จากงาน Speech AI Summit ของทาง NVIDIA บริษัทได้พูดถึงเรื่องระบบนิเวศ AI ใหม่เกี่ยวกับเสียง ที่บริษัทได้พัฒนาผ่านความร่วมมือกับ Mozilla Common Voice ที่ต้องการเร่งการเติบโตของโมเดลรู้จำเสียงพูดอัตโนมัติ (Automatic Speech Recognition) ให้สามารถทำงานได้กับทุก ๆ ภาษาทั่วโลก
NVIDIA ค้นพบว่าระบบผู้ช่วยเสียงมาตรฐานอย่าง Amazon Alexa และ Google Home นั้นรองรับภาษาพูดได้เพียงแค่ 1% ของทั้งโลกเท่านั้น ดังนั้น เพื่อแก้ไขปัญหาดังกล่าว บริษัทจึงต้องการแก้ไขปัญหาดังกล่าวในเรื่องนี้ และขยายการมีข้อมูลเสียงต่าง ๆ ให้กับภาษาทั้งหมดทั่วโลก รวมไปถึงภาษาที่มีแหล่งทรัพยากรค่อนข้างน้อยด้วย
โดย NVIDIA กำลังพัฒนาระบบ Speech AI สำหรับ Use Case ที่หลากหลาย เช่น ระบบรู้จำเสียงพูด (Automatic Speech Recognition : ASR) หรือว่าแปลภาษา (Artificial Speech Translation : AST) และแปลงข้อความเป็นเสียง (Text-To-Speech) ซึ่ง NVIDIA Riva ส่วนหนึ่งใน NVIDIA AI Platform นั้นคือส่วนสำคัญที่มีการทำ Workflow ที่เป็น State-of-the-art ที่ทำงานได้ดีบน GPU เพื่อสร้างและ Deploy ระบบ AI ได้อย่างรวดเร็ว ซึ่งสามารถนำไปต่อยอดเป็นแอปพลิเคันอย่างเช่น ระบบผู้ช่วยใน Contact Center, Virtual Assistant ฯลฯ ซึ่งแอปที่ถูกพัฒนาบน Riva นั้นจะสามารถนำไปต่อยอดได้บน Cloud ทุกชนิดและ Data Center หรือว่าที่ Edge ก็ได้เช่นกัน
สำหรับฝั่ง Google นั้นได้มีโมเดล Translation Hub แปลงเสียงพูดจากภาษาหนึ่งเป็นอีกภาษาหนึ่ง (Speech-To-Speech AI Translation Model) ที่สามารถแปลเอกสารขนาดใหญ่ให้กลายเป็นหลาย ๆ ภาษาพร้อม ๆ กัน รวมทั้งเพิ่งประกาศระบบแปลภาษาคำพูดสากล ที่เทรนไปแล้วกว่า 400 ภาษา ซึ่งเคลมด้วยว่าเป็น “โมเดลภาษาที่ครอบคลุมได้มากที่สุดเท่าที่เคยเห็นมาจนถึงวันนี้”
ส่วน Meta AI กับโครงการ Universal Speech Translator นั้นได้สร้างระบบ AI ที่ทำให้แปลภาษา Speech-To-Speech ได้แล้วเช่นกันกับทุกภาษาแบบ Real Time แม้ว่าภาษานั้นจะไม่ค่อยมีการเขียนกันมากนักแล้วก็ตาม
คงต้องจับตาดูความก้าวหน้าของเทคโนโลยี Speech AI กันต่อไปว่าจะสามารถไปได้ถึงจุดที่ใช้งานได้ในชีวิตประจำวันจริง ๆ หรือไม่ และถ้าหากวันนั้นมาถึงจริง ๆ ข้อจำกัดในเรื่องภาษาก็อาจไม่ใช่ปัญหาบนโลกใบนี้อีกต่อไป
ที่มา: https://venturebeat.com/ai/nvidia-enters-the-speech-ai-race-joining-meta-and-google/
Sour: #NVIDIA #Meta #Google #Speech #AI
