如何即時面試語音轉文字運作

即時面試轉錄取決於同時擷取 兩個獨立的音訊串流：

• 系統音訊（loopback） — 透過 Zoom、Google Meet 或 Microsoft Teams 傳來的面試官聲音。
• 麥克風音訊 — 您說話時自己的聲音。

SubcueAI 的原生桌面應用程式使用 macOS 和 Windows 上可用的標準作業系統音訊 API，同時擷取這兩個串流。由於擷取發生在作業系統層級 — 而非在會議應用程式內部 — 因此不需要瀏覽器外掛程式或會議機器人。合併的串流接著會傳送到語音辨識引擎。

音訊被擷取後，會通過一個 串流語音轉文字管線，它以短而重疊的音訊區塊運作，而非等待完整句子。這種方法能保持低延遲 — 從說話到可讀文字通常只需幾秒鐘。

• 語音活動偵測 (VAD) 會過濾靜音，讓引擎只處理包含語音的影格，減少噪音並節省處理時間。
• 聲學建模 將音訊特徵對應到音素，再對應到單字，使用在大型語音資料集上訓練的神經網路。
• 語言建模 根據機率對單字序列進行排序，提升技術詞彙和面試中常見專有名詞的準確度。

結果是一個持續更新的滾動式轉錄稿，隨著對話進行而持續更新。

即時轉錄稿是 SubcueAI 答案建議層的輸入。當系統偵測到問題已被提出 — 根據句子結構和標點符號提示 — 它會將相關上下文傳送給大型語言模型 (LLM)，以產生建議回應。

• 建議會出現在 SubcueAI 的 浮動本地疊加層 中，只在您的螢幕上可見 — 不會分享到會議視窗。
• 疊加層的設計會避開任何共享螢幕區域，因此在參與者觀看您的螢幕分享時不會被看到。
• 您可以閱讀、調整或忽略任何建議；此工具旨在 支援 您的思考，而非逐字腳本化。

請參閱 設定教學，了解在面試前如何定位疊加層。

即時轉錄品質取決於任何應用程式無法完全控制的幾個因素：

• 麥克風品質與背景噪音 — 耳機麥克風比筆記型電腦內建麥克風能顯著提升準確度。
• 網路連線 — 如果 AI 推論步驟是雲端輔助，網路延遲會增加回應時間。
• 口音與說話速度 — 現代神經語音模型能處理廣泛的口音，但並非完美。
• 受監控或錄製的面試 — SubcueAI 的疊加層是本地且私密的，但在 螢幕錄製或受監控的環境 中，如果未小心定位或隱藏，疊加層可能出現在錄製中。在使用任何輔助工具前，請務必檢視您特定面試的規則。

若要更廣泛了解隱私以及面試官能看到什麼，請造訪 安全與隱私頁面。