یہ کیسے کام کرتا ہے

یہ گروپ اُن لوگوں کے لیے ہے جو اپنا انٹرویو کسی چیز کے سپرد کرنے سے پہلے اس کی پائپ لائن سمجھنا چاہتے ہیں۔ بجا بات ہے۔

شروع سے آخر تک ایک جواب کی تجویز چار مرحلوں سے گزرتی ہے: کیپچر، ٹرانسکرپشن، جنریشن، رینڈرنگ۔ کیپچر آپریٹنگ سسٹم کا نیٹو ہے — macOS پر ScreenCaptureKit یا Windows پر WASAPI — جو سسٹم آڈیو کو OS کی سطح پر کھینچتا ہے تاکہ AI انٹرویو لینے والے کو اُسی راستے سے سنے جس سے آپ کے اسپیکر سنتے ہیں۔ مائیکروفون الگ سے کیپچر ہوتا ہے تاکہ AI کے پاس سیاق کے لیے آپ کی آواز بھی ہو اور انٹرویو کے بعد کی ٹرانسکرپٹ بھی۔ ٹرانسکرپشن ریئل ٹائم اسپیچ ٹو ٹیکسٹ ہے۔ جنریشن کے مرحلے میں سوال کے ساتھ آپ کا ریزیومے، جاب ڈسکرپشن اور اب تک کی گفتگو ایک بڑے لینگویج ماڈل کو بھیجی جاتی ہے، اور ایک سسٹم پرامپٹ جواب کی لمبائی کو انٹرویو کے مناسب حد میں رکھتا ہے۔ رینڈرنگ جواب کو ایک تیرتی ہوئی اوورلے ونڈو میں بہاتی ہے جو کانفرنسنگ ایپ کی ونڈو سے باہر ہوتی ہے — آپ اسے کہیں بھی گھسیٹ سکتے ہیں، بشمول اسکرین شیئر کے علاقے سے باہر۔

شروع سے آخر تک پہلے ٹوکن کی لیٹنسی کا بجٹ sub-400 milliseconds ہے۔ اس سے آگے جواب پڑھتے ہوئے آپ کی نظریں کیمرے سے ہٹ جاتی ہیں، اور سارا مقصد فوت ہو جاتا ہے۔ نیچے دیے گئے جوابات ہر مرحلے کی تفصیل، بجٹ سے تجاوز پر کیا ہوتا ہے، اور ہمارے چنے ہوئے سمجھوتوں کا احاطہ کرتے ہیں۔ (ہم نے یہ کیوں بنایا، اس کے گہرے سیاق کے لیے بانی کا خط دیکھیں۔)