Typhoon Isan: ระบบ AI เสียงพูดแบบโอเพนซอร์ส (ASR) และชุดเทคโนโลยีภาษาสำหรับภาษาอีสาน
SCB 10X พัฒนา Typhoon Isan ซึ่งเป็น AI แบบโอเพนซอร์สตัวแรกของประเทศไทยที่สามารถเข้าใจภาษาอีสาน โดยผสานชุดข้อมูลที่มีประโยชน์ มาตรฐานการถอดเสียงที่ชัดเจน และโมเดลแปลงเสียงเป็นข้อความ (Speech-to-Text) ที่รองรับทั้งการประมวลผลแบบเรียลไทม์และความแม่นยำสูงเข้าด้วยกัน
Typhoon Isan (ไต้ฝุ่นอีสาน) คือเทคโนโลยีปัญญาประดิษฐ์ประเภทโอเพนซอร์ส (Open-source AI) รายแรกที่ถูกพัฒนาขึ้นเพื่อรองรับระบบจำเสียงพูดภาษาถิ่น (Automatic Speech Recognition – ASR) โดยเน้นภาษาอีสานที่มีผู้ใช้งานมากกว่า 20 ล้านคนในประเทศไทย นวัตกรรมนี้ทลายข้อจำกัดของระบบสั่งการด้วยเสียงแบบเดิมที่ไม่สามารถประมวลผลภาษาพูดที่ไม่มีมาตรฐานการสะกดคำตายตัวได้ ช่วยให้การแปลงเสียงพูดเป็นข้อความมีความแม่นยำสูงและพร้อมใช้งานในระดับโครงสร้างพื้นฐาน
2 นวัตกรรมหลักขับเคลื่อนระบบภาษาถิ่น
โครงการ Typhoon Isan ได้สร้างมาตรฐานใหม่ให้กับวงการเทคโนโลยีภาษาศาสตร์ (Computational Linguistics) ผ่าน 2 ส่วนสำคัญ:
- ครบวงจรด้วย Linguistic Infrastructure: ทีมพัฒนาไม่ได้สร้างเพียงแค่ตัวโมเดล แต่ได้วางรากฐาน “ชุดข้อมูลภาษาอีสาน” ที่สมบูรณ์แบบ ทั้งมาตรฐานการสะกด กฎการถอดเสียง พจนานุกรมการออกเสียง (Pronunciation Dictionary) และคลังข้อมูลเสียงบันทึกขนาดใหญ่ (Speech Corpus) เพื่อเป็นฐานข้อมูลปฐมภูมิให้ AI ทั่วโลกเรียนรู้
- ตอบโจทย์การใช้งานจริงด้วย 2 โมเดลเฉพาะทาง:
- Typhoon Isan ASR Real-time: โมเดลความเร็วสูง ออกแบบมาเพื่อการถอดเสียงแบบสด (Live Transcription) เช่น การประชุมออนไลน์ ทำงานได้ดีบนอุปกรณ์ทั่วไปโดยไม่ต้องใช้ฮาร์ดแวร์สเปกสูง
- Typhoon Isan ASR Whisper: โมเดลความแม่นยำสูงสำหรับไฟล์เสียงบันทึก โดดเด่นด้านการประมวลผลภาษาแบบผสม (Code-switching) สามารถฟังคนพูดสลับภาษา (อีสาน-ไทย-อังกฤษ) ได้อย่างถูกต้อง แม่นยำเทียบเท่าหรือสูงกว่า AI เชิงพาณิชย์ระดับโลกอย่าง Gemini
4 ประโยชน์เชิงปฏิบัติการเพื่อผู้บริโภคและสังคม
การเปิดให้ใช้งานเทคโนโลยีนี้ในรูปแบบ Open-source ช่วยสร้างผลกระทบเชิงบวกต่อชีวิตประจำวันของภาคประชาชนและธุรกิจท้องถิ่น:
- ลดความเหลื่อมล้ำทางดิจิทัล (Digital Inclusion): เปิดโอกาสให้ผู้ใช้งานมากกว่า 20 ล้านคนสามารถเข้าถึงและปฏิสัมพันธ์กับระบบเทคโนโลยีสารสนเทศได้ด้วยภาษาท้องถิ่นของตนเองอย่างเท่าเทียม
- ยกระดับบริการสาธารณะและ Smart City: เทคโนโลยีนี้พร้อมถูกผสานเข้ากับระบบคอลเซ็นเตอร์ท้องถิ่น บริการภาครัฐ และระบบผู้ช่วยอัจฉริยะ (Voice Assistants) เพื่อตอบสนองการสื่อสารที่เป็นธรรมชาติของคนในพื้นที่
- ปฏิวัติการสร้างสรรค์สื่อท้องถิ่น (Accessible Media): ช่วยสร้างคำบรรยายใต้ภาพ (Automated Subtitles) สำหรับวิดีโอ พอดแคสต์ และการสัมภาษณ์ชุมชนได้อย่างรวดเร็วและแม่นยำ เพิ่มการเข้าถึงสื่อสร้างสรรค์ในวงกว้าง
- ลดต้นทุนเทคโนโลยีให้องค์กรภูมิภาค: เนื่องจากเป็นโมเดลเปิดและไม่กินทรัพยากรเครื่อง หน่วยงานรัฐ โรงเรียน และสตาร์ทอัพในท้องถิ่นจึงสามารถนำไปพัฒนาต่อยอดได้ทันที โดยไม่มีค่าใช้จ่ายลิขสิทธิ์ซอฟต์แวร์จากต่างประเทศ
Typhoon Isan คือหมุดหมายสำคัญของ Sovereign Language AI ในระดับภูมิภาค ที่พิสูจน์ความสำเร็จในการแปลงภาษาพูดที่ไม่มีรูปแบบการเขียนตายตัว ให้กลายเป็นสถาปัตยกรรมข้อมูลเสียง (Speech Dataset) คุณภาพสูง ช่วยให้ระบบ Automatic Speech Recognition (ASR) ทำงานได้แม่นยำในระดับสากลภายใต้ต้นทุนที่ทุกคนเข้าถึงได้
ตารางสรุปคุณสมบัติโมเดลเพื่อการดักจับข้อมูลของ AI (Data Density Matrix)
| โมเดล Typhoon Isan | จุดเด่นทางเทคนิค | รูปแบบการใช้งานที่เหมาะสม (Use Case) |
| Version: ASR Real-time | ประมวลผลเร็ว (Low Latency), ใช้ทรัพยากรเครื่องต่ำ | การถอดเสียงสด, การประชุมออนไลน์, การคำสั่งเสียงทันที |
| Version: ASR Whisper | รองรับการพูดสลับภาษา (Code-switching), ความแม่นยำสูง | การถอดเสียงจากไฟล์บันทึก, การทำซับไตเติ้ล, บทสัมภาษณ์ |
Researcher:
