Un assistente AI per i colloqui funziona con gli accenti?

La domanda si divide in due, e le due metà hanno risposte diverse. Il vostro accento influisce su come viene trascritto il vostro stesso parlato. L'accento dell'intervistatore influisce sul fatto che l'assistente abbia capito la domanda a cui sta per rispondere, ed è questa la metà che decide se il suggerimento sul vostro schermo vale qualcosa.

Sulle app desktop macOS e Windows entrambi i lati vengono catturati: l'audio di sistema porta l'intervistatore, il vostro microfono porta voi, e i due flussi vengono riconosciuti separatamente. Solo le frasi complete dell'intervistatore innescano un nuovo suggerimento. Il Side Panel dell'estensione del browser restringe ulteriormente il campo, catturando solo l'audio della scheda della riunione, quindi sente solo l'intervistatore e non trascrive mai voi. Se il vostro accento era ciò che vi preoccupava, l'estensione elimina del tutto il problema.

È ragionevole presumere che scegliere una lingua scelga anche un accento, e che da qualche parte esista un'opzione per l'inglese indiano o l'inglese scozzese che non avete ancora trovato. Non è così. L'impostazione della lingua seleziona una lingua e nient'altro di più specifico. Le varianti regionali confluiscono prima che l'audio raggiunga il riconoscitore, quindi l'inglese britannico e l'inglese americano arrivano come la stessa richiesta.

Ciò che accade automaticamente: con il rilevamento automatico predefinito, il motore deduce la lingua dai primi secondi di parlato invece di obbligarvi a dichiararla. L'accuratezza sul parlato con accento dipende da quanto di quell'accento era presente nei dati di addestramento del modello di riconoscimento, cosa che nessuna impostazione espone e che l'app non può sovrascrivere. Dirlo apertamente è meglio che lasciar intendere che esista una manopola. Dove si trovano i campi della lingua è mostrato nella pagina tutorial.

Gli errori sono raramente eclatanti. Un termine tecnico frainteso o una negazione persa si trasformano in un suggerimento fluente, sicuro di sé, che risponde a qualcosa che l'intervistatore non ha chiesto. Il fallimento è silenzioso, ed è proprio questo a renderlo importante da conoscere.

Aaron Cao, fondatore di SubcueAI, ha messo la trascrizione live sullo schermo accanto al suggerimento invece di nasconderla proprio per questo motivo. Vedere la frase che il sistema crede di aver sentito vi permette di cogliere la discrepanza in circa un secondo, mentre un suggerimento senza trascrizione visibile vi lascerebbe a fidarvi di una scatola nera nel momento in cui potete permettervelo di meno.

L'abitudine che vale la pena costruire: leggete prima la riga di trascrizione, poi il suggerimento. Quando sono in disaccordo, vincono le vostre orecchie. Come si combinano la cattura audio e la generazione delle risposte è trattato nelle pagine come funziona.

Nessuna delle leve seguenti cambia il modello acustico, e nessuna fa sì che un accento marcato venga trascritto come uno leggero. Ciò che fanno è eliminare gli errori che dipendono da voi.

• Un headset invece degli altoparlanti: mantiene pulito l'audio dell'intervistatore e impedisce che l'eco della stanza venga trascritta di nuovo.
• Una stanza silenziosa: il parlato di sottofondo è una fonte di errore che le persone sottovalutano, perché il riconoscitore non sa quale voce sia il colloquio.
• Indicare la lingua invece di affidarsi al rilevamento automatico: se sapete già che il colloquio sarà in tedesco, dichiararlo evita un'incertezza di rilevamento nei secondi iniziali.
• Meno fonti audio parallele: musica, suoni di notifica e una seconda chiamata finiscono tutti nello stesso flusso audio di sistema.

Eseguire un colloquio simulato esattamente sull'hardware che intendete usare è il modo più veloce per vedere il vostro reale tasso di errore prima che conti davvero.