อัปเดต
AI / Tools
Google อัปเกรด Gemini ตัดคำติดปาก "เอิ่ม...อ่า..." ออกจากทรานสคริปต์ให้เหลือแต่เนื้อหาสาระ
โมเดลใหม่ Gemini 3.5 ไม่ได้แค่ฟังเสียงเก่งขึ้น แต่กล้าตัด "ขยะทางวาจา" ทิ้งให้คุณแบบไม่ต้องขออนุญาต
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้า AI ฟังเรารู้เรื่องขนาดนี้แล้ว กรอกข้อมูลเสียงในโรงพยาบาลหรือศาลจะเชื่อถือได้แค่ไหนกัน?
เอาล่ะ ถึงเวลาแล้วที่เราจะพูดคุยเรื่อง "การฟัง" ของ AI กันอย่างจริงจังสักที เพราะรอบนี้ Google ไม่ได้มาอัปเดตเล็กๆ น้อยๆ ให้เก้อ แต่เขาดันโมเดล Gemini 3.5 ชุดใหม่เข้ามาใน Gemini Audio พร้อมสกิลการถอดเสียงที่เรียกได้ว่า "ฉลาดจนน่าขนลุก" เล็กน้อย
พูดง่ายๆ คือ มันฟังเราพูดแล้วแปลงเป็นข้อความได้ละเอียดขึ้นกว่าเดิมมาก แถมยังรู้จักศัพท์เทคนิคเฉพาะวงการโดยไม่ต้องไปตั้งค่าให้มันรู้ก่อนล่วงหน้า ฟังดูเจ๋งใช่ไหม? แต่ที่เด็ดกว่านั้นคือ มันกล้าตัดคำพูดติดปากอย่าง "เอิ่ม" "อ่า" "แบบว่า" ออกจากทรานสคริปต์ให้เราแบบอัตโนมัติ เรียกว่าเก็บเนื้อหาสาระให้เรา ส่วนขยะทางวาจาเนี่ย... จัดการให้เรียบร้อย
จากรายงานของ The Verge โมเดลใหม่ที่ว่านี้มีชื่อว่า Gemini 3.5 Live, 3.5 Live Experimental และ 3.5 Transcribe โดยทั้งหมดถูกออกแบบมาเพื่อเพิ่มความแม่นยำให้กับฟีเจอร์ที่ควบคุมด้วยเสียงของ Google โดยเฉพาะ พวกเขาอ้างว่ามันทำงานได้ดีขึ้นมากแม้อยู่ในสภาพแวดล้อมที่มีเสียงรบกวนรอบข้าง หรือแม้แต่ตอนที่เราพูดไม่ชัด พูดครึ่งๆ กลางๆ ก็ตาม
จุดขายสำคัญที่ว่านี้คือเรื่องความสามารถในการเข้าใจ "ศัพท์เฉพาะทาง" (specialized jargon) โดยไม่ต้องมีการเทรนหรือตั้งค่าเพิ่มเติม แถมยังรองรับภาษามากกว่า 85 ภาษา ซึ่งถือเป็นก้าวที่สำคัญไม่น้อยสำหรับคนที่ต้องทำงานกับเนื้อหาที่มีเทคนิคสูงๆ เช่น แพทย์ วิศวกร หรือนักกฎหมาย ที่คำศัพท์เฉพาะทางนี่แหละคือตัวชี้วัดว่าบทความนั้นจะอ่านรู้เรื่องหรือไม่
ต้องบอกว่าตรงนี้แหละที่ผมรู้สึก "ว้าว" จริงๆ เพราะการที่ AI ฟังเสียงแล้วแปลงเป็นข้อความได้แม่นยำมันเป็นเรื่องหนึ่ง แต่การที่มัน "เลือก" ได้ว่าจะเก็บอะไรไว้และทิ้งอะไร เป็นอีกเรื่องที่ซับซ้อนกว่ามาก การตัดคำว่า "เอิ่ม" ทิ้งไป มันไม่ได้แปลว่า AI แค่เก่งขึ้น แต่มันแปลว่า AI เริ่ม "เข้าใจบริบท" ของการสนทนาแล้วว่าอะไรคือสาระ อะไรคือเสียงที่ไม่มีข้อมูล
ลองนึกภาพตามนะครับ ถ้าคุณเป็นนักข่าวที่ต้องถอดเทปสัมภาษณ์ยาว 2 ชั่วโมง ฟีเจอร์นี้จะช่วยกรองคำพูดที่ซ้ำซากออกไปให้คุณโดยอัตโนมัติ เหลือแต่คำพูดจริงจังที่ใช้ตีพิมพ์ได้เลย ซึ่งมันประหยัดเวลาได้มหาศาลมากๆ
ผมมองว่านี่คือการยกระดับเกมการถอดเสียงครั้งใหญ่ของ Google เพราะการ "ฟังออก" ไม่ใช่เรื่องน่าตื่นเต้นอีกต่อไป แต่การ "ฟังแล้วรู้ว่าอะไรสำคัญ" ต่างหากคืออนาคตของ AI ที่กำลังมาแรง และรอบนี้ Google มาถูกทางแล้วจริงๆ
ที่มา: The Verge — อ่านต้นฉบับ
ความคิดเห็น 6
กำลังโหลดความคิดเห็น...