Fungerar en AI-intervjuassistent med brytningar?

Frågan delar sig i två, och de två halvorna har olika svar. Din brytning påverkar hur ditt eget tal transkriberas. Intervjuarens brytning påverkar om assistenten förstod frågan den är på väg att besvara, och det är den halvan som avgör om förslaget på din skärm är värt något.

I skrivbordsapparna för macOS och Windows fångas båda sidor: systemljudet bär intervjuaren, din mikrofon bär dig, och de två strömmarna känns igen separat. Endast intervjuarens avslutade meningar utlöser ett nytt förslag. Webbläsartilläggets Side Panel begränsar detta ytterligare genom att endast fånga ljudet från mötesfliken, så det hör bara intervjuaren och transkriberar aldrig dig. Om det var din egen brytning som oroade dig tar tillägget bort den frågan helt och hållet.

Det är rimligt att anta att valet av språk också väljer en brytning, och att det någonstans finns ett alternativ för indisk engelska eller skotsk engelska som du bara inte har hittat. Så är det inte. Språkinställningen väljer ett språk och inget mer specifikt än så. Regionala varianter smälter samman innan ljudet når taligenkänningen, så brittisk engelska och amerikansk engelska kommer in som samma förfrågan.

Det som faktiskt sker automatiskt: med standardinställningen för automatisk detektering räknar motorn ut språket utifrån de första sekunderna av tal i stället för att tvinga dig att ange det. Noggrannhet vid brytat tal beror på hur mycket av den brytningen som fanns i igenkänningsmodellens träningsdata, något som ingen inställning visar och som appen inte kan åsidosätta. Att säga det rakt ut är bättre än att antyda att det finns en reglage. Var språkfälten finns visas på sidan tutorial.

Fel är sällan dramatiska. En feltolkad teknisk term eller en tappad negation förvandlas till ett förslag som är flytande, självsäkert och besvarar något intervjuaren inte frågade. Felet är tyst, och det är precis det som gör det värt att känna till.

Aaron Cao, grundare av SubcueAI, placerade av just det skälet den direktsända transkriptionen på skärmen bredvid förslaget i stället för att gömma den. Att se meningen som systemet tror att det hörde låter dig upptäcka missmatchningen på ungefär en sekund, medan ett förslag utan synlig transkription skulle lämna dig att lita på en svart låda i det ögonblick du minst har råd med det.

Vanan som är värd att bygga upp: läs transkriptionsraden först, förslaget sedan. När de inte stämmer överens vinner dina öron. Hur ljudinfångning och svarsgenerering hänger ihop tas upp på sidorna hur det fungerar.

Ingen av spakarna nedan ändrar den akustiska modellen, och ingen av dem gör att en kraftig brytning transkriberas som en lätt. Det de gör är att ta bort de fel som är dina att ta bort.

• Ett headset i stället för högtalare: håller intervjuarens ljud rent och förhindrar att rumsekot transkriberas tillbaka.
• Ett tyst rum: bakgrundstal är en felkälla som folk underskattar, eftersom taligenkänningen inte vet vilken röst som är intervjun.
• Att ange språket i stället för att förlita sig på automatisk detektering: om du redan vet att intervjun kommer att hållas på tyska undviker du en detekteringsvinglighet under de första sekunderna genom att ange det.
• Färre parallella ljudkällor: musik, aviseringsljud och ett andra samtal hamnar alla i samma systemljudström.

Att köra en övningsintervju på exakt den hårdvara du planerar att använda är det snabbaste sättet att se din verkliga felmarginal innan det spelar roll.