Jak asystenci rozmów rekrutacyjnych AI przechwytują dźwięk systemowy?

W trakcie wideorozmowy na Twoim komputerze istnieją dwa odrębne strumienie audio:

• Wejście mikrofonowe — Twój własny głos rejestrowany przez mikrofon.
• Wyjście dźwięku systemowego — wszystko, co komputer odtwarza przez głośniki, w tym głos rekrutera dochodzący z Zoom, Google Meet lub Microsoft Teams.

Asystent rozmów rekrutacyjnych AI potrzebuje obu strumieni, aby śledzić rozmowę: pytań rekrutera (dźwięk systemowy) i Twoich odpowiedzi (mikrofon). Przechwytywanie tylko jednej strony skutkuje niepełną transkrypcją i słabszymi sugestiami.

Przechwytywanie dźwięku systemowego opiera się na audio API systemu operacyjnego, a nie na samej aplikacji do spotkań. Dokładny mechanizm różni się w zależności od platformy:

• macOS — nowoczesne wersje udostępniają tap'y na dźwięk procesowy i systemowy przez Core Audio. Starsze podejścia wykorzystywały wirtualne urządzenia audio (sterowniki loopback), które kierują wyjście systemu z powrotem jako wejście.
• Windows — Windows Audio Session API (WASAPI) obsługuje przechwytywanie loopback, co pozwala aplikacji nagrywać wszystko, co jest odtwarzane na wybranym urządzeniu wyjściowym.

W obu przypadkach przechwytywanie odbywa się lokalnie na Twoim urządzeniu. Asystent nie musi być „wewnątrz" Zoom ani Teams; odczytuje dźwięk już po tym, jak aplikacja do spotkań zdekodowała go do odtworzenia. Więcej o całym potoku przeczytasz na stronie głównej SubcueAI lub w samouczku.

SubcueAI to natywna aplikacja desktopowa dla macOS i Windows. Wykorzystuje podwójne przechwytywanie dźwięku: jeden strumień dla Twojego mikrofonu i jeden strumień dla dźwięku systemowego pochodzącego z aplikacji do spotkań. Oba strumienie są transkrybowane, dzięki czemu asystent rozróżnia, kto co powiedział.

• Żaden bot spotkania nie dołącza do rozmowy jako uczestnik.
• Żaden plugin przeglądarki ani rozszerzenie nie jest instalowane w Zoom, Google Meet ani Teams.
• Sugestie pojawiają się w pływającej, lokalnej nakładce na Twoim własnym ekranie.

Ponieważ nakładka renderowana jest lokalnie, nie jest częścią strumienia wideo, który wysyłasz do rekrutera. Więcej o decyzjach projektowych stojących za tym rozwiązaniem znajdziesz w O SubcueAI lub jak wypada na tle alternatyw.

Przechwytywanie dźwięku systemowego działa na Twoim własnym komputerze osobistym. Nie zmienia tego, co rekruter może zaobserwować w następujących sytuacjach:

• Udostępnianie ekranu — jeśli udostępniasz cały ekran, dowolne okno lokalnej nakładki jest widoczne dla rekrutera.
• Nagrywanie ekranu lub egzaminy z proctoringiem — narzędzia do nagrywania i oprogramowanie proctoringowe mogą rejestrować nakładki i działające procesy niezależnie od sposobu przechwytywania dźwięku.
• Urządzenia zarządzane przez firmę lub zablokowane — polityki IT mogą blokować instalację aplikacji firm trzecich lub dostęp do audio API.
• Konfiguracje wyłącznie ze słuchawkami — jeśli aplikacja do spotkań kieruje dźwięk do zestawu Bluetooth w sposób, którego system operacyjny nie udostępnia, przechwytywanie loopback może być niespójne.

Więcej kontekstu o tym, co jest, a co nie jest obserwowalne, znajdziesz w sekcji Bezpieczeństwo.