Чи може AI-асистент для співбесід транскрибувати як інтерв'юера, так і кандидата?

Якщо ви коли-небудь намагалися записати співбесіду за допомогою одного мікрофона, ви вже знаєте цю проблему: ваш власний голос чіткий і гучний, але інтерв'юер — що лунає з ваших динаміків або навушників — тихий, луна-подібний або взагалі не чутний. Для чіткого транскрибування обох сторін потрібні два окремих джерела звуку.

AI-асистент для співбесід вирішує це, одночасно захоплюючи два потоки: системний звук (все, що відтворює ваш комп'ютер, включно з голосом інтерв'юера у Zoom, Google Meet або Microsoft Teams) і ваш мікрофон (ваші власні відповіді). Кожен потік транскрибується незалежно, тому слова приписуються правильному мовцю, а не змішуються в одну нерозбірливу доріжку.

SubcueAI працює як нативний десктопний застосунок на macOS і Windows — не як плагін для браузера і не як бот, що приєднується до наради. На macOS він отримує системний звук через API захоплення екрана операційної системи; на Windows використовує системний пристрій зворотного зв'язку (loopback). Мікрофон захоплюється паралельно через звичайний пристрій введення.

Уявіть бекенд-інженера, який проходить співбесіду на посаду сеньйора через Zoom: питання менеджера з найму надходять як системний звук, усні відповіді кандидата — як звук мікрофона, і SubcueAI транскрибує обидва в режимі реального часу. Оскільки два потоки залишаються окремими, транскрипт виглядає як розмічений діалог, а не один нерозчленований блок.

Захоплення відбувається повністю на вашому пристрої, а плаваючий оверлей, що показує транскрипт, є локальним на вашому робочому столі. Короткий посібник із налаштування охоплює встановлення.

Розміщення інтерв'юера і кандидата на окремих каналах робить більше, ніж просто впорядковує транскрипт — це дозволяє асистенту вирішити, на яку репліку реагувати. Питання на каналі інтерв'юера — це те, на що має відповідати підказка відповіді; ваш власний канал є контекстом, а не новим запитом.

• Позначення мовців природно випливає з дводжерельного дизайну, оскільки кожен потік має відомого власника.
• Затримка залежить від шляху розпізнавання мовлення; потокове транскрибування повертає частковий текст, поки людина ще говорить.
• Точність найкраща за чистого сигналу системного звуку — хорошу гарнітуру і тиха кімната допомагають обом каналам.

Для повного шляху від захоплення до підказки дивіться хаб how it works.

Двостороннє транскрибування передбачає, що звук дійсно надходить до вихідних і вхідних пристроїв вашого комп'ютера. Воно не охоплює кожну ситуацію, і чесно визнати це:

• На корпоративному пристрої, яким ви не керуєте, ви можете взагалі не мати змоги встановити десктопний застосунок.
• Середовища під наглядом і програмне забезпечення для дистанційного моніторингу можуть обмежувати фонові застосунки або активність екрана.
• Якщо сеанс записується з екрана з іншого боку, цей запис є незалежним від того, що ваш асистент робить локально.
• Особисті раунди, де звук ніколи не проходить через ваш комп'ютер, виходять за межі захоплення системного звуку.

SubcueAI створено для ваших власних дистанційних співбесід на вашому власному пристрої; його обмеження розглядаються в хабі detectability.