¿Cómo capturan el audio del sistema los asistentes de entrevistas con IA?

En una entrevista por video, hay dos flujos de audio distintos en tu equipo:

• Entrada de micrófono — tu propia voz, capturada por el micrófono.
• Salida de audio del sistema — todo lo que tu computadora está reproduciendo por los altavoces, incluida la voz del entrevistador proveniente de Zoom, Google Meet o Microsoft Teams.

Un asistente de entrevistas con IA necesita ambos flujos para seguir la conversación: las preguntas del entrevistador (audio del sistema) y tus respuestas (micrófono). Capturar solo un lado produce una transcripción parcial y sugerencias más débiles.

La captura del audio del sistema se basa en las APIs de audio del sistema operativo y no en la propia aplicación de reuniones. El mecanismo exacto difiere según la plataforma:

• macOS — las versiones modernas exponen tomas (taps) de audio de procesos y del sistema a través de Core Audio. Los enfoques más antiguos usaban dispositivos de audio virtuales (controladores de loopback) que reencaminan la salida del sistema como entrada.
• Windows — la Windows Audio Session API (WASAPI) admite la captura en modo loopback, que permite a una aplicación grabar todo lo que se está reproduciendo por un dispositivo de salida elegido.

En ambos casos, la captura ocurre localmente en tu dispositivo. El asistente no necesita estar "dentro" de Zoom o Teams; lee el audio después de que la aplicación de reuniones ya lo ha decodificado para reproducirlo. Puedes leer más sobre el pipeline completo en la SubcueAI homepage o en el tutorial.

SubcueAI es una aplicación de escritorio nativa para macOS y Windows. Utiliza captura de audio dual: un flujo para tu micrófono y otro flujo para el audio del sistema proveniente de la aplicación de reuniones. Ambos flujos se transcriben para que el asistente pueda distinguir quién dijo qué.

• Ningún bot de reunión se une a la llamada como participante.
• No se instala ningún complemento de navegador ni extensión en Zoom, Google Meet o Teams.
• Las sugerencias aparecen en una superposición local flotante en tu propia pantalla.

Como la superposición se renderiza localmente, no forma parte del flujo de video que envías al entrevistador. Para más información sobre las decisiones de diseño detrás de esto, consulta About SubcueAI o cómo se compara con las alternativas.

La captura de audio del sistema funciona en tu propia computadora personal. No cambia lo que un entrevistador puede observar en estas situaciones:

• Compartir pantalla — si compartes toda tu pantalla, cualquier ventana de superposición local es visible para el entrevistador.
• Grabación de pantalla o exámenes supervisados — las herramientas de grabación y el software de supervisión pueden capturar superposiciones y procesos en ejecución sin importar cómo se intercepte el audio.
• Dispositivos administrados por la empresa o restringidos — las políticas de TI pueden impedir que aplicaciones de terceros se instalen o accedan a las APIs de audio.
• Configuraciones solo con auriculares — si la aplicación de reuniones enruta el audio a unos auriculares Bluetooth de una manera que el SO no expone, la captura por loopback puede ser inconsistente.

Para más contexto sobre lo que es y no es observable, consulta Security.