Czy asystent AI do rozmów kwalifikacyjnych może transkrybować zarówno rekrutera, jak i kandydata?

Jeśli próbowałeś nagrać rozmowę kwalifikacyjną za pomocą jednego mikrofonu, znasz już ten problem: Twój własny głos jest głośny i wyraźny, ale rekruter — dobiegający z głośników lub słuchawek — jest cichy, brzmi echem lub jest w ogóle pomijany. Aby czysto transkrybować obie strony, potrzebne są dwa oddzielne źródła audio.

Asystent AI do rozmów kwalifikacyjnych rozwiązuje ten problem, przechwytując jednocześnie dwa strumienie: dźwięk systemowy (wszystko, co odtwarza komputer, w tym głos rekrutera w Zoom, Google Meet lub Microsoft Teams) oraz Twój mikrofon (Twoje własne odpowiedzi). Każdy strumień jest transkrybowany niezależnie, dzięki czemu słowa są przypisywane do właściwego mówcy, a nie mieszane w jedną nieczytelną ścieżkę.

SubcueAI działa jako natywna aplikacja desktopowa na macOS i Windows — nie jako wtyczka do przeglądarki ani bot dołączający do spotkania. Na macOS korzysta z systemowych interfejsów API audio do przechwytywania ekranu; na Windows używa systemowego urządzenia loopback. Mikrofon jest przechwytywany równolegle za pomocą normalnego urządzenia wejściowego.

Wyobraź sobie inżyniera backendu ubiegającego się o stanowisko seniora podczas rozmowy przez Zoom: pytania menedżera ds. rekrutacji docierają jako dźwięk systemowy, mówione odpowiedzi kandydata jako dźwięk mikrofonu, a SubcueAI transkrybuje oba w czasie rzeczywistym. Ponieważ dwa strumienie pozostają oddzielne, transkrypcja wygląda jak oznakowana wymiana zdań, a nie jeden jednolity blok tekstu.

Przechwytywanie odbywa się w całości na Twoim komputerze, a pływająca nakładka wyświetlająca transkrypcję jest lokalna na Twoim pulpicie. Krótki przewodnik konfiguracji opisuje instalację.

Utrzymywanie rekrutera i kandydata na oddzielnych kanałach robi więcej niż porządkowanie transkrypcji — pozwala asystentowi zdecydować, którą turę obsłużyć. Pytanie na kanale rekrutera to to, na co powinna odpowiadać sugestia odpowiedzi; Twój własny kanał to kontekst, a nie nowy monit.

• Oznaczanie mówców wynika naturalnie z projektu dwuźródłowego, ponieważ każdy strumień ma znanego właściciela.
• Opóźnienie zależy od ścieżki zamiany mowy na tekst; strumieniowa transkrypcja zwraca częściowy tekst, gdy osoba jeszcze mówi.
• Dokładność jest najlepsza przy czystym sygnale dźwięku systemowego — dobry zestaw słuchawkowy i cicha przestrzeń pomagają obu kanałom.

Aby zapoznać się z pełną ścieżką od przechwycenia do sugestii, odwiedź centrum how it works.

Dwustronna transkrypcja zakłada, że dźwięk faktycznie dociera do urządzeń wyjściowych i wejściowych Twojego komputera. Nie obejmuje każdej sytuacji i warto to szczerze przyznać:

• Na urządzeniu zarządzanym przez firmę, nad którym nie masz kontroli, możesz w ogóle nie być w stanie zainstalować aplikacji desktopowej.
• Środowiska nadzorowane i oprogramowanie do zdalnego monitorowania mogą ograniczać aplikacje działające w tle lub aktywność ekranu.
• Jeśli sesja jest nagrywana z ekranu po drugiej stronie, to nagranie jest niezależne od tego, co Twój asystent robi lokalnie.
• Rozmowy osobiste, podczas których dźwięk nigdy nie przechodzi przez Twój komputer, są poza zakresem przechwytywania dźwięku systemowego.

SubcueAI jest zbudowany dla Twoich własnych zdalnych rozmów kwalifikacyjnych na Twoim własnym komputerze; jego ograniczenia zostały omówione w centrum detectability.