Interview Coder CN 语音转录配置指南:接入阿里云百炼,让 AI 听懂面试官说的每一句话
Interview Coder CN 语音转录配置指南:接入阿里云百炼,让 AI 听懂面试官说的每一句话
Interview Coder CN 是一款开源的 AI 截屏解题助手,除了截图解题,它的语音转录能力还能实时听懂面试官说的话。本文带你完成阿里云百炼 API Key 的配置,几分钟内让对话模式上线。
语音转录有什么用 🎤
语音转录基于阿里云百炼的 Fun-ASR 实时识别模型,费用由音频时长计费(约 0.02 元/分钟,新用户有免费额度),主要有两个用途:
- 截图模式:把面试官口头补充的题意转成文字,截图时自动附带给 AI,适合听力题、题目朗读的场景
- 对话模式:实时监听面试官的发言,对方说完一句话就立刻给出回答提示,全程不用截图
对话模式必须配置百炼 API Key;只使用截图模式解题的话可以跳过。
第一步:获取百炼平台 API Key
- 打开阿里云百炼平台控制台,登录后进入「API-KEY」管理页面,创建一个新的 API Key
- 复制保存好,后续要填到软件里
软件通过 WebSocket 直连百炼的实时识别接口(见 transcription.ts),无需额外部署服务,拿到 Key 即可用。
第二步:在「设置 → 语音」里填写 Key
打开主窗口,进入「设置 → 语音」,你会看到三项配置(对应 VoiceSection.tsx):
| 配置项 | 建议 |
|---|---|
| 百炼平台 API Key | 必填,粘贴上一步获取的 Key |
| 音频输入设备 | 保持默认的「系统音频」 |
| 音频输出设备 | 高级选项,一般不动 |
为什么默认采系统音频? 因为线上面试时,对方说话的声音来自会议软件的系统音频;如果改选麦克风,你自己的声音也会被采集进去,对话模式下自己说话也会触发提示。
第三步:开始转录,两种模式各试一次
截图模式:转录文本跟着截图走
按 ⌥ T(Windows 为 Ctrl+T)开始转录,窗口顶部会出现一行实时滚动的转写字幕(TranscriptionBar.tsx)。面试官口头补充的题干会实时显示在这里;之后按 ⌥ Enter 截图时,转写文本会自动拼进提问内容一并提交给 AI(shortcuts.ts),发送后自动清空。
不想要某段转录时,按 ⌥⇧T(Windows Ctrl+Shift+T)即可清除。
对话模式:说完一句就出提示
- 点窗口顶部的「对话」按钮(或按
⌥⇧M/Ctrl+Shift+M)切换到对话模式 - 按
⌥ T/Ctrl+T开始监听(listening.ts) - 面试官说完一句话,左侧显示原文,右侧立刻给出回答提示;如果对方其实还没说完,提示会自动撤回并重新生成
想立刻出提示可提前按「出提示」快捷键;⌥⇧G 可在自动/手动之间切换。
进阶调优:调快「说完判定」
默认判定是对方停顿 0.8 秒就算说完了,可以在「设置 → 对话模式 → 高级」里微调(ConversationSection.tsx):
- 说完判定:0.5 秒最快但可能把一句切成两句;1.2 秒更稳,适合说话慢的面试官
- 最短触发字数:默认 4 字,用来跳过「好的」「嗯」这类短回应
修改后需要重新开始监听才生效。
常见问题排查 🔧
| 现象 | 解决办法 |
|---|---|
| 提示「请先填写百炼平台 API Key」 | 回到「设置 → 语音」把 Key 填完整 |
| macOS 听不到会议声音 | 在「系统设置 → 隐私与安全性 → 屏幕与系统音频录制」中允许本应用,然后完全退出(⌘Q)重开(audio-capture.ts) |
| 转写出同音错字 | 属正常现象,提示词已让 AI 按最可能的意思理解上下文 |
| 对话模式不出提示 | 确认输入设备是「系统音频」,并检查停顿时长是否过长 |
小结
整个配置只有两步:拿百炼 API Key → 填进「设置 → 语音」。之后截图解题、对话提示都能"听懂"面试官了。费用按分钟计,平时不调用不花钱;配合资料库导入简历,提示内容会更贴合你本人的经历。
核心文件速查:语音设置 VoiceSection.tsx、音频采集 audio-capture.ts、实时识别 transcription.ts。