क्या AI इंटरव्यू असिस्टेंट इंटरव्यूअर और उम्मीदवार दोनों को ट्रांसक्राइब कर सकता है?

यदि आपने कभी एक माइक्रोफ़ोन से इंटरव्यू रिकॉर्ड करने की कोशिश की है, तो आप समस्या पहले से जानते हैं: आपकी अपनी आवाज़ तेज़ और स्पष्ट होती है, लेकिन इंटरव्यूअर — जो आपके स्पीकर या हेडफ़ोन से आता है — धीमा, गूँजदार या पूरी तरह से छूट जाता है। दोनों पक्षों को साफ़ ट्रांसक्राइब करने के लिए दो अलग ऑडियो स्रोतों की जरूरत होती है।

एक AI इंटरव्यू असिस्टेंट इसे एक साथ दो स्ट्रीम कैप्चर करके हल करता है: सिस्टम ऑडियो (आपका कंप्यूटर जो कुछ भी चलाता है, जिसमें Zoom, Google Meet, या Microsoft Teams में इंटरव्यूअर की आवाज़ शामिल है) और आपका माइक्रोफ़ोन (आपके अपने जवाब)। प्रत्येक स्ट्रीम को स्वतंत्र रूप से ट्रांसक्राइब किया जाता है, ताकि शब्द सही स्पीकर को दिए जाएँ बजाय एक गंदे ट्रैक में मिला दिए जाएँ।

SubcueAI macOS और Windows पर एक नेटिव डेस्कटॉप ऐप के रूप में चलता है — न एक ब्राउज़र प्लगइन, और न ही एक बॉट जो मीटिंग में शामिल होता है। macOS पर यह ऑपरेटिंग सिस्टम के स्क्रीन-कैप्चर ऑडियो APIs के माध्यम से सिस्टम ऑडियो तक पहुँचता है; Windows पर यह सिस्टम लूपबैक डिवाइस का उपयोग करता है। आपका माइक्रोफ़ोन सामान्य इनपुट डिवाइस के माध्यम से समानांतर में कैप्चर किया जाता है।

एक बैकएंड इंजीनियर की कल्पना करें जो Zoom पर सीनियर रोल के लिए इंटरव्यू दे रहा है: हायरिंग मैनेजर के सवाल सिस्टम ऑडियो के रूप में आते हैं, उम्मीदवार के बोले गए जवाब माइक्रोफ़ोन ऑडियो के रूप में, और SubcueAI प्रत्येक को रीयल टाइम में ट्रांसक्राइब करता है। चूँकि दो स्ट्रीम अलग रहती हैं, ट्रांसक्रिप्ट एक अलग-अलग लेबल वाले आदान-प्रदान की तरह पढ़ती है न कि एक अविभाजित ब्लॉक की तरह।

कैप्चर पूरी तरह से आपकी मशीन पर होती है, और ट्रांसक्रिप्ट दिखाने वाला फ्लोटिंग ओवरले आपके डेस्कटॉप पर लोकल है। एक संक्षिप्त सेटअप वॉकथ्रू इंस्टॉलेशन को कवर करता है।

इंटरव्यूअर और उम्मीदवार को अलग-अलग चैनलों पर रखने से ट्रांसक्रिप्ट व्यवस्थित होने से ज़्यादा होता है — यह असिस्टेंट को यह तय करने देता है कि किस टर्न पर काम करना है। इंटरव्यूअर के चैनल पर एक सवाल वह है जिस पर एक उत्तर सुझाव को प्रतिक्रिया देनी चाहिए; आपका अपना चैनल संदर्भ है, नया प्रॉम्प्ट नहीं।

• स्पीकर लेबलिंग दो-स्रोत डिज़ाइन से स्वाभाविक रूप से आती है, क्योंकि प्रत्येक स्ट्रीम का एक ज्ञात मालिक होता है।
• लेटेंसी स्पीच-टू-टेक्स्ट पाथ पर निर्भर करती है; स्ट्रीमिंग ट्रांसक्रिप्शन व्यक्ति के बोलते समय ही आंशिक टेक्स्ट लौटाता है।
• सटीकता साफ़ सिस्टम-ऑडियो सिग्नल के साथ सबसे अच्छी होती है — एक अच्छा हेडसेट और शांत कमरा दोनों चैनलों की मदद करता है।

कैप्चर-से-सुझाव तक के पूरे पाथ के लिए, यह कैसे काम करता है हब देखें।

दो-पक्षीय ट्रांसक्रिप्शन यह मानती है कि ऑडियो वास्तव में आपके कंप्यूटर के आउटपुट और इनपुट डिवाइसों तक पहुँचती है। यह हर स्थिति को कवर नहीं करती, और यह कहना ईमानदारी है:

• कंपनी द्वारा प्रबंधित डिवाइस पर जिसे आप नियंत्रित नहीं करते, हो सकता है आप कोई डेस्कटॉप ऐप बिल्कुल इंस्टॉल न कर पाएँ।
• प्रोक्टर्ड वातावरण और रिमोट-मॉनिटरिंग सॉफ़्टवेयर बैकग्राउंड ऐप या स्क्रीन गतिविधि को प्रतिबंधित कर सकते हैं।
• यदि कोई सत्र दूसरी तरफ से स्क्रीन-रिकॉर्ड किया जाता है, तो वह रिकॉर्डिंग आपके असिस्टेंट द्वारा लोकली की जाने वाली किसी भी चीज़ से स्वतंत्र है।
• व्यक्तिगत राउंड, जहाँ ऑडियो आपके कंप्यूटर से कभी नहीं गुजरती, सिस्टम-ऑडियो कैप्चर के दायरे से बाहर हैं।

SubcueAI आपकी अपनी मशीन पर आपके अपने रिमोट इंटरव्यू के लिए बना है; इसकी सीमाएँ डिटेक्टेबिलिटी हब पर कवर की गई हैं।