Képes egy AI interjúasszisztens átírni mind az interjúztatót, mind a jelöltet?

Ha már próbált egyetlen mikrofonnal interjút rögzíteni, ismeri a problémát: a saját hangja hangos és tiszta, de az interjúztató — aki a hangszórókból vagy fejhallgatóból szól — gyenge, visszhangos, vagy teljesen elvész. A mindkét oldal tiszta átírásához két külön hangforrás szükséges.

Egy AI interjúasszisztens ezt két stream egyidejű rögzítésével oldja meg: rendszerhang (minden, amit a számítógépe lejátszik, beleértve az interjúztató hangját Zoom, Google Meet vagy Microsoft Teams hívásban) és a mikrofon (a saját válaszai). Minden stream függetlenül kerül átírásra, így a szavak a megfelelő személyhez lesznek rendelve ahelyett, hogy egyetlen zavaros sávba keverednek.

A SubcueAI natív asztali alkalmazásként fut macOS és Windows rendszeren — nem böngészőbővítmény, és nem egy bot, amely csatlakozik az értekezlethez. macOS-en a rendszerhangot az operációs rendszer képernyőrögzítő hangAPI-jain keresztül csapolja le; Windows-on a rendszer loopback eszközét használja. A mikrofon párhuzamosan kerül rögzítésre a normál bemeneti eszközön keresztül.

Képzeljen el egy backend mérnököt, aki Zoom-on interjúzik egy senior pozícióért: a felvételi vezető kérdései rendszerhangként érkeznek, a jelölt szóbeli válaszai mikrofonhangként érkeznek, és a SubcueAI mindkét streamet valós időben írja át. Mivel a két stream elkülönült marad, az átirat megjelölt párbeszédként olvasható, nem egyetlen differenciálatlan tömbként.

A rögzítés teljes egészében a számítógépén történik, és az átiratot megjelenítő lebegő felülírás helyi az asztalán. Egy rövid beállítási útmutató ismerteti a telepítést.

Az interjúztató és a jelölt külön csatornán tartása többet tesz, mint rendezi az átiratot — lehetővé teszi az asszisztensnek, hogy eldöntse, melyik replikára reagáljon. Az interjúztató csatornáján érkező kérdés az, amire egy válasziavaslat válaszoljon; a saját csatornája kontextus, nem új felszólítás.

• Hangszóró-megjelölés természetesen következik a két forrásból álló kialakításból, mivel minden streamnek ismert a tulajdonosa.
• Késleltetés a speech-to-text útvonaltól függ; a streaming átírás részleges szöveget ad vissza, miközben a személy még beszél.
• Pontosság a legjobb tiszta rendszerhang-jellel — egy jó fejhallgató és egy csendes szoba mindkét csatornának segít.

A teljes rögzítéstől javaslatig tartó útvonalért lásd a hogyan működik csomópontot.

A kétoldalú átírás feltételezi, hogy a hang ténylegesen eléri a számítógép kimeneti és bemeneti eszközeit. Nem fed le minden helyzetet, és őszinte ezt kimondani:

• Egy vállalat által kezelt eszközön, amelyet nem irányít, előfordulhat, hogy egyáltalán nem tud asztali alkalmazást telepíteni.
• A felügyelt környezetek és a távoli megfigyelő szoftverek korlátozhatják a háttéralkalmazásokat vagy a képernyőtevékenységet.
• Ha egy munkamenetet a másik oldalon képernyőn rögzítenek, az a felvétel független attól, amit az asszisztense helyileg tesz.
• A személyes fordulók, ahol a hang soha nem halad át a számítógépen, nem támogatottak a rendszerhang-rögzítés szempontjából.

A SubcueAI a saját gépén végzett saját remote interjúihoz készült; korlátait a észlelhetőség csomópont tárgyalja.