实时面试语音转文本的工作原理

实时面试转录依赖于同时捕获两条独立的音频流：

• 系统音频（loopback） — 面试官通过 Zoom、Google Meet 或 Microsoft Teams 传来的声音。
• 麦克风音频 — 您自己说话的声音。

SubcueAI 的原生桌面应用使用 macOS 和 Windows 上可用的标准操作系统音频 API 同时捕获这两条流。由于捕获发生在操作系统级别 — 而非会议应用内部 — 因此无需浏览器插件或会议机器人。合并后的流随后被传递给语音识别引擎。

音频被捕获后，会通过一个流式语音转文本管道进行处理，该管道以短的重叠音频块工作，而不是等待完整的句子。这种方法可将延迟保持在较低水平 — 通常从说话到可读文本只需几秒钟。

• 语音活动检测 (VAD) 会过滤掉静音，因此引擎仅处理包含语音的帧，从而减少噪声并节省处理时间。
• 声学建模 使用在大型语音数据集上训练的神经网络，将音频特征映射到音素，再映射到单词。
• 语言建模 按概率对单词序列进行排序，提高面试中常见的技术词汇和专有名词的准确性。

结果是一个滚动转录，随着对话的进行不断更新。

实时转录是 SubcueAI 答案建议层的输入。当系统根据句子结构和标点提示检测到问题被提出时，它会将相关上下文发送给大型语言模型 (LLM)，该模型会生成建议的响应。

• 建议会出现在 SubcueAI 的浮动本地叠加层中，仅在您的屏幕上可见 — 不会共享到会议窗口。
• 该叠加层设计为避开任何共享屏幕区域，因此屏幕共享的参与者无法看到。
• 您可以阅读、改编或忽略任何建议；该工具旨在支持您的思考，而非逐字脚本。

请参阅设置教程，了解面试前如何定位叠加层。

实时转录质量取决于应用无法完全控制的几个因素：

• 麦克风质量和背景噪声 — 耳机麦克风比内置笔记本电脑麦克风能显著提高准确性。
• 互联网连接 — 如果 AI 推理步骤是云辅助的，网络延迟会增加响应时间。
• 口音和语速 — 现代神经语音模型能处理广泛的口音，但并非完美。
• 监考或录制的面试 — SubcueAI 的叠加层是本地的且私密的，但在屏幕录制或监考环境中，如果未仔细定位或隐藏，叠加层可能会出现在录制中。在使用任何辅助工具前，请务必查看您具体面试的规则。

有关隐私和面试官能看到什么的更广泛信息，请访问安全与隐私页面。