ต้องยอมรับว่า การจดจำเสียงพูดในแต่ละภาษายังคงเป็นความท้ายของ AI และ Machine Learning แต่วันนี้ AI อย่างสามารถแปลงภาษาใด ๆ ที่มีความหลากหลายทางวัฒนธรรมให้กลายเป็นภาษาสากลอย่างภาษาอังกฤษเพื่อให้คนอ่าน สามารถทำความเข้าในได้ง่ายขึ้น
.
ปัจจุบัน องค์กรนับไม่ถ้วนได้พัฒนาระบบจดจำเสียงพูดที่มีความสามารถสูง ซึ่งเป็นแกนหลักของซอฟต์แวร์ และทำให้เกิดเป็นบริการจากยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Google, Amazon และ Meta แต่ Whisper นั้นแตกต่าง เพราะเป็น AI แบบโอเพ่นซอร์สที่ได้เรียนรู้ข้อมูลหลายภาษามากกว่า 680,000 ชั่วโมงที่รวบรวมจากเว็บ ทำให้น้อง (Whisper) สามารถจดจำสำเนียงที่เป็นเอกลักษณ์ เสียงแบ็คกราวด์ และศัพท์แสงทางเทคนิคได้ดีกว่า AI ทั่วไป
.
ซึ่งหากใครพอมีความรู้ทางด้านโค้ดนิดหน่อยก็ดาวน์โหลดมาทดลองใช้งานได้นะครับ ซึ่งเดี๋ยวผมจะทิ้งลิงก์ดาวน์โหลดไว้ในใต้โพสต์นี้ แต่ก่อนจะดาวน์โหลดไปใช้งาน ควรรู้ข้อจำกัดของระบบก่อน
.
โดยแม้ว่าจะมีการเรียนรู้เกือบ 7 แสนชั่วโมง แต่ก็ไม่ได้แปลว่ามันจะสามารถถอดทุกภาษาในโลกนี้ได้ หากคำนั้น ๆ ยังไม่เคยผ่านหูของ Whisper มาก่อนครับ และข้อจำกัดอีกอย่างคือมันยังไม่สามารถถอดภาษาได้แบบเรียลไทม์ ตัวเลือกในการนำไปใช้งานจึงอาจน้อยลงครับ
.
หากใครต้องการใช้าน ลองดูได้ที่เว็บ >> https://openai.com/blog/whisper/
.
ที่มาข้อมูล
