Como os assistentes de entrevista com IA capturam áudio do sistema?

Em uma entrevista em vídeo, há dois fluxos de áudio distintos na sua máquina:

• Entrada do microfone — sua própria voz, capturada pelo microfone.
• Saída de áudio do sistema — tudo o que seu computador está reproduzindo pelos alto-falantes, incluindo a voz do entrevistador vinda do Zoom, Google Meet ou Microsoft Teams.

Um assistente de entrevista com IA precisa de ambos os fluxos para acompanhar a conversa: as perguntas do entrevistador (áudio do sistema) e suas respostas (microfone). Capturar apenas um lado produz uma transcrição parcial e sugestões mais fracas.

A captura de áudio do sistema depende das APIs de áudio do sistema operacional, e não do aplicativo de reunião em si. O mecanismo exato varia conforme a plataforma:

• macOS — versões modernas expõem taps de áudio de processo e de sistema através do Core Audio. Abordagens mais antigas usavam dispositivos de áudio virtuais (drivers de loopback) que redirecionam a saída do sistema de volta como uma entrada.
• Windows — a Windows Audio Session API (WASAPI) suporta captura em loopback, o que permite que um aplicativo grave qualquer coisa que esteja sendo reproduzida por um dispositivo de saída escolhido.

De qualquer forma, a captura acontece localmente no seu dispositivo. O assistente não precisa estar "dentro" do Zoom ou Teams; ele lê o áudio depois que o aplicativo de reunião já o decodificou para reprodução. Você pode ler mais sobre o pipeline geral na página inicial do SubcueAI ou no tutorial.

O SubcueAI é um aplicativo desktop nativo para macOS e Windows. Ele usa captura dupla de áudio: um fluxo para seu microfone e um fluxo para o áudio do sistema vindo do aplicativo de reunião. Ambos os fluxos são transcritos para que o assistente possa identificar quem disse o quê.

• Nenhum bot de reunião entra na chamada como participante.
• Nenhum plugin de navegador ou extensão é instalado no Zoom, Google Meet ou Teams.
• As sugestões aparecem em um overlay local flutuante na sua própria tela.

Como o overlay é renderizado localmente, ele não faz parte do fluxo de vídeo que você envia ao entrevistador. Para mais detalhes sobre as decisões de design por trás disso, consulte Sobre o SubcueAI ou como ele se compara a alternativas.

A captura de áudio do sistema funciona no seu próprio computador pessoal. Ela não altera o que um entrevistador pode observar nestas situações:

• Compartilhamento de tela — se você compartilhar a tela inteira, qualquer janela de overlay local fica visível para o entrevistador.
• Gravação de tela ou provas com supervisão — ferramentas de gravação e softwares de proctoring podem capturar overlays e processos em execução independentemente de como o áudio é interceptado.
• Dispositivos gerenciados pela empresa ou bloqueados — políticas de TI podem impedir a instalação de aplicativos de terceiros ou o acesso às APIs de áudio.
• Configurações apenas com fones de ouvido — se o aplicativo de reunião encaminhar o áudio para um fone Bluetooth de uma forma que o SO não exponha, a captura em loopback pode ser inconsistente.

Para mais contexto sobre o que é e o que não é observável, consulte Segurança.