Microsoft เปิดตัว MAI-Transcribe-2-Streaming โมเดลถอดเสียงแบบเรียลไทม์ 60 ภาษา ขึ้นข้อความภายในราว 0.1 วินาทีระหว่างที่คนยังพูดไม่จบ

ผู้ช่วยเสียงและคอลเซ็นเตอร์อัตโนมัติจะคุยได้เป็นธรรมชาติขึ้นเมื่อระบบเข้าใจคำพูดได้ทันทีโดยไม่ต้องรอให้ผู้พูดพูดจบ Microsoft เปิดตัว MAI-Transcribe-2-Streaming โมเดลถอดเสียงเป็นข้อความแบบสด (streaming) ตัวแรกของบริษัท รองรับ 60 ภาษาและตรวจจับภาษาที่พูดได้เองต่อเนื่อง ข้อความชุดแรกขึ้นภายในราว 100 มิลลิวินาที ทำให้แอปเริ่มคิดคำตอบได้ตั้งแต่กลางประโยค

1 ตุลาคม 2569 ที่มา: Microsoft AI หมวด: ปัญญาประดิษฐ์

โมเดลถอดเสียงทั่วไปรับไฟล์เสียงที่บันทึกจบแล้วจึงส่งข้อความกลับ ส่วนแบบสตรีมมิงรับเสียงต่อเนื่องผ่านการเชื่อมต่อค้างไว้ แล้วส่งผลกลับเป็นสองแบบ คือผลชั่วคราว (partial) ที่ปรับไปเรื่อย ๆ ระหว่างพูด และผลสุดท้าย (final) ที่ยืนยันเมื่อจบช่วงประโยค ความเร็วของทั้งสองแบบจึงสำคัญพอ ๆ กับความแม่นยำ

Microsoft ระบุว่าโมเดลนี้ได้อันดับหนึ่งด้านความแม่นยำทั้งผลชั่วคราวและผลสุดท้ายในการทดสอบถอดเสียงแบบสตรีมมิงของ Artificial Analysis ซึ่งเป็นหน่วยงานจัดอันดับโมเดล AI ภายนอก และให้ข้อความขึ้นเร็วกว่าคู่แข่งที่ใกล้ที่สุดราวสองเท่า ราคาช่วงแนะนำถึงสิ้นปี 2026 อยู่ที่ 0.54 ดอลลาร์ต่อเสียงหนึ่งชั่วโมง

เปิดให้ใช้ผ่าน Microsoft Foundry, MAI Playground, Azure Voice Live และแพลตฟอร์มภายนอกอย่าง Vercel และ OpenRouter พร้อมกันนี้ยังออกโมเดลสร้างเสียงพูด MAI-Voice-2.1 และรุ่นเร็ว MAI-Voice-2.1-Flash ที่รองรับ 23 ภาษา เมื่อรวมกันจึงได้ชุดเครื่องมือครบทั้งฟัง เข้าใจ และพูดตอบ สำหรับสร้างเอเจนต์เสียงที่โต้ตอบแบบสด งานที่ Microsoft ยกตัวอย่าง ได้แก่ ผู้ช่วยบริการลูกค้า คำบรรยายสด และการพิมพ์ด้วยเสียง

ประกาศยังไม่ได้ระบุรายชื่อทั้ง 60 ภาษา ทีมที่ต้องการใช้กับภาษาไทยควรทดสอบกับเสียงจริงของลูกค้าก่อน โดยเฉพาะสำเนียงท้องถิ่น ชื่อสินค้า และคำภาษาอังกฤษที่ปนในประโยค ซึ่งมักเป็นจุดที่โมเดลถอดเสียงพลาดบ่อยที่สุด

ธุรกิจไทยที่มีคอลเซ็นเตอร์ งานบันทึกการประชุม หรือบริการที่ลูกค้าต้องโทรเข้ามา เริ่มนำระบบถอดเสียงอัตโนมัติมาใช้ทั้งเพื่อสรุปเรื่องและวัดคุณภาพบริการ สิ่งที่ต้องวางให้ดีคือการขอความยินยอมบันทึกเสียงตาม PDPA และการเก็บข้อมูลเสียงอย่างปลอดภัย ทีมงาน Smart Cyber Tech พัฒนาระบบที่เชื่อมโมเดลเสียงและ AI เข้ากับงานบริการลูกค้า พร้อมทดสอบความแม่นยำกับข้อมูลจริงก่อนเปิดใช้ ปรึกษาได้ที่ แบบฟอร์มติดต่อ

แหล่งข่าวเรียบเรียงจาก Microsoft AI — อ่านต้นฉบับ
ภาพปก: © Microsoft · ลิขสิทธิ์ภาพเป็นของเจ้าของต้นฉบับ ใช้ประกอบการรายงานพร้อมอ้างอิงแหล่งที่มา
เนื้อหาบนหน้านี้เป็นการสรุปและเรียบเรียงเพื่อผู้อ่านชาวไทย หากพบข้อผิดพลาดโปรดแจ้งที่ info@smart-cyber-tech.com

บริการที่เกี่ยวข้องจากทีมงาน Smart Cyber Tech

บริการพัฒนาระบบหลังบ้านและระบบข้อมูลองค์กร ออกแบบระบบตามกระบวนการทำงานจริงของธุรกิจ เชื่อมต่อข้อมูลและโมเดล AI ได้
บริการที่ปรึกษาวางแผนเทคโนโลยีองค์กร วางแผนเทคโนโลยีให้สอดคล้องกับเป้าหมายธุรกิจก่อนลงมือพัฒนา
วิธีทำงานร่วมกับทีมงานตั้งแต่ต้นจนส่งมอบ ตั้งแต่เก็บความต้องการจนถึงส่งมอบและดูแลต่อเนื่อง

แบ่งปันข่าวนี้: ปรึกษาทีมของเรา

ข่าวอื่นที่น่าสนใจ

ข่าวที่เกี่ยวข้อง

Google เปิดตัว Gemini 4 Argon โมเดล AI รุ่นใหญ่ที่สุด เน้นงานยาวหลายขั้นตอน เขียนโค้ดและวิเคราะห์วิดีโอได้ดีขึ้น ตอบได้ยาวถึง 1 ล้านโทเคน

ปัญญาประดิษฐ์

30 กันยายน 2569 9to5Google

Google เปิดตัว Gemini 4 Argon โมเดล AI รุ่นใหญ่ที่สุด เน้นงานยาวหลายขั้นตอน เขียนโค้ดและวิเคราะห์วิดีโอได้ดีขึ้น ตอบได้ยาวถึง 1 ล้านโทเคน

การแข่งขันโมเดล AI ขยับจากการตอบคำถามสั้น ๆ ไปสู่การทำงานยาวหลายขั้นตอนแทนคน Google เปิดตัว Gemini 4 Argon โมเดลระดับแนวหน้า (frontier model) รุ่นใหม่ ที่ออกแบบมาสำหรับงานที่ต้องคิดต่อเนื่องหลายชั่วโมง เช่น เขียนและแก้โค้ดทั้งโปรเจกต์ ค้นคว้ากฎหมาย วิเคราะห์การเงิน และทำความเข้าใจวิดีโอ จุดที่เปลี่ยนชัดที่สุดคือตอบกลับได้ยาวสูงสุด 1 ล้านโทเคนต่อครั้ง จากเดิม 64,000 โทเคน โทเคนคือหน่วยย่อยของข้อความที่โมเดลใช้นับความยาว

อ่านข่าวนี้

เปิดใช้ OpenThai 2.0 Legal AI ถาม-ตอบกฎหมายไทยพร้อมอ้างอิงมาตรา อ้างอิงกฎหมายกว่า 2,000 ฉบับ ใช้ฟรีผ่านบัญชี TH-AI Passport

ธุรกิจไอที

22 กันยายน 2569 ฐานเศรษฐกิจ

เปิดใช้ OpenThai 2.0 Legal AI ถาม-ตอบกฎหมายไทยพร้อมอ้างอิงมาตรา อ้างอิงกฎหมายกว่า 2,000 ฉบับ ใช้ฟรีผ่านบัญชี TH-AI Passport

คำถามกฎหมายพื้นฐานอย่าง "สัญญาแบบนี้ผิดตรงไหน" หรือ "เรื่องนี้อยู่ในมาตราไหน" เป็นสิ่งที่คนทำธุรกิจเจอบ่อยแต่ค้นเองยาก ล่าสุดมีโมเดลภาษาไทยเฉพาะทางด้านกฎหมายชื่อ OpenThai 2.0 Legal เปิดให้ใช้แล้ว โดยอ้างอิงกฎหมายไทยกว่า 2,000 ฉบับ ตอบคำถามพร้อมระบุมาตราที่อ้างถึง สรุปคำพิพากษาศาลฎีกา และอ่านสัญญาที่อัปโหลดเข้าไปเพื่อชี้ประเด็นสำคัญ ใช้ได้ฟรีสำหรับผู้ที่มีบัญชี TH-AI Passport บนแพลตฟอร์ม AiPASS โดยผู้พัฒนาย้ำว่าผลลัพธ์เป็นข้อมูลเบื้องต้น ไม่ใช่การแทนที่การปรึกษานักกฎหมาย

อ่านข่าวนี้

GPT-6 Astra แพงกว่ารุ่นก่อน 2.5 เท่าต่อโทเคน แต่นักพัฒนาพบว่าค่าใช้จ่ายรวมถูกลงเมื่อตั้งค่าระดับการคิดให้ถูก

ปัญญาประดิษฐ์

7 กันยายน 2569 The New Stack

GPT-6 Astra แพงกว่ารุ่นก่อน 2.5 เท่าต่อโทเคน แต่นักพัฒนาพบว่าค่าใช้จ่ายรวมถูกลงเมื่อตั้งค่าระดับการคิดให้ถูก

ทีมที่เลือกโมเดล AI จากป้ายราคาอย่างเดียวอาจตัดสินใจพลาด GPT-6 Astra ของ OpenAI คิด 10 ดอลลาร์ต่อล้านโทเคนขาเข้า และ 50 ดอลลาร์ต่อล้านโทเคนขาออก แพงกว่า GPT-5.6 Sol (4 และ 20 ดอลลาร์) 2.5 เท่า แต่ผลวัดจาก OpenAI นักพัฒนาอิสระ และ ARC Prize ต่างพบว่าค่าใช้จ่ายต่องานที่ทำเสร็จหนึ่งชิ้นมักต่ำกว่า เพราะโมเดลใหม่ใช้รอบเรียกและโทเคนน้อยกว่า ตัวแปรที่กระทบบิลมากที่สุดจึงกลายเป็นระดับการคิดที่ทีมเลือกตั้ง ไม่ใช่ราคาต่อโทเคน

อ่านข่าวนี้

ติดต่อเพื่อสอบถามข้อมูลเพิ่มเติม

ทีมของเรายินดีให้คำแนะนำว่าเรื่องนี้กระทบระบบของคุณอย่างไร และควรเตรียมตัวอย่างไร

สอบถามทีมงาน