Open-source AI-interviewassistenten: wat GitHub biedt en de echte afwegingen

Zoeken naar een open-source AI-interviewassistent betekent meestal een van twee dingen: je wilt de code kunnen controleren voordat je die in de buurt van een echt interview laat komen, of je wilt een abonnement overslaan door alles zelf te draaien. GitHub heeft projecten voor allebei. De meeste volgen hetzelfde recept: een script of lichte desktopschil neemt audio op, stuurt die naar een spraak-naar-tekst-API, geeft het transcript met je eigen API-sleutel door aan een groot taalmodel en toont voorgestelde antwoorden in een terminal of venster.

• Breng je eigen sleutels mee — het project levert alleen de lijmcode; de spraak-naar-tekst- en LLM-aanroepen worden op jouw accounts afgerekend.
• Permissieve licenties zijn gangbaar — vrij kunnen forken en aanpassen is precies de aantrekkingskracht voor knutselaars.
• Microfoon-eerst-ontwerpen — je eigen microfoon opnemen is overal makkelijk; de stem van de interviewer betrouwbaar uit de systeemaudio halen is waar de meeste repo's dun worden.
• Wisselvallig onderhoud — sommige projecten worden actief onderhouden, veel andere zijn weekendexperimenten waarvan de commits stilletjes zijn gestopt.

De architectuur die deze projecten benaderen — live transcriptie die de antwoordgeneratie voedt — is dezelfde pijplijn die commerciële tools native bouwen; het onderwerp hoe het werkt legt die in detail uit.

Open source willen is een redelijk instinct — je kunt precies lezen wat de code met je audio doet, en niemand kan je de tool afnemen. Deze sectie zet op een rij wat die controle in de praktijk werkelijk kost. De korte versie: installatiewerk vooraf, de kwaliteit van de audio-opname tijdens het gesprek, en onderhoud voor altijd daarna.

• Installatiewerk — afhankelijkheden, API-sleutels, audiorouting en platformeigenaardigheden los je zelf op; een native app perst dat alles in één installer.
• Systeemaudio opnemen — de interviewer horen vereist loopback op OS-niveau of een virtueel audioapparaat op macOS en Windows, en veel projecten documenteren maar één platform.
• Latency afstellen — generieke spraak-naar-tekst- en LLM-API's aan elkaar knopen werkt, maar suggesties snel genoeg laten aankomen om midden in een gesprek nuttig te zijn wordt jouw engineeringprobleem.
• Geen support, geen updates — als een OS-update of API-wijziging het opnamepad breekt, komt de fix wanneer een vrijwilliger er tijd voor vindt, of nooit.

Een backend-engineer die zich voorbereidt op een seniorfunctie bij een cloudleverancier kloont op zaterdag een veelbelovende repo: 's avonds werken de LLM-antwoorden, maar de kant van de interviewer blijft in een Zoom-testgesprek stil, omdat de systeemaudio een virtueel apparaat nodig heeft dat de README alleen voor het andere besturingssysteem beschrijft. De fix ligt in een niet-gemergde pull request.

SubcueAI is niet open source. Het is een closed-source, native desktop-app voor macOS en Windows, en de broncode staat niet op GitHub — deze pagina doet niet alsof dat anders is. Wat je in ruil voor de broncodetoegang krijgt, is de afgewerkte versie van alles wat de repo's hierboven als oefening laten liggen:

• Dubbele audio-opname — je microfoon en de systeemaudio van de interviewer worden native opgenomen, zonder virtueel audioapparaat om in te stellen.
• Een zwevende lokale overlay — suggesties verschijnen in een venster op je eigen machine; niets sluit aan bij de meeting.
• Geen meetingbot, geen browserplugin — het onopvallende ontwerp dat voorzichtige zelfhosters zoeken, is hier de standaard.
• Onderhouden updates — als besturingssystemen hun audiostack wijzigen, is het repareren de taak van de leverancier, niet jouw weekend.

De eerlijke keerzijde: als jouw harde eis is om elke regel code te kunnen controleren of exact te bepalen welke diensten je audio bereikt, dan voldoet SubcueAI daar niet aan en is een open-source project de juiste keuze. Hoe dan ook gelden voor elk hulpmiddel dezelfde grenzen — schermdelen, schermopname, omgevingen met proctoring en door het bedrijf beheerde apparaten schakelen elke assistent uit, zoals gedocumenteerd op de pagina /security — en de actuele abonnementen, inclusief de gratis laag, staan op /pricing.

Kies je de open-source route, beoordeel de repo dan zoals elke dependency waarop je een sollicitatiegesprek gaat inzetten — een assistent die halverwege het gesprek sterft, is erger dan geen assistent. Een praktische checklist:

• Onderhoudssignalen — recente commits, reagerende maintainers en beantwoorde issues; de week van je interview is een slecht moment om verlatenheid te ontdekken.
• De realiteit van audio-opname — zoek in de issues naar problemen met systeemaudio, loopback en virtuele apparaten op precies jouw OS voordat je aanneemt dat de opname werkt.
• Alleen microfoon of dubbele opname — een tool die alleen jou hoort, mist juist de vragen; de audio van de interviewer is de helft die ertoe doet.
• Waar je audio naartoe gaat — lees de code rond de API-aanroepen; met je eigen sleutels reizen transcripten naar de providers die jij hebt ingesteld.
• Een volledige generale repetitie — voer dagen vóór het echte gesprek een compleet proefgesprek op Zoom, Google Meet of Microsoft Teams, niet pas die ochtend.

Als die checklist je ervan overtuigt dat een onderhouden app de veiligere weg is, vergelijkt de gids beste AI-interviewassistent de huidige opties naast elkaar.