เทนเซ็นต์(Tencent) เปิดตัว Hy ASR 3.0 พรีวิว ให้บริการ API รู้จำเสียงบนคลาวด์

เทนเซ็นต์(Tencent, 0700.HK) เปิดตัวโมเดลรู้จำเสียงในตระกูลหุนหยวน(Hunyuan) รุ่น 'Hy ASR 3.0 พรีวิว (Hy ASR 3.0 Preview)' และเริ่มให้บริการผ่าน API บนคลาวด์แล้ว เป็นความเคลื่อนไหวที่ขยายฟีเจอร์รับคำสั่งเสียงทั้งในแอป AI สำหรับผู้บริโภคทั่วไปและเอเจนต์ AI สำหรับงานองค์กร

PANews รายงานเมื่อวันที่ 4 ว่า Hy ASR 3.0 พรีวิวถูกพัฒนาบนพื้นฐานความสามารถด้านความเข้าใจภาษาของโมเดลภาษาขนาดใหญ่ล่าสุดของเทนเซ็นต์อย่าง Hy3 ออกแบบมาให้แปลงเสียงพูดจริงที่ซับซ้อนให้เป็นข้อความได้แม่นยำและสม่ำเสมอมากขึ้น กลุ่มการใช้งานที่ระบุไว้ ได้แก่ △ศูนย์บริการลูกค้าอัจฉริยะ △การทำความเข้าใจเนื้อหา และ △การค้นหาด้วยเสียง โดยโมเดลนี้เริ่มเปิดให้ใช้งานฟรีในแอป AI ของเทนเซ็นต์อย่างหยวนเป่า(Yuanbao) เป็นที่แรก และมีแผนเชื่อมต่อกับผลิตภัณฑ์ AI สำหรับงานองค์กรอย่าง WorkBuddy ในลำดับถัดไป

ASR คือเทคโนโลยีรู้จำเสียงพูดอัตโนมัติที่แปลงเสียงเป็นตัวอักษร เมื่อผนวกกับโมเดลภาษาขนาดใหญ่แล้ว จะไม่ใช่แค่การถอดคำพูดแบบพื้นฐานอีกต่อไป แต่สามารถใช้เป็นอินเทอร์เฟซรับข้อมูลที่จัดการกับสำนวนพูดแบบปากเปล่า ประโยคที่ไม่สมบูรณ์ และบริบทเชิงธุรกิจได้ด้วย ก่อนหน้านี้เทนเซ็นต์นำ Hy3 ไปใช้งานใน WorkBuddy, CodeBuddy, หยวนเป่า, Marvis และ ima มาแล้ว พร้อมเปิดให้บริการผ่าน API บน Tencent Cloud TokenHub ทั้งนี้ Hy3 มีโครงสร้างแบบผสมผู้เชี่ยวชาญ(Mixture of Experts) ที่มีพารามิเตอร์รวม 295 พันล้านตัว และพารามิเตอร์ที่ทำงานจริง 21 พันล้านตัว รองรับความยาวบริบทสูงสุด 256K ซึ่งสอดคล้องกับแนวโน้มที่คลังโมเดลโอเพนซอร์สของเทนเซ็นต์ขยายตัวอย่างรวดเร็วในช่วงที่ผ่านมา

เอกสารค่าบริการรู้จำเสียงของ Tencent Cloud ระบุว่า ผลิตภัณฑ์รู้จำเสียงแบบเรียลไทม์และรู้จำเสียงจากไฟล์บันทึกเสียงมีรายการ 'โมเดลขนาดใหญ่เวอร์ชัน 2.0' แยกต่างหาก โดยอัตราค่าบริการแบบจ่ายภายหลังของรู้จำเสียงเรียลไทม์โมเดลขนาดใหญ่เวอร์ชัน 2.0 อยู่ที่ 1 หยวนต่อชั่วโมง ส่วนรู้จำเสียงเรียลไทม์แบบทั่วไปมีโควตาใช้งานฟรี 5 ชั่วโมงต่อเดือน ขณะที่รู้จำเสียงจากไฟล์บันทึกเสียงมีโควตาใช้งานฟรี 10 ชั่วโมงต่อเดือน

อย่างไรก็ตาม ยังไม่พบแถลงการณ์อย่างเป็นทางการจากห้องข่าวของเทนเซ็นต์หรือเอกสารสาธารณะของ Tencent Cloud ที่ระบุชื่อโมเดล 'Hy ASR 3.0 พรีวิว' โดยตรง และไม่มีการเปิดเผยสัญญาหรือตัวเลขใดที่เชื่อมโยงโดยตรงกับอุตสาหกรรมบล็อกเชน สินทรัพย์ดิจิทัล หรือเซมิคอนดักเตอร์ ทำให้การเปิดตัวครั้งนี้เน้นไปที่การขยายอินเทอร์เฟซรับข้อมูลด้วย AI และบริการระบบอัตโนมัติสำหรับงานองค์กรเป็นหลัก