کیا AI انٹرویو اسسٹنٹ انٹرویو لینے والے اور امیدوار، دونوں کو ٹرانسکرائب کر سکتا ہے؟

اگر آپ نے کبھی صرف ایک مائیکروفون سے انٹرویو ریکارڈ کرنے کی کوشش کی ہے، تو آپ پہلے سے یہ مسئلہ جانتے ہیں: آپ کی اپنی آواز بلند اور واضح ہوتی ہے، لیکن انٹرویو لینے والے کی آواز — جو آپ کے اسپیکرز یا ہیڈ فونز سے آ رہی ہوتی ہے — مدھم، گونج دار، یا مکمل طور پر چھوٹ جاتی ہے۔ دونوں اطراف کو صاف ستھرے انداز میں ٹرانسکرائب کرنے کے لیے دو الگ الگ آڈیو ذرائع درکار ہوتے ہیں۔

AI انٹرویو اسسٹنٹ اس مسئلے کو ایک ساتھ دو اسٹریمز کیپچر کر کے حل کرتا ہے: سسٹم آڈیو (آپ کا کمپیوٹر جو کچھ بھی چلاتا ہے، بشمول Zoom، Google Meet، یا Microsoft Teams میں انٹرویو لینے والے کی آواز) اور آپ کا مائیکروفون (آپ کے اپنے جوابات)۔ ہر اسٹریم کو الگ الگ ٹرانسکرائب کیا جاتا ہے، اس لیے الفاظ درست بولنے والے سے منسوب ہوتے ہیں، بجائے اس کے کہ وہ ایک دھندلے ٹریک میں گڈمڈ ہو جائیں۔

SubcueAI، macOS اور Windows پر ایک نیٹو ڈیسک ٹاپ ایپ کے طور پر چلتا ہے — نہ کہ کوئی بوٹ جو میٹنگ میں شامل ہو۔ macOS پر یہ آپریٹنگ سسٹم کے اسکرین کیپچر آڈیو APIs کے ذریعے سسٹم آڈیو تک رسائی حاصل کرتا ہے؛ Windows پر یہ سسٹم لوپ بیک ڈیوائس استعمال کرتا ہے۔ آپ کا مائیکروفون معمول کے ان پٹ ڈیوائس کے ذریعے متوازی طور پر کیپچر ہوتا ہے۔

Zoom پر سینئر عہدے کے لیے انٹرویو دینے والے ایک بیک اینڈ انجینئر کا تصور کریں: ہائرنگ منیجر کے سوالات سسٹم آڈیو کے طور پر آتے ہیں، امیدوار کے بولے گئے جوابات مائیکروفون آڈیو کے طور پر آتے ہیں، اور SubcueAI ہر ایک کو ریئل ٹائم میں ٹرانسکرائب کرتا ہے۔ چونکہ دونوں اسٹریمز الگ رہتے ہیں، ٹرانسکرپٹ ایک لیبل شدہ گفتگو کی طرح پڑھا جاتا ہے، نہ کہ ایک غیر واضح بلاک کی طرح۔

یہ کیپچر مکمل طور پر آپ کی مشین پر ہوتا ہے، اور جو فلوٹنگ اوورلے ٹرانسکرپٹ دکھاتا ہے وہ آپ کے ڈیسک ٹاپ تک محدود ہوتا ہے۔ انسٹال کا مختصر سیٹ اپ واک تھرو اس کا احاطہ کرتا ہے۔

انٹرویو لینے والے اور امیدوار کو الگ الگ چینلز پر رکھنا صرف ٹرانسکرپٹ کو صاف ستھرا نہیں بناتا — یہ اسسٹنٹ کو یہ فیصلہ کرنے دیتا ہے کہ کس باری پر عمل کرنا ہے۔ انٹرویو لینے والے کے چینل پر آنے والا سوال ہی وہ چیز ہے جس کا جواب کی تجویز کو جواب دینا چاہیے؛ آپ کا اپنا چینل سیاق و سباق ہے، کوئی نیا پرامپٹ نہیں۔

• اسپیکر لیبلنگ دو ذرائع والے ڈیزائن سے قدرتی طور پر نکلتی ہے، کیونکہ ہر اسٹریم کا مالک معلوم ہوتا ہے۔
• لیٹنسی اسپیچ ٹو ٹیکسٹ کے راستے پر منحصر ہوتی ہے؛ اسٹریمنگ ٹرانسکرپشن شخص کے ابھی بول رہے ہوتے ہوئے بھی جزوی متن واپس دیتی ہے۔
• درستگی صاف سسٹم آڈیو سگنل کے ساتھ سب سے بہتر ہوتی ہے — ایک اچھا ہیڈسیٹ اور خاموش کمرہ دونوں چینلز کی مدد کرتے ہیں۔

کیپچر سے تجویز تک کے مکمل راستے کے لیے یہ کیسے کام کرتا ہے والا حب دیکھیں۔

دو طرفہ ٹرانسکرپشن یہ فرض کرتی ہے کہ آڈیو واقعی آپ کے کمپیوٹر کے آؤٹ پٹ اور ان پٹ ڈیوائسز تک پہنچتی ہے۔ یہ ہر صورتحال کا احاطہ نہیں کرتی، اور یہ بات صاف کہنا ہی ایمانداری ہے:

• ایسے کمپنی کے زیرِ انتظام ڈیوائس پر جسے آپ کنٹرول نہیں کرتے، ممکن ہے آپ ڈیسک ٹاپ ایپ سرے سے انسٹال ہی نہ کر سکیں۔
• پراکٹرڈ ماحول اور ریموٹ مانیٹرنگ سافٹ ویئر بیک گراؤنڈ ایپس یا اسکرین کی سرگرمی کو محدود کر سکتے ہیں۔
• اگر دوسری طرف سیشن اسکرین ریکارڈ کیا جا رہا ہے، تو وہ ریکارڈنگ آپ کے اسسٹنٹ کے مقامی طور پر کیے گئے کسی بھی کام سے آزاد ہے۔
• آمنے سامنے کے راؤنڈز، جہاں آڈیو کبھی آپ کے کمپیوٹر سے نہیں گزرتی، سسٹم آڈیو کیپچر کے دائرہ کار سے باہر ہیں۔

SubcueAI آپ کی اپنی مشین پر آپ کے اپنے ریموٹ انٹرویوز کے لیے بنایا گیا ہے؛ اس کی حدود شناخت والے حب پر بیان کی گئی ہیں۔