Kaya bang i-transcribe ng isang AI interview assistant ang parehong interviewer at kandidato?

Kung nasubukan mo nang i-record ang isang panayam gamit ang isang mikropono, alam mo na ang problema: malinaw at malakas ang iyong sariling boses, ngunit ang interviewer — na dumarating sa pamamagitan ng iyong mga speaker o headphone — ay mahina, may echo, o hindi marinig nang buo. Ang malinis na pag-transcribe sa magkabilang panig ay nangangailangan ng dalawang hiwalay na audio source.

Nireresolba ito ng isang AI interview assistant sa pamamagitan ng sabay na pagkuha ng dalawang stream: system audio (lahat ng pine-play ng iyong computer, kasama ang boses ng interviewer sa Zoom, Google Meet, o Microsoft Teams) at ang iyong mikropono (ang iyong mga sagot). Ang bawat stream ay inibe-transcribe nang nakapag-iisa, kaya naiuugnay ang mga salita sa tamang nagsasalita sa halip na pagsamahin sa isang maingay na track.

Tumatakbo ang SubcueAI bilang isang native na desktop app sa macOS at Windows — hindi isang browser plugin, at hindi isang bot na sasali sa meeting. Sa macOS, ina-access nito ang system audio sa pamamagitan ng screen-capture audio APIs ng operating system; sa Windows, ginagamit nito ang system loopback device. Ang iyong mikropono ay kinukuha nang sabay sa pamamagitan ng normal na input device.

Isipin ang isang backend engineer na nag-iinterviewpa para sa senior role sa pamamagitan ng Zoom: ang mga tanong ng hiring manager ay dumarating bilang system audio, ang mga sinasalitang sagot ng kandidato ay dumarating bilang mikropono audio, at ini-transcribe ng SubcueAI ang bawat isa sa real time. Dahil ang dalawang stream ay nananatiling hiwalay, ang transcript ay mababasa bilang isang may label na palitan, sa halip na isang walang pagkakaibang bloke.

Ang pagkuha ay ganap na nagaganap sa iyong makina, at ang floating overlay na nagpapakita ng transcript ay lokal sa iyong desktop. Ang isang maikling gabay sa pag-setup ay sumasaklaw sa pag-install.

Ang pagpapanatili ng interviewer at kandidato sa magkahiwalay na channel ay higit pa sa pag-aayos ng transcript — nagbibigay-daan ito sa assistant na matukoy kung aling turn ang kikilalanin. Ang tanong sa channel ng interviewer ang dapat sagutin ng mungkahi; ang iyong sariling channel ay konteksto, hindi isang bagong prompt.

• Ang paglabel ng nagsasalita ay likas na nagmumula sa two-source na disenyo, dahil ang bawat stream ay may kilalang may-ari.
• Ang latency ay nakasalalay sa speech-to-text na landas; ang streaming transcription ay nagbabalik ng bahagyang teksto habang nagsasalita pa ang tao.
• Ang katumpakan ay pinakamahusay kapag may malinis na system-audio signal — ang isang magandang headset at tahimik na silid ay nakakatulong sa magkabilang channel.

Para sa buong capture-to-suggestion na landas, tingnan ang paano gumagana na hub.

Ang two-sided transcription ay nagpapalagay na ang audio ay talagang dumarating sa output at input devices ng iyong computer. Hindi nito sinasaklaw ang bawat sitwasyon, at tapat na sabihin ito:

• Sa isang company-managed na device na hindi mo kontrolado, maaaring hindi ka makapag-install ng isang desktop app.
• Ang mga proctored na kapaligiran at remote-monitoring software ay maaaring mag-restrict ng mga background apps o aktibidad sa screen.
• Kung ang isang session ay screen-recorded sa kabilang panig, ang recording na iyon ay hiwalay sa anumang ginagawa ng iyong assistant nang lokal.
• Ang mga in-person na round, kung saan ang audio ay hindi dumadaan sa iyong computer, ay wala sa saklaw ng system-audio capture.

Ang SubcueAI ay ginawa para sa iyong sariling remote na panayam sa iyong sariling makina; ang mga limitasyon nito ay tinalakay sa detectability hub.