Muse Voice Transcribe คือโมเดลถอดเสียงเรียลไทม์ตัวแรกของ Meta…
ผมพูดรวดเดียวไม่หยุด ประมาณว่าฟังภาษาไทยได้เลยเหรอ แม่นขนาดนั้นเลยเหรอ แล้วก็โหลดเร็วขนาดนั้นเลยเหรอ มันขึ้นตามทันแทบจะทันทีที่พูด แล้วคำอย่าง AI passport ที่ผมพูดปนอังกฤษกลางประโยคไทย มันก็จับถูก ไม่ได้แปลงเป็นคำไทยมั่วๆ
ที่มันต่างจาก Whisper ที่เราคุ้นกันคือ Whisper ต้องรอไฟล์เสียงจบก่อนแล้วค่อยถอด แต่ตัวนี้ทำงานทีละก้อนเสียง 80 มิลลิวินาที แล้วมันตัดสินใจเองว่าจะฟังต่ออีกนิดหรือพ่นตัวอักษรออกมาเลย คำง่ายก็ปล่อยเร็ว คำยากก็รอฟังอีกหน่อยให้ชัวร์ Meta เรียกวิธีนี้ว่า adaptive delay ซึ่งเทรนมาด้วย reinforcement learning
อีกสองอย่างที่รวมมาในโมเดลเดียวคือ มันแยกได้ว่าใครเป็นคนพูด รองรับถึงยี่สิบกว่าคนในห้องเดียวกัน และมันรู้ว่าคนพูดจบประโยคหรือยัง ปกติสามงานนี้ต้องใช้คนละโมเดลแล้วเอามาต่อกันทีหลัง อันนี้จบในตัวเดียว รับเสียงยาวเกินหนึ่งชั่วโมงได้โดยไม่ต้องตัดเป็นท่อน
ตัวเลขที่ Meta เคลมคือ word error rate 3.1 เปอร์เซ็นต์ในโหมดสตรีมมิ่ง เป็นอันดับหนึ่งบน Artificial Analysis ณ วันเปิดตัว ส่วนการแยกผู้พูดอยู่ที่ 17.5 เปอร์เซ็นต์ ซึ่งนำคู่แข่งอยู่แต่ยังไม่ใช่ตัวเลขที่เรียกว่าสมบูรณ์ และต้องบอกว่าเกณฑ์พวกนี้วัดบนภาษาอังกฤษเป็นหลัก ไม่ใช่ภาษาไทย
ราคาผมไปเช็คมาแล้ว อยู่ที่ 0.18 ดอลลาร์ต่อชั่วโมงเสียง หรือ 3 ดอลลาร์ต่อพันนาที ตรงนี้น่าสนใจเพราะ Google Cloud Speech-to-Text อยู่ราวๆ 0.96 ดอลลาร์ต่อชั่วโมง คือถูกกว่าประมาณห้าเท่า และใช้ผ่าน Meta Model API หรือกดใช้ในแอป Meta AI บน Mac ได้เลยด้วยการกดค้างปุ่ม Fn
สิ่งที่ผมยังไม่ยืนยันคือ Meta ไม่ได้ประกาศรายชื่อภาษาที่ verified ครบทั้ง 25 ภาษาบนหน้าบล็อก โชว์แค่ไม่กี่ภาษาเป็นตัวอย่าง ผมเลยพูดได้แค่ว่าผมลองเองแล้วมันถอดไทยได้ดี แต่ยังไม่ได้เทสยาวๆ กับเสียงประชุมจริงที่มีคนพูดทับกัน ซึ่งนั่นแหละคือของจริง
ตอนที่ผมนั่งดูมันถอดไทยได้ สิ่งที่ผมคิดในหัวคือ อยากให้ AI passport ของบ้านเราทำอะไรแบบนี้ได้บ้าง ตอนนี้ที่เห็นกันคือคนออกไปเจนรูปตลกๆ ซึ่งก็สนุกดี แต่ของที่เป็นโครงสร้างพื้นฐานจริงๆ อย่างการฟังภาษาไทยให้ออก มันคือของที่ต้องมีคนลงแรงทำ ไม่ใช่ของที่เกิดเอง
research.meta.ai/blog/introducing-muse-voice-transcribe
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac