เปิด OpenThai 2.0 ASR Streaming ถอดเสียงไทยสด เปิดโหลดใช้ฟรี-ต่อยอดเชิงพาณิชย์

13 พฤศจิกายน 2569 ดร.กอบกฤตย์ วิริยะยุทธกร ก่อตั้งและประธานเจ้าหน้าที่บริหาร บริษัท ไอแอพพ์เทคโนโลยี จำกัด (iAPP)  ในฐานะหัวหน้าโครงการวิจัย OpenThai เปิดเผยว่า ทีมวิจัยเปิดให้ดาวน์โหลด OpenThai 2.0 ASR Streaming โมเดล AI ที่เปลี่ยนเสียงพูดภาษาไทยเป็นข้อความได้ทันทีระหว่างที่กำลังพูด ผู้สนใจนำไปใช้ได้ฟรีทั้งในงานทั่วไปและงานเชิงพาณิชย์

พูดแล้วขึ้นข้อความเร็วสุด 0.08 วินาที

ข้อความจะปรากฏตามหลังเสียงพูดประมาณ 0.08–1.12 วินาที ขึ้นอยู่กับการตั้งค่า ผู้ใช้เลือกได้ 4 ระดับตามลักษณะงาน เช่น ไลฟ์สดที่ต้องการให้คำบรรยายขึ้นเร็ว หรือการประชุมที่ให้ความสำคัญกับความแม่นยำของข้อความ

โมเดลติดตั้งและใช้งานบนเครื่องขององค์กรได้ ข้อมูลเสียงจึงประมวลผลภายใน เหมาะกับคอลเซ็นเตอร์ โรงพยาบาล และธนาคารที่มีข้อจำกัดในการส่งข้อมูลเสียงขึ้นคลาวด์ต่างประเทศ นอกจากนี้ยังเป็นโมเดลเดียวกับที่ใช้ในบริการ OpenThai ASR Realtime ของ iApp

ฝึกด้วยเสียงภาษาไทยกว่า 12,000 ชั่วโมง

ทีมวิจัยใช้เสียงพูดภาษาไทย 12,373 ชั่วโมง มาฝึกโมเดล หลังปรับให้รองรับภาษาไทย ผลทดสอบกับชุดเสียงอ่านเดิมพบว่า อัตราการถอดผิดในระดับตัวอักษรลดจากเกือบ 99% เหลือ 8.47%

เมื่อทีม OpenThai นำไปทดสอบเทียบกับ Typhoon ASR Streaming ภายใต้เงื่อนไขเดียวกัน OpenThai ถอดเสียงผิดน้อยกว่าในชุดทดสอบเสียงอ่าน คลิป YouTube และเสียงประชุม โดยทีมระบุว่าผลในชุดเสียงประชุมอาจได้เปรียบเพราะเคยใช้เสียงจากการประชุมอื่นที่บันทึกในห้องเดียวกันมาฝึกโมเดล ส่วนเสียงจากรายการทอล์กทางทีวี Typhoon ทำได้ดีกว่า ขณะที่ผลทดสอบภาษาอีสานใกล้เคียงกัน

คำภาษาอังกฤษที่พูดปนกับภาษาไทยยังมักถูกถอดออกมาเป็นอักษรไทย ส่วนไฟล์เสียงยาวต้องแบ่งตามช่วงหยุดพูดก่อนถอด โดยซอฟต์แวร์ที่ทีมแนบมาช่วยแบ่งไฟล์ได้อัตโนมัติ

เปิดใช้ฟรี หวังให้คำบรรยายสดเข้าถึงคนมากขึ้น

ดร.กอบกฤตย์ ระบุว่า การเปิดให้ใช้ฟรีมีเป้าหมายให้คนหูหนวก คนหูตึง และผู้สูงอายุเข้าถึงคำบรรยายภาษาไทยแบบสดได้มากขึ้น ทั้งการดูไลฟ์ ดูข่าว เรียน และเข้าประชุม ขณะเดียวกัน นักพัฒนาสามารถนำโมเดลไปต่อยอดเป็นผู้ช่วย AI ที่ฟังและโต้ตอบด้วยเสียงภาษาไทยได้รวดเร็วขึ้น