Um assistente de entrevistas com IA pode transcrever tanto o entrevistador quanto o candidato?

Se você já tentou gravar uma entrevista com um único microfone, já conhece o problema: sua própria voz é alta e clara, mas o entrevistador — que chega pelos seus alto-falantes ou fones de ouvido — é fraco, com eco ou completamente perdido. Transcrever os dois lados com clareza requer duas fontes de áudio separadas.

Um assistente de entrevistas com IA resolve isso capturando dois streams ao mesmo tempo: áudio do sistema (tudo o que seu computador reproduz, incluindo a voz do entrevistador no Zoom, Google Meet ou Microsoft Teams) e o seu microfone (suas próprias respostas). Cada stream é transcrito de forma independente, para que as palavras sejam atribuídas ao locutor correto em vez de se misturarem em uma única faixa confusa.

O SubcueAI é executado como um aplicativo de desktop nativo no macOS e no Windows — não é um plugin de navegador, nem um bot que entra na reunião. No macOS, ele acessa o áudio do sistema por meio das APIs de captura de áudio de tela do sistema operacional; no Windows, usa o dispositivo de loopback do sistema. Seu microfone é capturado em paralelo pelo dispositivo de entrada normal.

Imagine um engenheiro de backend se entrevistando para um cargo sênior pelo Zoom: as perguntas do gerente de contratação chegam como áudio do sistema, as respostas faladas do candidato chegam como áudio do microfone, e o SubcueAI transcreve cada uma em tempo real. Como os dois streams permanecem separados, a transcrição é lida como um diálogo rotulado em vez de um bloco indiferenciado.

A captura acontece inteiramente no seu computador, e a sobreposição flutuante que exibe a transcrição é local no seu desktop. Um breve guia de configuração cobre a instalação.

Manter o entrevistador e o candidato em canais separados faz mais do que organizar a transcrição — permite ao assistente decidir em qual turno agir. Uma pergunta no canal do entrevistador é o que uma sugestão de resposta deve responder; seu próprio canal é contexto, não um novo prompt.

• A rotulagem de locutores surge naturalmente do design de duas fontes, já que cada stream tem um proprietário conhecido.
• A latência depende do caminho de fala para texto; a transcrição em streaming retorna texto parcial enquanto a pessoa ainda está falando.
• A precisão é melhor com um sinal de áudio do sistema limpo — um bom headset e um ambiente silencioso ajudam ambos os canais.

Para o caminho completo de captura à sugestão, veja o hub como funciona.

A transcrição dos dois lados pressupõe que o áudio realmente chega aos dispositivos de saída e entrada do seu computador. Ela não cobre todas as situações, e é honesto dizer isso:

• Em um dispositivo gerenciado pela empresa que você não controla, talvez você nem consiga instalar um aplicativo de desktop.
• Ambientes monitorados e software de monitoramento remoto podem restringir aplicativos em segundo plano ou atividade de tela.
• Se uma sessão for gravada em tela do outro lado, essa gravação é independente do que seu assistente faz localmente.
• Rodadas presenciais, onde o áudio nunca passa pelo seu computador, estão fora do escopo da captura de áudio do sistema.

O SubcueAI foi desenvolvido para suas próprias entrevistas remotas no seu próprio computador; seus limites são abordados no hub de detectabilidade.