¿Un asistente de entrevistas con IA funciona con acentos?

La pregunta se divide en dos, y cada mitad tiene una respuesta distinta. Tu acento afecta a cómo se transcribe tu propio habla. El acento del entrevistador afecta a si el asistente entendió la pregunta que está a punto de responder, y esa es la mitad que decide si la sugerencia en tu pantalla vale algo.

En las aplicaciones de escritorio de macOS y Windows se capturan ambos lados: el audio del sistema lleva al entrevistador, tu micrófono te lleva a ti, y las dos señales se reconocen por separado. Solo las frases terminadas del entrevistador activan una nueva sugerencia. La extensión de navegador Side Panel reduce esto aún más, capturando solo el audio de la pestaña de la reunión, así que oye al entrevistador y nunca te transcribe a ti. Si tu propio acento era lo que te preocupaba, la extensión elimina el problema por completo.

Es razonable suponer que elegir un idioma también elige un acento, y que en algún lugar que no has encontrado existe una opción de inglés indio o inglés escocés. No existe. La configuración de idioma selecciona un idioma y nada más específico. Las variantes regionales se reducen antes de que el audio llegue al reconocedor, así que el inglés británico y el inglés estadounidense llegan como la misma solicitud.

Lo que sí ocurre automáticamente: con la detección automática predeterminada, el motor deduce el idioma a partir de los primeros segundos de habla en lugar de obligarte a declararlo. La precisión en el habla con acento depende de cuánto de ese acento estaba presente en los datos de entrenamiento del modelo de reconocimiento, algo que ninguna configuración expone y que la aplicación no puede anular. Decirlo con claridad es mejor que insinuar que existe un ajuste. Dónde están los campos de idioma se muestra en la página del tutorial.

Los errores rara vez son dramáticos. Un término técnico mal escuchado o una negación omitida se convierte en una sugerencia fluida, segura, que responde a algo que el entrevistador no preguntó. El fallo es silencioso, y precisamente por eso vale la pena conocerlo.

Aaron Cao, fundador de SubcueAI, puso la transcripción en vivo en pantalla junto a la sugerencia en lugar de ocultarla por esta misma razón. Ver la frase que el sistema cree haber oído te permite detectar el desajuste en aproximadamente un segundo, mientras que una sugerencia sin transcripción visible te dejaría confiando en una caja negra justo en el momento en que menos te lo puedes permitir.

El hábito que vale la pena adquirir: leer primero la línea de la transcripción, luego la sugerencia. Cuando no coinciden, gana lo que oyen tus oídos. Cómo encajan la captura y la generación de respuestas se explica en las páginas de cómo funciona.

Ninguna de las siguientes palancas cambia el modelo acústico, y ninguna hace que un acento fuerte se transcriba como uno suave. Lo que sí hacen es eliminar los errores que dependen de ti.

• Auriculares en lugar de altavoces: mantiene limpio el audio del entrevistador y evita que el eco de la sala se vuelva a transcribir.
• Una sala silenciosa: el habla de fondo es la fuente de errores que la gente subestima, porque el reconocedor no sabe qué voz es la de la entrevista.
• Especificar el idioma en lugar de usar la detección automática: si ya sabes que la entrevista es en alemán, indicarlo evita una vacilación de detección en los primeros segundos.
• Menos fuentes de audio en paralelo: la música, los sonidos de notificación y una segunda llamada terminan todos en el mismo flujo de audio del sistema.

Hacer una entrevista simulada en exactamente el hardware que planeas usar es la forma más rápida de ver tu tasa de error real antes de que importe.