Может ли ИИ-ассистент для собеседований транскрибировать и интервьюера, и кандидата?

Если вы пытались записать собеседование с одним микрофоном, вы уже знаете проблему: ваш голос звучит громко и чётко, но интервьюер — доносящийся через динамики или наушники — слышится тихо, с эхом или не слышится вовсе. Для чистого транскрибирования обеих сторон нужны два отдельных источника аудио.

ИИ-ассистент решает эту задачу, одновременно захватывая два потока: системный звук (всё, что воспроизводит ваш компьютер, включая голос интервьюера в Zoom, Google Meet или Microsoft Teams) и ваш микрофон (ваши ответы). Каждый поток транскрибируется независимо, поэтому слова приписываются нужному говорящему, а не смешиваются в одну невнятную дорожку.

SubcueAI работает как нативное десктопное приложение на macOS и Windows — не как плагин для браузера и не как бот, присоединяющийся к встрече. На macOS системный звук захватывается через API захвата экрана операционной системы; на Windows используется системное loopback-устройство. Ваш микрофон параллельно захватывается через стандартное устройство ввода.

Представьте бэкенд-разработчика, проходящего собеседование на старшую должность через Zoom: вопросы нанимающего менеджера поступают как системный звук, устные ответы кандидата — как аудио с микрофона, и SubcueAI транскрибирует каждый поток в реальном времени. Поскольку два потока остаются раздельными, транскрипт читается как размеченный диалог, а не как один нераздельный блок.

Захват происходит полностью на вашем устройстве, а плавающий оверлей с транскриптом отображается локально на вашем рабочем столе. Краткое руководство по установке охватывает весь процесс настройки.

Размещение интервьюера и кандидата на отдельных каналах не просто упорядочивает транскрипт — это позволяет ассистенту определить, на какую реплику реагировать. Вопрос на канале интервьюера — это то, на что должна отвечать подсказка; ваш канал — это контекст, а не новый запрос.

• Маркировка говорящих вытекает естественным образом из двухисточниковой конструкции, поскольку каждый поток имеет известного владельца.
• Задержка зависит от пути распознавания речи; потоковая транскрипция возвращает частичный текст, пока человек ещё говорит.
• Точность лучше всего при чистом сигнале системного звука — хорошая гарнитура и тихая комната помогают обоим каналам.

Для ознакомления с полным путём от захвата до подсказки смотрите раздел как это работает.

Двусторонняя транскрипция предполагает, что аудио действительно поступает на устройства вывода и ввода вашего компьютера. Она охватывает не все ситуации, и честно это признать:

• На корпоративном устройстве, которым вы не управляете, вы можете вовсе не иметь возможности установить десктопное приложение.
• Контролируемые среды и программное обеспечение удалённого мониторинга могут ограничивать фоновые приложения или активность на экране.
• Если сессия записывается на экран с другой стороны, эта запись не зависит от действий вашего ассистента локально.
• Очные туры, где аудио никогда не проходит через ваш компьютер, выходят за рамки захвата системного звука.

SubcueAI создан для ваших собственных удалённых собеседований на вашем собственном устройстве; его ограничения рассматриваются в разделе обнаруживаемость.