Skip to main content

ทำได้แล้ว! AI ฟังภาษาไทยแล้วพิมพ์ตามทันที ฝีมือคนไทย แจกฟรี: OpenThai 2.0 ASR Streaming

ทำได้แล้ว! AI ถอดเสียงไทยแบบสด ๆ แจกฟรี (ภาพจำลองการแสดงผล)

ทำได้แล้ว! AI ฟังภาษาไทยแล้วพิมพ์ตามทันที ขณะที่คนยังพูดไม่จบ ฝีมือคนไทย แจกฟรี: OpenThai 2.0 ASR Streaming ใช้ในงานเชิงพาณิชย์ได้ด้วย

เคยไหม ดูไลฟ์ เข้าคลาส หรือประชุมออนไลน์ แล้วอยากได้คำบรรยายภาษาไทยสด ๆ แต่โมเดลถอดเสียงภาษาไทยแบบเปิดส่วนใหญ่ต้องฟังให้จบเป็นช่วงก่อน กว่าตัวหนังสือจะขึ้น คนพูดไปเรื่องอื่นแล้ว

เมื่อวานเราแจก AI อ่านเอกสารไทย วันนี้ของฟรีชิ้นที่ 2 ของสัปดาห์ครับ

  • พูดปุ๊บ ตัวหนังสือขึ้นปั๊บ ช้ากว่าเสียงแค่ 0.08 ถึง 1.12 วินาที โมเดลเดียวตั้งได้ 4 ระดับ อยากเร็วหรืออยากแม่น เลือกเอา
  • ขนาด 0.64B NVIDIA H100 ใบเดียวถอดสดได้ราว 20 สายพร้อมกัน (ที่ 560 ms) ไม่มี GPU ก็ใช้ CPU 8 เธรดถอดสดทัน (ที่ 320 หรือ 560 ms)
  • รันในเครื่องตัวเองได้ เสียงไม่ต้องออกนอกองค์กร เหมาะกับองค์กรที่ส่งเสียงขึ้นคลาวด์ต่างประเทศไม่ได้ เช่น โรงพยาบาลและธนาคาร
  • เทรนด้วยเสียงพูดภาษาไทย 12,373 ชั่วโมง ต่อยอดจาก NVIDIA Nemotron 3.5 ASR Streaming ซึ่งก่อนเราปรับจูน ถอดภาษาไทยผิด 98.96% ของตัวอักษร ตอนนี้เหลือ 8.47% บนชุดทดสอบเดียวกัน (FLEURS)
  • เป็นโมเดลตัวเดียวกับที่อยู่เบื้องหลังบริการ OpenThai ASR Realtime ของ iApp

วัดกันตรง ๆ กับ Typhoon ASR Streaming 0.6B ซึ่งสร้างจากโมเดลฐานเดียวกันของ NVIDIA เราถอดเสียงเองทั้งสองตัว ชุดทดสอบเดียวกัน สคริปต์เดียวกัน (ตัวเลขคือ % ตัวอักษรที่ถอดผิด ยิ่งต่ำยิ่งดี ที่ความหน่วง 560 ms)

  • เสียงอ่าน (FLEURS): 8.47 ต่อ 11.28
  • คลิป YouTube (GigaSpeech2): 15.35 ต่อ 16.33
  • ประชุม (LOTUSDIS): 20.77 ต่อ 28.91 ข้อนี้เราได้เปรียบ เพราะเทรนด้วยการประชุมอื่นที่อัดในห้องเดียวกัน

พูดกันตรง ๆ รายการทอล์กทางทีวี Typhoon ยังทำได้ดีกว่า (12.41 ต่อ 10.84) ภาษาอีสานยังเสมอกัน (34.90 ต่อ 34.15) โหมดมาตรฐานเขียนคำภาษาอังกฤษเป็นอักษรไทย ส่วนโหมด th-mix เขียนเป็นอักษรอังกฤษได้แค่บางคำ และไฟล์ยาวต้องตัดตามช่วงที่หยุดพูดก่อนถอด ซึ่งเซิร์ฟเวอร์ที่แนบไปทำให้อัตโนมัติ ทีมกำลังพัฒนาต่อครับ และขอบคุณทีม Typhoon ที่ช่วยกันยกมาตรฐานการถอดเสียงภาษาไทยมาด้วยกัน

ทำไมแจกฟรี? อยากให้คนหูหนวก หูตึง และผู้สูงอายุ ได้ดูไลฟ์ ดูข่าว เข้าคลาส เข้าประชุม แบบมีคำบรรยายภาษาไทยสด ๆ ได้ทุกที่ และใครจะทำผู้ช่วย AI ที่คุยด้วยเสียงภาษาไทยได้ทันใจ ก็ต้องเริ่มจากฟังภาษาไทยให้ทันก่อน

โหลดฟรี: huggingface.co/iapp/OpenThai2.0-ASR-Streaming และเวอร์ชัน ONNX (มี int8 ด้วย): huggingface.co/iapp/OpenThai2.0-ASR-Streaming-ONNX ไม่อยากดูแล GPU เอง ใช้ผ่าน API: OpenThai ASR Realtime (ฟรีช่วงเปิดตัว) ตารางผลเต็ม วิธีใช้ และข้อจำกัด: หน้าโมเดล OpenThai 2.0 ASR Streaming อ่านเพิ่มบนเว็บ iApp: บทความเปิดตัว และ หน้าโมเดล

Built on NVIDIA Nemotron · เทรนบน GPU NVIDIA H100 ที่สนับสนุนโดย Siam AI