Czy asystent AI do rozmów kwalifikacyjnych radzi sobie z akcentami?

Pytanie rozpada się na dwie części, a każda połowa ma inną odpowiedź. Twój akcent wpływa na to, jak transkrybowana jest twoja własna mowa. Akcent osoby przeprowadzającej rozmowę wpływa na to, czy asystent zrozumiał pytanie, na które właśnie ma odpowiedzieć, i to właśnie ta połowa decyduje, czy sugestia na twoim ekranie ma jakąkolwiek wartość.

W aplikacjach desktopowych na macOS i Windows przechwytywane są obie strony: dźwięk systemowy przenosi osobę przeprowadzającą rozmowę, twój mikrofon przenosi ciebie, a oba strumienie są rozpoznawane osobno. Tylko zakończone zdania osoby przeprowadzającej rozmowę uruchamiają nową sugestię. Side Panel rozszerzenia przeglądarki zawęża to jeszcze bardziej, przechwytując wyłącznie dźwięk karty spotkania, więc słyszy tylko osobę przeprowadzającą rozmowę i nigdy nie transkrybuje ciebie. Jeśli martwił cię właśnie twój własny akcent, rozszerzenie całkowicie usuwa ten problem.

Rozsądnie jest założyć, że wybór języka wybiera również akcent i że gdzieś istnieje opcja angielskiego indyjskiego lub szkockiego, której jeszcze nie znalazłeś. Tak nie jest. Ustawienie języka wybiera język i nic bardziej szczegółowego. Warianty regionalne zlewają się w jedno, zanim dźwięk dotrze do systemu rozpoznawania mowy, więc brytyjski angielski i amerykański angielski docierają jako to samo żądanie.

Co dzieje się automatycznie: przy domyślnym automatycznym wykrywaniu silnik ustala język na podstawie pierwszych sekund mowy, zamiast wymagać od ciebie jego zadeklarowania. Dokładność w przypadku mowy z akcentem wynika z tego, jak dużo tego akcentu znalazło się w danych treningowych modelu rozpoznawania, czego nie ujawnia żadne ustawienie i czego aplikacja nie może zmienić. Powiedzenie tego wprost jest lepsze niż sugerowanie, że istnieje jakiś przełącznik. To, gdzie znajdują się pola językowe, pokazano na stronie samouczka.

Błędy rzadko są dramatyczne. Źle zrozumiany termin techniczny lub pominięte przeczenie zamieniają się w sugestię, która jest płynna, pewna siebie i odpowiada na coś, o co osoba przeprowadzająca rozmowę nie pytała. Ta awaria jest cicha, i właśnie dlatego warto o niej wiedzieć.

Aaron Cao, założyciel SubcueAI, właśnie z tego powodu umieścił transkrypcję na żywo na ekranie obok sugestii, zamiast ją ukrywać. Widząc zdanie, które system uważa, że usłyszał, możesz zauważyć niezgodność w ciągu około sekundy, podczas gdy sugestia bez widocznej transkrypcji kazałaby ci zaufać czarnej skrzynce w momencie, na który najmniej cię stać.

Nawyk, który warto wyrobić: najpierw czytaj linię transkrypcji, potem sugestię. Kiedy się nie zgadzają, wygrywają twoje uszy. To, jak przechwytywanie dźwięku i generowanie odpowiedzi łączą się w całość, omówiono na stronach jak to działa.

Żaden z poniższych sposobów nie zmienia modelu akustycznego i żaden nie sprawia, że silny akcent jest transkrybowany tak jak lekki. To, co robią, to eliminowanie błędów, które zależą od ciebie.

• Zestaw słuchawkowy zamiast głośników: utrzymuje czysty dźwięk osoby przeprowadzającej rozmowę i zapobiega ponownemu transkrybowaniu echa pomieszczenia.
• Cicha przestrzeń: rozmowy w tle to źródło błędów, które ludzie niedoceniają, ponieważ system rozpoznawania nie wie, który głos jest głosem z rozmowy kwalifikacyjnej.
• Wskazanie języka zamiast automatycznego wykrywania: jeśli już wiesz, że rozmowa odbędzie się po niemiecku, podanie tego z góry pozwala uniknąć chwiejności wykrywania w pierwszych sekundach.
• Mniej równoległych źródeł dźwięku: muzyka, dźwięki powiadomień i drugie połączenie trafiają do tego samego strumienia dźwięku systemowego.

Przeprowadzenie jednej próbnej rozmowy kwalifikacyjnej dokładnie na sprzęcie, którego zamierzasz użyć, to najszybszy sposób, by poznać swój rzeczywisty wskaźnik błędów, zanim będzie to miało znaczenie.