundidad.

Querer open source es un instinto razonable — puedes leer exactamente qué hace el código con tu audio, y nadie puede quitarte la herramienta. Esta sección expone lo que ese control cuesta realmente en la práctica. La versión corta: esfuerzo de configuración al principio, calidad de captura de audio durante la llamada y mantenimiento para siempre.

• Esfuerzo de configuración — dependencias, claves API, enrutamiento de audio y rarezas de cada plataforma corren de tu cuenta; una app nativa comprime todo eso en un instalador.
• Captura del audio del sistema — oír al entrevistador exige loopback a nivel del sistema operativo o un dispositivo de audio virtual en macOS y Windows, y muchos proyectos solo documentan una plataforma.
• Ajuste de latencia — encadenar API genéricas de voz a texto y de LLM funciona, pero lograr que las sugerencias lleguen lo bastante rápido para servir en plena conversación pasa a ser tu problema de ingeniería.
• Sin soporte ni actualizaciones — cuando una actualización del sistema o un cambio de API rompe la ruta de captura, el arreglo llega cuando algún voluntario tiene tiempo, si es que llega.

Un ingeniero backend que prepara un puesto sénior en un proveedor de nube clona un repo prometedor un sábado: por la noche las respuestas del LLM funcionan, pero el lado del entrevistador en una llamada de prueba de Zoom sigue en silencio, porque el audio del sistema necesita un dispositivo virtual que el README solo documenta para el otro sistema operativo. El arreglo duerme en una pull request sin fusionar.

SubcueAI no es open source. Es una app de escritorio nativa de código cerrado para macOS y Windows, y su código fuente no está en GitHub — esta página no fingirá lo contrario. Lo que obtienes a cambio del acceso al código es la versión terminada de todo lo que los repos de arriba dejan como ejercicio:

• Captura de audio dual — tu micrófono y el audio del sistema del entrevistador se capturan de forma nativa, sin dispositivo de audio virtual que configurar.
• Una superposición local flotante — las sugerencias se muestran en una ventana de tu equipo; nada se une a la reunión.
• Sin bot de reunión, sin plugin de navegador — el diseño de huella mínima que buscan los autoalojadores cuidadosos aquí es lo predeterminado.
• Actualizaciones mantenidas — cuando los sistemas operativos cambian sus pilas de audio, arreglarlo es trabajo del fabricante, no de tu fin de semana.

La contrapartida honesta: si tu requisito innegociable es auditar cada línea de código o controlar exactamente a qué servicios llega tu audio, SubcueAI no lo cumplirá, y un proyecto open source es la elección correcta. En ambos casos, los mismos límites aplican a toda herramienta — compartir pantalla, grabación de pantalla, entornos vigilados y equipos gestionados por la empresa anulan a cualquier asistente, como se documenta en la página /security — y los planes actuales, incluido el nivel gratuito, están en /pricing.

Si tomas la vía open source, examina el repo como harías con cualquier dependencia a la que vas a apostar una entrevista de trabajo — un asistente que muere a mitad de llamada es peor que ninguno. Una lista práctica:

• Señales de mantenimiento — commits recientes, mantenedores que responden e issues con respuesta; la semana de la entrevista es mal momento para descubrir el abandono.
• Realidad de la captura de audio — busca en los issues problemas de audio del sistema, loopback y dispositivos virtuales en tu sistema exacto antes de asumir que la captura funciona.
• Solo micrófono o captura dual — una herramienta que solo te oye a ti se pierde las preguntas; el audio del entrevistador es la mitad que importa.
• A dónde va tu audio — lee el código alrededor de las llamadas a la API; con tus propias claves, las transcripciones viajan a los proveedores que configuraste.
• Un ensayo completo — haz una llamada simulada completa en Zoom, Google Meet o Microsoft Teams con días de antelación, no la mañana de la entrevista.

Si esa lista te convence de que una app mantenida es el camino más seguro, la guía del mejor asistente de entrevistas con IA compara las opciones actuales lado a lado.