Block เปิดตัวโมเดลเสียงใหม่ที่ฟังแทบไม่ต่างจากมนุษย์

Block บริษัทเทคโนโลยีภายใต้การนำของแจ็ค ดอร์ซีย์ เปิดเผยโมเดลเสียงรุ่นใหม่ที่เน้นคุณภาพการพูดเป็นธรรมชาติ โดยจุดเด่นสำคัญคือเสียงที่ได้มีความลื่นไหลและใกล้เคียงมนุษย์มากกว่าระบบสังเคราะห์เสียงแบบเดิมจนสร้างความประหลาดใจให้ผู้ทดสอบฟัง

ประเด็นที่น่าสนใจไม่ใช่แค่ความสมจริงของเสียง แต่รวมถึงข้อเท็จจริงว่าโมเดลนี้สามารถรันแบบโลคัลได้บน MacBook M4 Max ซึ่งสะท้อนแนวโน้มของโมเดล AI รุ่นใหม่ที่พยายามย้ายการประมวลผลบางส่วนออกจากคลาวด์ไปยังอุปกรณ์ปลายทาง เพื่อให้ใช้งานได้เร็วขึ้น ควบคุมข้อมูลได้มากขึ้น และลดการพึ่งพาเซิร์ฟเวอร์ภายนอก

การรันบนเครื่องระดับโน้ตบุ๊กยังบ่งชี้ว่า Block กำลังผลักดันเทคโนโลยีเสียงให้เข้าถึงได้ในสภาพแวดล้อมที่ต้นทุนไม่สูงเกินไป ซึ่งอาจมีความหมายต่อการนำไปใช้จริงในผลิตภัณฑ์ผู้บริโภค เครื่องมือสร้างคอนเทนต์ และระบบผู้ช่วยอัจฉริยะที่ต้องตอบสนองแบบเรียลไทม์

แม้บทความจะไม่ได้ลงรายละเอียดเชิงเทคนิคทั้งหมดของสถาปัตยกรรมหรือชุดข้อมูลที่ใช้ฝึก แต่การสาธิตครั้งนี้ชี้ให้เห็นการแข่งขันที่เข้มข้นขึ้นในตลาด AI เสียง ซึ่งกำลังมุ่งไปสู่ทั้งความเป็นธรรมชาติของน้ำเสียงและประสิทธิภาพในการประมวลผลบนอุปกรณ์จริง ไม่ใช่เพียงความแม่นยำของการถอดเสียงหรือการพูดตอบโต้เท่านั้น

สำหรับมุมมองอุตสาหกรรม การพัฒนาเช่นนี้อาจทำให้มาตรฐานของผู้ช่วยเสียงและระบบสื่อสารอัตโนมัติสูงขึ้นอีกขั้น โดยเฉพาะในกรณีใช้งานที่ต้องการเสียงที่ฟังเป็นธรรมชาติ ลดความรู้สึกเป็นหุ่นยนต์ และพร้อมทำงานได้แม้ไม่มีการเชื่อมต่อคลาวด์ตลอดเวลา