Mistral AI เปิดตัว Voxtral 3 ชุดโมเดลเสียงและ Voice Agent SDK

Mistral AI ประกาศเปิดตัว Voxtral 3 ซึ่งเป็นตระกูลโมเดลและเครื่องมือประมวลผลเสียงรุ่นใหม่ล่าสุด โดยมุ่งเน้นการยกระดับความสามารถด้านเสียงของปัญญาประดิษฐ์ให้มีความแม่นยำและครอบคลุมการใช้งานที่หลากหลายยิ่งขึ้น การปล่อยตัวครั้งนี้ถือเป็นก้าวสำคัญของบริษัทในการรุกตลาดเทคโนโลยีเสียงพูดหลังจากพัฒนาโมเดลภาษาขนาดใหญ่มาอย่างต่อเนื่อง

สำหรับองค์ประกอบภายในตระกูล Voxtral 3 ประกอบด้วยโมเดลสำหรับการถอดเสียงพูดเป็นข้อความจำนวน 3 ตัว โมเดลสำหรับแปลงข้อความให้เป็นเสียงพูดอีก 1 ตัว และชุดพัฒนาซอฟต์แวร์หรือ Voice Agent SDK ที่พัฒนาต่อยอดมาจาก LiveKit เพื่อช่วยให้ผู้พัฒนาสามารถสร้างระบบผู้ช่วยเสียงอัจฉริยะได้อย่างมีประสิทธิภาพ

จุดเด่นที่น่าสนใจในตระกูลนี้คือรุ่น Voxtral Small Transcribe 3 ซึ่งทำผลงานในการทดสอบได้อย่างยอดเยี่ยมด้วยคะแนนอัตราความผิดพลาดในการถอดเสียง หรือ AA-WER (Average Word Error Rate) อยู่ที่ 2.1% เท่านั้น ส่งผลให้โมเดลรุ่นนี้ทะยานขึ้นไปอยู่อันดับที่ 3 บนแพลตฟอร์มประเมินประสิทธิภาพปัญญาประดิษฐ์อย่าง Artificial Analysis

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

การพัฒนาโมเดลเสียงที่มีความแม่นยำสูงและมีขนาดเหมาะสมเช่นนี้ จะช่วยให้องค์กรต่างๆ สามารถนำไปประยุกต์ใช้กับงานบริการลูกค้า ระบบอัตโนมัติ และแอปพลิเคชันสนทนาได้อย่างราบรื่น ผู้สนใจสามารถติดตามรายละเอียดเพิ่มเติมเกี่ยวกับชุดพัฒนาซอฟต์แวร์และชุดโมเดลเหล่านี้ได้จากช่องทางอย่างเป็นทางการของ Mistral AI

ที่มา: MarkTechPost