Come catturano l'audio di sistema gli assistenti AI per colloqui?

In un colloquio video, ci sono due flussi audio distinti sulla tua macchina:

• Input del microfono — la tua voce, catturata dal microfono.
• Output audio di sistema — tutto ciò che il tuo computer sta riproducendo attraverso gli altoparlanti, inclusa la voce dell'intervistatore proveniente da Zoom, Google Meet o Microsoft Teams.

Un assistente AI per colloqui ha bisogno di entrambi i flussi per seguire la conversazione: le domande dell'intervistatore (audio di sistema) e le tue risposte (microfono). Catturare solo un lato produce una trascrizione parziale e suggerimenti più deboli.

La cattura dell'audio di sistema si basa sulle API audio del sistema operativo piuttosto che sull'app di meeting stessa. Il meccanismo esatto varia in base alla piattaforma:

• macOS — le versioni moderne espongono i tap audio di processo e di sistema tramite Core Audio. Approcci più vecchi utilizzavano dispositivi audio virtuali (driver di loopback) che reindirizzano l'output di sistema come input.
• Windows — la Windows Audio Session API (WASAPI) supporta la cattura in loopback, che consente a un'applicazione di registrare ciò che viene riprodotto da un dispositivo di output scelto.

In entrambi i casi, la cattura avviene localmente sul tuo dispositivo. L'assistente non ha bisogno di essere "dentro" Zoom o Teams; legge l'audio dopo che l'app di meeting lo ha già decodificato per la riproduzione. Puoi leggere di più sull'intera pipeline sulla homepage di SubcueAI o nel tutorial.

SubcueAI è un'app desktop nativa per macOS e Windows. Utilizza la cattura audio duale: un flusso per il tuo microfono e un flusso per l'audio di sistema proveniente dall'app di meeting. Entrambi i flussi vengono trascritti in modo che l'assistente possa distinguere chi ha detto cosa.

• Nessun bot di meeting si unisce alla chiamata come partecipante.
• Nessun plugin del browser o estensione viene installato in Zoom, Google Meet o Teams.
• I suggerimenti appaiono in un overlay locale fluttuante sul tuo schermo.

Poiché l'overlay viene renderizzato localmente, non fa parte del flusso video che invii all'intervistatore. Per maggiori informazioni sulle scelte di design alla base di questo, vedi Informazioni su SubcueAI o come si confronta con le alternative.

La cattura dell'audio di sistema funziona sul tuo personal computer. Non cambia ciò che un intervistatore può osservare in queste situazioni:

• Condivisione dello schermo — se condividi l'intero schermo, qualsiasi finestra di overlay locale è visibile all'intervistatore.
• Registrazione dello schermo o esami con proctoring — gli strumenti di registrazione e i software di proctoring possono catturare overlay e processi in esecuzione indipendentemente da come viene intercettato l'audio.
• Dispositivi gestiti dall'azienda o bloccati — le policy IT possono impedire l'installazione di app di terze parti o l'accesso alle API audio.
• Configurazioni con solo cuffie — se l'app di meeting indirizza l'audio a un auricolare Bluetooth in un modo che il sistema operativo non espone, la cattura in loopback può essere incoerente.

Per maggiore contesto su ciò che è e non è osservabile, vedi Sicurezza.