Un assistente AI per colloqui può trascrivere sia l'intervistatore che il candidato?

Se hai mai provato a registrare un colloquio con un solo microfono, conosci già il problema: la tua voce è forte e chiara, ma l'intervistatore — che parla attraverso i tuoi altoparlanti o le cuffie — è fioco, echeggiante o mancato del tutto. Trascrivere entrambe le parti con chiarezza richiede due sorgenti audio separate.

Un assistente AI per colloqui risolve questo catturando due stream contemporaneamente: audio di sistema (tutto ciò che il tuo computer riproduce, inclusa la voce dell'intervistatore in Zoom, Google Meet o Microsoft Teams) e il tuo microfono (le tue risposte). Ogni stream viene trascritto indipendentemente, così le parole vengono attribuite al parlante corretto invece di essere mescolate in un'unica traccia confusa.

SubcueAI funziona come un'app desktop nativa su macOS e Windows — non un plugin per browser, né un bot che si unisce alla riunione. Su macOS accede all'audio di sistema tramite le API audio di cattura dello schermo del sistema operativo; su Windows utilizza il dispositivo di loopback di sistema. Il microfono viene catturato in parallelo tramite il normale dispositivo di input.

Considera un ingegnere backend che fa un colloquio per un ruolo senior tramite Zoom: le domande del responsabile delle assunzioni arrivano come audio di sistema, le risposte parlate del candidato come audio del microfono, e SubcueAI trascrive entrambi in tempo reale. Poiché i due stream rimangono separati, la trascrizione si legge come uno scambio etichettato invece di un unico blocco indifferenziato.

La cattura avviene interamente sulla tua macchina, e l'overlay flottante che mostra la trascrizione è locale sul tuo desktop. Una breve procedura guidata di configurazione copre l'installazione.

Mantenere l'intervistatore e il candidato su canali separati fa più che riordinare la trascrizione — permette all'assistente di decidere quale turno richiedere azione. Una domanda sul canale dell'intervistatore è ciò a cui un suggerimento di risposta deve rispondere; il tuo canale è contesto, non un nuovo prompt.

• L'etichettatura dei parlanti emerge naturalmente dal design a due sorgenti, poiché ogni stream ha un proprietario noto.
• La latenza dipende dal percorso di riconoscimento vocale; la trascrizione in streaming restituisce testo parziale mentre la persona sta ancora parlando.
• La precisione è migliore con un segnale audio di sistema pulito — un buon auricolare e una stanza silenziosa aiutano entrambi i canali.

Per il percorso completo dalla cattura al suggerimento, vedi l'hub how it works.

La trascrizione bilaterale presuppone che l'audio raggiunga effettivamente i dispositivi di output e input del tuo computer. Non copre ogni situazione, ed è onesto dirlo:

• Su un dispositivo gestito dall'azienda che non controlli, potresti non essere in grado di installare un'app desktop.
• Gli ambienti sorvegliati e il software di monitoraggio remoto possono limitare le app in background o l'attività sullo schermo.
• Se una sessione viene registrata sullo schermo dall'altra parte, quella registrazione è indipendente da ciò che il tuo assistente fa localmente.
• I colloqui di persona, dove l'audio non passa mai attraverso il tuo computer, sono fuori ambito per la cattura audio di sistema.

SubcueAI è costruito per i tuoi colloqui remoti sulla tua macchina; i suoi limiti sono trattati nell'hub detectability.