Meta သည် စပီကာများစွာကြားနှင့် ဘာသာစကားများစွာကို အချိန်နှင့်တပြေးညီ ခွဲခြားနိုင်သော အသံ AI မော်ဒယ်အသစ်ကို တနင်္လာနေ့တွင် ထုတ်ဖော်ပြသခဲ့ကြောင်း Engadget မှ ပြောကြားချက်အရ ကုမ္ပဏီသည် တိုးများလာနေသော လူစည်ကားသောဈေးကွက်ထဲသို့ ပိုမိုနက်ရှိုင်းလာစေရန် တွန်းအားပေးသည့်အနေဖြင့် Engadget မှ ပြောကြားခဲ့သည်။ သတင်းအချက်အလက်သည် အသံမော်ဒယ်ကြေညာချက်ကို ပထမဆုံးအစီရင်ခံခဲ့ပြီး၊ အဖော်ထုတ်ကုန်—Muse Voice Transcribe သည် Mac သို့ အချိန်နှင့်တစ်ပြေးညီ သတ်ပုံဖြတ်ခြင်းကို ယူဆောင်လာသည့်— 9to5Mac မှ အသေးစိတ်ဖော်ပြခဲ့သည်။

Meta သည် ၎င်း၏ AI အစုအဝေးအတွက် ပထမတန်းစားထည့်သွင်းမှုတစ်ခုအဖြစ် Meta သည် အသံကို ခံယူနေသည်ဟူသော အချက်ကို ထုတ်လွှတ်သည်။ ထပ်နေသည့် စပီကာများကို ကိုင်တွယ်နိုင်သည့် အချိန်နှင့်တပြေးညီ စာသားမှတ်တမ်း၊ စကားဝိုင်းအလယ်တွင် ဘာသာစကားပြောင်းခြင်းနှင့် စနစ်တစ်ခုလုံး သတ်ပုံဆွဲခြင်းတို့သည် အသံကို အသစ်အဆန်းတစ်ခုမှ နေ့စဉ်သုံးအင်တာဖေ့စ်အဖြစ်သို့ ပြောင်းလဲပေးနိုင်သည့် စွမ်းရည်များဖြစ်သည်။ For more context on this story, see our ongoing latest AI developments.

မော်ဒယ်တစ်ခု၊ အသံများစွာ၊ ဘာသာစကားများစွာ

Engadget အစီရင်ခံထားသည့်အတိုင်း ခေါင်းစီးစွမ်းရည်သည် စပီကာများစွာနှင့် ဘာသာစကားမျိုးစုံကို အချိန်နှင့်တပြေးညီ ခွဲခြားနိုင်သော မော်ဒယ်၏စွမ်းရည်ဖြစ်သည်။ ယင်းပေါင်းစပ်မှုသည် လက်တွေ့ကျသော စာသားမှတ်တမ်းတွင် အခက်ခဲဆုံးပြဿနာနှစ်ခုကို တစ်ပြိုင်နက်တည်း ဖြေရှင်းပေးသည်- စပီကာ diariation — ဘယ်သူပြောသည်ကို အဖြေရှာခြင်း — နှင့် စကားဝိုင်းတစ်ခုသည် ခေတ္တရပ်မနားဘဲ ဘာသာစကားများကြားတွင် ပျံ့နှံ့သွားသည့် ဘာသာစကားပေါင်းစုံ အသိအမှတ်ပြုမှု။

ရှိပြီးသား စာသားမှတ်တမ်း ပိုက်လိုင်းအများစုသည် ၎င်းတို့အား သီးခြားအဆင့်များအဖြစ် သဘောထားသည်- ပထမဦးစွာ diarization ပုံစံသည် စပီကာများကို ပိုင်းခြားပြီး၊ ထို့နောက် အသိအမှတ်ပြုမှုပုံစံသည် အပိုင်းတစ်ခုစီကို စာသားမှတ်တမ်းပြုသည်။ ၎င်းတို့ကို အချိန်နှင့်တစ်ပြေးညီ မော်ဒယ်တစ်ခုအဖြစ် ပေါင်းစပ်ခြင်းသည် တိုက်ရိုက်အသုံးပြုမှုကိစ္စများ—အစည်းအဝေးများ၊ အင်တာဗျူးများ၊ ဖောက်သည်ခေါ်ဆိုမှုများ၊ တိုက်ရိုက်ဘာသာပြန်မှု ထပ်ဆင့်ခြင်း——လုပ်ဆောင်ပြီးနောက် စောင့်ဆိုင်းရခြင်းသည် ရည်ရွယ်ချက်ကို ရှုံးနိမ့်စေသည့် နည်းပညာကို အကောင်အထည်ဖော်နိုင်စေသည်။

Muse Voice Transcribe သည် Mac အက်ပ်တိုင်းအတွက် သတ်ပုံသတ်ပုံကို ယူဆောင်လာသည်။

မော်ဒယ်နှင့်အတူ Meta သည် macOS အတွက် Muse Voice Transcribe ကို စတင်ခဲ့သည်။ 9to5Mac အစီရင်ခံထားသည့်အတိုင်း၊ ကိရိယာသည် သီးခြားအထီးကျန်အက်ပ်ထက် စနစ်တစ်ခုလုံး သတ်ပုံအလွှာကို ထိရောက်စွာအသုံးပြုနိုင်သည့် Mac အပလီကေးရှင်းများတစ်လျှောက်တွင် အချိန်နှင့်တစ်ပြေးညီ အသံဖြင့် သတ်ပုံဖြတ်ခြင်းကို ပေးပါသည်။ Gadget Review ၏ အကျုံးဝင်မှုတွင် ၎င်းသည် Mac အက်ပ်တိုင်းအတွက် အချိန်နှင့်တပြေးညီ သတ်ပုံသတ်နည်းကို ယူဆောင်လာသည်ဟု ဖော်ပြထားသည်။

ထိုဒီဇိုင်းသည် မွေးစားရန်အတွက် အရေးကြီးသည်။ သတ်ပုံဖြတ်နည်းကိရိယာများသည် ပွတ်တိုက်မှုများကြောင့် အသက်ရှင်နေ သို့မဟုတ် သေဆုံးသည်- အသုံးပြုသူများသည် သီးခြားဝင်းဒိုးတစ်ခုမှ စာသားကို ကူးယူပါက ၎င်းကို အသုံးပြုခြင်းမှ ရပ်တန့်သွားမည်ဖြစ်သည်။ စနစ်အဆင့်တွင် အလုပ်လုပ်ခြင်းသည် cursor မှိတ်တုတ်မှိတ်တုတ်မှိတ်တုတ်နေသည့်နေရာတိုင်းတွင် အသံထည့်သွင်းခြင်းကို ဆိုလိုသည်မှာ — အီးမေးလ်၊ ကုဒ်တည်းဖြတ်သူများ၊ စာတိုပေးပို့ခြင်းအက်ပ်များ၊ စာရွက်စာတမ်းများ — အအောင်မြင်ဆုံးသတ်ပုံဖြတ်နည်းကိရိယာများသည် ၎င်းတို့၏ပရိသတ်များကို အတိအကျရရှိစေသည့်အတိုင်းဖြစ်သည်။

Mac ဖြန့်ချိမှုသည် Meta အတွက် ထင်ရှားသော နယ်မြေတစ်ခုလည်းဖြစ်သည်။ ကုမ္ပဏီ၏ AI ကြိုးပမ်းမှုများသည် ၎င်း၏မိုဘိုင်းအက်ပ်များ၊ ၎င်း၏ Meta AI လက်ထောက်၊ နှင့် ၎င်း၏ Llama-family နှင့် Muse-family မော်ဒယ်များပေါ်တွင် အာရုံစိုက်ထားသည်။ Apple ၏ပလပ်ဖောင်းအတွက် ပွတ်သပ်ထားသော ဒက်စတော့ ကုန်ထုတ်စွမ်းအားတူးလ်ကို ပို့ဆောင်ခြင်းသည် Meta သည် ပရော်ဖက်ရှင်နယ်အသုံးပြုသူအခြေစိုက်စခန်းသို့ရောက်ရှိရန် ရုန်းကန်ခဲ့ရသော ပရော်ဖက်ရှင်နယ်အသုံးပြုသူနှင့် တိုက်ရိုက်ထိတွေ့စေသည် — နှင့် ၎င်းကို ပလပ်ဖောင်းပေါ်တွင် သတ်ပုံသတ်ပုံနှင့် စာသားမှတ်တမ်း utilities များဖြင့် ယှဉ်ပြိုင်စေပါသည်။

လူစည်ကားသော ကွင်းပြင်သည် ပိုမိုမြန်ဆန်လာသည်။

Meta သည် လွန်ခဲ့သည့် နှစ်နှစ်အတွင်း စျေးနှုန်းပြန်လည်သတ်မှတ်ပြီး ပြန်လည်အင်ဂျင်နီယာချုပ်ထားသော စျေးကွက်သို့ ဝင်ရောက်နေပါသည်။ OpenAI ၏ Whisper open-source မော်ဒယ်များသည် လက်လှမ်းမီနိုင်သော ဘာသာစကားပေါင်းစုံ ကူးယူဖော်ပြခြင်းအတွက် အခြေခံအချက်ကို သတ်မှတ်ပေးထားပြီး ကုမ္ပဏီ၏ အခပေး GPT Transcribe API သည် စီးပွားရေးစျေးကွက်၏ စျေးနှုန်းအရ လျှော့စျေးဖြစ်သည်။ တစ်ချိန်တည်းတွင် Google သည် တူညီသောဦးတည်ချက်ဖြင့် တွန်းအားပေးခဲ့သည်- Google မှ ၎င်း၏ 85 ဘာသာစကား အချိန်နှင့်တပြေးညီ စကားပြော စာသားမှတ်တမ်းမော်ဒယ်များကို တင်ပို့လိုက်သောအခါတွင် ကျွန်ုပ်တို့ဖော်ပြခဲ့သည့်အတိုင်း ဘာသာစကားများစွာကို အချိန်နှင့်တပြေးညီ လွှမ်းခြုံနိုင်သော Gemini-powered စာသားမှတ်တမ်းပုံစံများကို ဆော့ဖ်ဝဲရေးသားသူများထံ ဖြန့်ကျက်ပြီးပါပြီ။

ထိုနောက်ခံကားကိုဆန့်ကျင်ဘက်တွင် ခေါင်းဆောင်များသည် စံစံနှုန်းများပေါ်တွင် ဆူညံသံများကြားတွင် အစုလိုက်အပြုံလိုက် စုစည်းနေသည့် — ကြာမြင့်ချိန်၊ စပီကာကိုင်တွယ်မှု၊ ဘာသာစကားများအကြား ကုဒ်ပြောင်းခြင်းမှ ကွဲပြားသွားပါသည်။ Meta ၏ အချိန်နှင့်တပြေးညီ စပီကာပေါင်းများစွာနှင့် ဘာသာစကားပေါင်းစုံ အသိအမှတ်ပြုခြင်းအပေါ် အလေးပေးမှုသည် လက်တွေ့ကျသောအသေးစိတ်အချက်အလက်များကို တိကျစွာပစ်မှတ်ထားခြင်းဖြစ်သည်။

ဘာကြောင့် အသံက ရုတ်တရက် ဗျူဟာကျတာလဲ။

အချိန်က မတော်တဆမဟုတ်ပါဘူး။ Voice သည် AI အေးဂျင့်များအတွက် မူရင်းအင်တာဖေ့စ်ဖြစ်လာပြီး အသံအလွှာကို ပိုင်ဆိုင်သည့်ကုမ္ပဏီများဖြစ်သည့် — ဖမ်းယူမှု၊ စာသားမှတ်တမ်း၊ နားလည်မှု၊ တုံ့ပြန်မှု — assistant အတွေ့အကြုံများအတွက် သဘာဝအကျဆုံး ဝင်ရောက်မှုအမှတ်ကို ထိန်းချုပ်ထားသည်။ Meta သည် AI မျက်မှန်နှင့် ဝတ်ဆင်နိုင်သော ကိရိယာများအတွက် ၎င်း၏ ရည်မှန်းချက်များအကြောင်းကို လူသိရှင်ကြား အသိပေးခဲ့ပြီး၊ အသံသည် အဓိကအားဖြင့် လက်တွေ့ကျသော ထည့်သွင်းမှုဖြစ်သည်။ မြန်ဆန်တိကျပြီး သွားရင်းလာရင်း အော်ဒီယိုမော်ဒယ်သည် ထိုလမ်းပြမြေပုံအတွက် အခြေခံအဆောက်အအုံဖြစ်သည်။

လုပ်ငန်းထောင့်လည်းရှိတယ်။ အစည်းအဝေးများ၊ ပံ့ပိုးကူညီမှုခေါ်ဆိုမှုများနှင့် ကွင်းဆင်းလုပ်ဆောင်မှုများသည် အဖွဲ့အစည်းများ၏ ရှာဖွေရလွယ်ကူပြီး အရေးယူနိုင်သော စပီကာပေါင်းများစွာ၏ ကြီးမားသောအသံကို ထုတ်ပေးပါသည်။ စကားပြောဆိုမှု ဖြစ်ပေါ်လာသည်နှင့် စိတ်ချယုံကြည်စွာ ကူးယူဖော်ပြသည့် မော်ဒယ် — တံဆိပ်တပ်ထားသော စပီကာများနှင့် လူကိုယ်တိုင်ဖွဲ့စည်းမှုမရှိဘဲ ကိုင်တွယ်သည့်ဘာသာစကားများ — သည် သရုပ်ပြတစ်ခုနှင့် ထုတ်ကုန်တစ်ခုကြား ကွာခြားချက်ဖြစ်သည်။

အချိန်နှင့်တပြေးညီ ကူးယူဖော်ပြခြင်းသည် အဆင်ပြေခြင်းထက် အကျိုးကျေးဇူးများ ပေးပါသည်။ တိုက်ရိုက်စာတန်းထိုးများသည် အစည်းအဝေးများ၊ စာသင်ခန်းများနှင့် ထုတ်လွှင့်မှုများကို နားမကြားသူများနှင့် အကြားရခက်သော အသုံးပြုသူများထံ ဝင်ရောက်နိုင်စေပြီး နိုင်ငံတကာအဖွဲ့များအတွက် ဘာသာစကားအတားအဆီးများကို နည်းပါးစေသည်။ စာသားမှတ်တမ်းသည် သဘာဝအတိုင်း လိုက်လျောညီထွေဖြစ်စေရန် မြန်ဆန်ပြီး စပီကာများစွာကို တစ်ပြိုင်နက် ခြေရာခံနိုင်လောက်အောင် အားကောင်းသောအခါ၊ အဆိုပါ ဝင်ရောက်နိုင်မှုအင်္ဂါရပ်များသည် အထူးနေရာထိုင်ခင်းများအဖြစ် ရပ်သွားကာ နေ့စဉ်သုံးကိရိယာများတွင် တည်ဆောက်ထားသည့် ပုံသေများဖြစ်လာသည်။

Meta သည် ကနဦးအကျုံးဝင်မှုတွင် စျေးနှုန်း သို့မဟုတ် ရရှိနိုင်မှုအသေးစိတ် အချက်အလက်အပြည့်အစုံကို မကြေငြာပါ။ သို့သော် ဦးတည်ချက်မှာ မှားစရာမရှိပါ- AI stack ၏ အော်ဒီယိုအလွှာသည် ယခုအခါ ပလက်ဖောင်းစစ်ပွဲတွင် ရှေ့တန်းဖြစ်လာပြီး ၎င်းကို တိုက်ခိုက်ရန် Meta မှ ဆုံးဖြတ်ခဲ့သည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →