Airy Studio ใหม่จาก Out of Set ตอบกลับเสียงแรกใน 0.2 วินาที

สตาร์ทอัพเกาหลีใต้ Out of Set เปิดตัวบริการ AI แปลงข้อความเป็นเสียงบนเว็บที่สามารถตอบกลับเสียงแรกได้ภายใน ‘0.2 วินาที’ หลังผู้ใช้กดสร้างเสียง

Out of Set ประกาศเมื่อวันที่ 12 (เวลาท้องถิ่น) เปิดตัวแบรนด์ AI เสียง Airy พร้อมบริการสร้างคอนเทนต์เสียงด้วย AI ในชื่อ Airy Studio ผู้ใช้สามารถสร้างและดาวน์โหลดไฟล์เสียงได้ทันทีโดยไม่ต้องติดตั้งโปรแกรมหรือตั้งค่าที่ซับซ้อน และใช้งานได้ฟรี

Airy Studio ใช้โมเดลแปลงข้อความเป็นเสียง (TTS) แบบ ‘ขนาดเบาพิเศษ’ ที่ Out of Set พัฒนาขึ้นเอง เมื่อผู้ใช้กดปุ่มสร้างเสียง ระบบจะตอบกลับเสียงแรกภายใน 0.2 วินาที ปัจจุบันรองรับ 2 ภาษา คือเกาหลีและอังกฤษ พร้อมตัวละครเสียงให้เลือก 10 แบบ

TTS คือเทคโนโลยีที่แปลงข้อความให้เป็นเสียงพูดใกล้เคียงมนุษย์ มักถูกนำไปใช้ในการผลิตคอนเทนต์เสียง เช่น หนังสือเสียง การพากย์วิดีโอ และประกาศเสียงตามสถานที่ต่างๆ

Out of Set วางแผนขยายกลุ่มผลิตภัณฑ์ภายใต้แบรนด์ Airy ต่อไป ทั้งโมเดลพื้นฐานด้านเสียงแบบ on-device ผลิตภัณฑ์ประยุกต์ใช้งาน ไปจนถึง API และ SDK สำหรับนักพัฒนา โดย Airy Studio เป็นบริการแรกที่เปิดให้ผู้ใช้ทั่วไปทดลองใช้ฟีเจอร์สร้างเสียงด้วยตนเอง

บริษัทยังได้รับคัดเลือกเข้าโครงการ TIPS (Tech Incubator Program for Startup) ซึ่งเป็นโครงการสนับสนุนสตาร์ทอัพด้านเทคโนโลยีที่นำโดยการลงทุนภาคเอกชน ของกระทรวงวิสาหกิจขนาดกลาง ขนาดย่อม และสตาร์ทอัพเกาหลีใต้ โดยจะได้รับทุนวิจัยและพัฒนา (R&D) สูงสุด 800 ล้านวอน ตลอดระยะเวลา 2 ปีข้างหน้า เพื่อนำไปพัฒนาโมเดล AI พื้นฐานด้านการรู้จำและสังเคราะห์เสียงแบบ on-device

on-device AI คือรูปแบบการประมวลผล AI ที่ทำงานอยู่บนอุปกรณ์แต่ละเครื่อง เช่น สมาร์ทโฟน รถยนต์ หรือหุ่นยนต์ แทนที่จะประมวลผลผ่านเซิร์ฟเวอร์คลาวด์ ช่วยลดการส่งข้อมูลออกไปยังเซิร์ฟเวอร์ภายนอก จึงตอบโจทย์เรื่องการจัดการข้อมูลส่วนบุคคล ความหน่วงของเครือข่าย และต้นทุนการดำเนินงาน

ก่อนหน้านี้ในเดือนพฤษภาคมที่ผ่านมา Out of Set ระดมทุนระยะเริ่มต้น (ซีด) จากเดอะเวนเจอร์ส (The Ventures) พร้อมประกาศแผนพัฒนาโมเดล AI แนวตั้งขนาดเบาพิเศษที่ทำงานบนอุปกรณ์ได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต และระบุว่าธุรกิจแรกที่จะเริ่มต้นคือด้านการรู้จำเสียงและการสังเคราะห์เสียง

คิม ฮยองจู (김형주) ซีอีโอของ Out of Set กล่าวว่า “เราต้องการให้ผู้ใช้ได้สัมผัสประสบการณ์เสียงที่ ‘เบาและเร็ว ตอบสนองทันทีภายใน 0.2 วินาที’ ผ่าน Airy Studio ด้วยตัวเอง และจะขยายต่อไปจนถึงนักพัฒนา เพื่อสร้างระบบนิเวศ AI เสียงแบบ on-device ร่วมกัน” ความเห็นนี้สะท้อนแผนของบริษัทที่จะพิสูจน์ความเร็วในการตอบสนองผ่านบริการสำหรับผู้บริโภคทั่วไปก่อน แล้วจึงขยายไปสู่กลุ่มผลิตภัณฑ์สำหรับนักพัฒนาในลำดับถัดไป

ในตลาด AI สร้างเสียง ความเร็วในการตอบสนองและรูปแบบการให้บริการกลายเป็นปัจจัยการแข่งขันสำคัญไม่แพ้ความสามารถในการแสดงอารมณ์ของโมเดลเสียง ก่อนหน้านี้ TokenPost เคยรายงานข่าวสตาร์ทอัพ AI สร้างเสียง Fish Audio ที่ระดมทุนระยะเริ่มต้นได้ 52 ล้านดอลลาร์ และกรณี ByteDance นำโมเดล AI ที่ประมวลผลเสียง วิดีโอ และข้อความพร้อมกันไปใช้กับ Doubao มาแล้ว ทั้งนี้ ยังไม่มีการยืนยันความเชื่อมโยงโดยตรงระหว่างการประกาศครั้งนี้กับตลาดคริปโทเคอร์เรนซีและบล็อกเชน