AI ถอดเสียงภาษาไทย ฟรีจากเนคเทค: Pathumma Audio แม่นราว 90%

เคยไหมครับ ประชุมจบแล้วต้องนั่งฟังเทปย้อนไปย้อนมา หรืออัดคลิปเสร็จแล้วต้องนั่งพิมพ์ซับทีละบรรทัด ข่าวนี้เลยทำให้ผมหยุดอ่าน เพราะเนคเทค สวทช. เพิ่งเอา AI ถอดเสียงภาษาไทยที่คนไทยทำเองชื่อ Pathumma Audio ไปถอดความและแปลไทย-อังกฤษแบบสดๆ ในงานอบรมผู้บริหารภาครัฐของ DGA เมื่อ 28 ต.ค. 2569 และตัวโมเดลเสียงก็เปิดให้ดาวน์โหลดฟรีด้วย

ทำไมผมหยิบข่าวนี้มาเล่า

ผมทำเพจกับช่อง Prompt Hub Pro งานแทบทุกวันเลยต้องอยู่กับเสียงพูดภาษาไทย ทั้งคลิปสั้น คลิปยาว และการเก็บประเด็นจากคลิปข่าวมาเขียนต่อ

เครื่องมือ AI ถอดเสียงที่ผมเคยใช้มาเป็นของต่างประเทศ พูดอังกฤษใส่มันนี่ออกมาดีเลย แต่พอเป็นภาษาไทย ผลที่ได้มักเพี้ยน สุดท้ายก็ต้องกลับมาไล่อ่านและแก้เองอยู่ดี เวลาที่คิดว่าจะประหยัดได้ก็หายไปครึ่งหนึ่ง

ผมเข้าใจนะครับว่าทำไมมันยาก ภาษาไทยเขียนติดกันไม่มีเว้นวรรคระหว่างคำ มีวรรณยุกต์ที่เปลี่ยนความหมาย แล้วคนไทยก็ชอบพูดไทยคำอังกฤษคำ เครื่องมือที่ฝึกมากับภาษาอังกฤษเป็นหลักเลยสะดุดง่าย พอเห็นข่าวว่าเนคเทคทำ AI ถอดเสียงภาษาไทยที่ตั้งใจแก้ปัญหาพวกนี้ตรงๆ ผมเลยอยากเล่าให้ฟังครับ

AI ถอดเสียงภาษาไทย Pathumma Audio คืออะไร

Pathumma Audio เป็นบริการถอดความและแปลภาษาแบบเรียลไทม์ของศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) สวทช. ตามที่ Posttoday รายงานเมื่อ 1 พ.ย. 2569 ตัวที่ทำงานอยู่ข้างหลังคือโมเดลเสียงในตระกูล Pathumma LLM ซึ่งเป็น AI สัญชาติไทยที่เข้าใจได้ทั้งข้อความ ภาพ และเสียง

ส่วนที่ผมชอบคือที่มาของมัน บริการนี้ไม่ได้เริ่มจากศูนย์ แต่ต่อยอดจากศูนย์บริการถอดความ (TCC) ที่ช่วยคนหูหนวกและคนหูตึงมาเกิน 10 ปี เมื่อก่อนเจ้าหน้าที่ต้องนั่งพิมพ์ตามเสียงสดๆ ตอนนี้ให้ AI ถอดก่อน แล้วคนค่อยตรวจทาน แปลว่าทีมนี้รู้จักความยากของการถอดเสียงภาษาไทยจากงานจริงมานานแล้ว

เอาไปใช้จริงที่ไหนแล้ว

งานที่มีรายงานคือหลักสูตรอบรมผู้บริหาร IT ภาครัฐ (EXECUTIVE WORKSHOP PROGRAM: Agentic Engineering for Thai Government Transformation) ของสถาบันพัฒนาบุคลากรภาครัฐด้านดิจิทัล (TDGA) ภายใต้ DGA เมื่อ 28 ต.ค. 2569 ใช้ช่วยให้ผู้เรียนตามการบรรยายภาษาอังกฤษของวิทยากรต่างชาติได้ทัน

ผมว่าเลือกสนามทดสอบได้ดีครับ ห้องอบรมจริงมีทั้งสำเนียงวิทยากร ศัพท์เทคนิค และเสียงห้อง ถ้าผ่านตรงนั้นได้ ใช้กับงานประชุมทั่วไปก็น่าจะพอไหว

มันทำอะไรได้ และผมมองว่าจุดไหนน่าสนใจ

จากข้อมูลที่ทีมพัฒนาให้กับ Posttoday ความสามารถหลักมีประมาณนี้ครับ

• ถอดความแบบเรียลไทม์ พูดไป ตัวหนังสือขึ้นตาม
• แปลไทย-อังกฤษแบบสด
• เข้าใจการพูดไทยปนอังกฤษ สำเนียงภาษาถิ่น และศัพท์เฉพาะด้านการแพทย์ การเงิน กฎหมาย
• ตั้งค่าชื่อคน ชื่อสถานที่ และตัวย่อหน่วยงานเพิ่มได้
• ส่งออกเป็นไฟล์ .doc หรือ .pdf ได้ทันทีหลังจบการประชุม

ข้อที่ผมสนใจที่สุดคือเรื่องไทยปนอังกฤษกับการตั้งค่าชื่อเฉพาะ เพราะสายที่ผมทำ คำอย่าง AI Agent, Prompt หรือชื่อแอปต่างๆ โผล่มาแทบทุกประโยค ถ้า AI ถอดเสียงภาษาไทยตัวไหนจัดการตรงนี้ได้ดี งานตรวจแก้จะเบาลงเยอะ

ส่วนตัวเลขความแม่นยำ ทีมพัฒนาบอกว่าการถอดความอยู่ราว 90% และการแปลไทย-อังกฤษราว 80-90% ผมยังไม่เห็นว่าทดสอบกับเสียงแบบไหน เลยอยากให้มองเป็นตัวเลขคร่าวๆ ไว้ก่อน ของจริงขึ้นกับไมค์ เสียงรบกวน และคนพูดด้วย คนพูดเร็วกับคนพูดชัดได้ผลไม่เท่ากันแน่นอน

ฟรีจริงไหม คนทั่วไปใช้ได้หรือยัง

ตรงนี้ต้องแยกให้ชัดครับ เพราะเห็นคำว่า “ฟรี” แล้วหลายคนอาจเข้าใจว่าเปิดแอปใช้ได้เลย

ที่ฟรีแน่ๆ คือ “ตัวโมเดล” เว็บทางการ pathumma.in.th บอกว่าโมเดล Pathumma-LLM-audio-1.0.0 เป็นแบบ open weights ดาวน์โหลดและปรับต่อได้ฟรีบน Hugging Face ใช้ถอดเสียงพูดภาษาไทย เข้าใจบทสนทนา และสรุปสาระจากไฟล์เสียงประชุมหรือคลิป

แต่การโหลดโมเดลไปติดตั้งเองเป็นงานของคนที่มีเครื่องแรงๆ หรือมีทีม IT ไม่ใช่งานของแม่ค้าออนไลน์ที่อยากได้ซับคลิปเร็วๆ ส่วนบริการถอดความสดแบบที่ใช้ในงาน DGA ข่าวยังไม่ได้บอกว่าประชาชนสมัครใช้ได้ทางไหน ใครอยากลองแบบไม่ต้องเขียนโค้ด ผมแนะนำให้ดูจากช่องทางทางการของเนคเทคก่อน

ช่องทาง	เหมาะกับใคร	หมายเหตุ
pathumma.in.th	ทุกคนที่อยากดูข้อมูล	เว็บทางการ รวมลิงก์โมเดลและแอปที่เกี่ยวข้อง
Hugging Face (nectec)	นักพัฒนา หน่วยงานที่มีเซิร์ฟเวอร์	ดาวน์โหลดโมเดลเสียงไปติดตั้งเอง
AI for Thai (aiforthai.in.th)	คนทำระบบ ทำแอป	เรียกใช้ผ่าน API
Partiinote	คนทำงานทั่วไป	เว็บทางการระบุว่าเป็นเครื่องมือถอดเสียงและสรุปประชุม

ถ้าเป็นคนทำคอนเทนต์ ผมจะลองใช้แบบนี้

บอกก่อนว่าผมยังไม่ได้ลอง Pathumma Audio เองนะครับ อันนี้เป็นแผนที่ผมวางไว้ ถ้ามีช่องทางให้ใช้งานได้สะดวกเมื่อไหร่

ผมจะไม่โยนคลิปยาวเข้าไปทั้งก้อนตั้งแต่แรก แต่จะเริ่มจากคลิปสั้น 1-2 นาทีที่มีทั้งไทยล้วน ไทยปนอังกฤษ และชื่อเครื่องมือ AI เยอะๆ แล้วเอาผลไปเทียบกับเครื่องมือที่ใช้อยู่ ดูว่าตัวไหนต้องแก้น้อยกว่า วิธีนี้ใช้เวลาไม่กี่นาที แต่บอกได้ชัดกว่าตัวเลข 90% บนกระดาษ

ถ้าผลโอเค ขั้นต่อไปคือเอาข้อความที่ถอดได้ไปให้ AI แชตช่วยเรียบเรียงต่อ ผมจะใช้ Prompt ประมาณนี้ครับ

นี่คือข้อความที่ถอดจากเสียงพูดภาษาไทย อาจมีคำผิดจากการถอดเสียง
1) แก้คำที่น่าจะถอดผิด โดยห้ามเปลี่ยนความหมาย และทำเครื่องหมาย [?] ตรงที่ไม่แน่ใจ
2) สรุปประเด็นสำคัญ 5 ข้อ
3) เขียนแคปชันโพสต์ Facebook ยาวไม่เกิน 5 บรรทัด

ข้อความ:
(วางข้อความที่ถอดได้ตรงนี้)

ตรง [?] นี่สำคัญนะครับ มันทำให้เรารู้ว่าต้องกลับไปฟังเสียงจริงตรงไหน ไม่ต้องอ่านทวนทั้งหมด ใครยังไม่คล่องเรื่องเขียนคำสั่ง ลองอ่าน Prompt คืออะไร ฉบับมือใหม่ ก่อนได้ครับ

คนทำงานออฟฟิศกับร้านเล็กล่ะ

ถ้าคุณต้องจดรายงานการประชุมเป็นประจำ งานที่กินเวลาที่สุดคือการนั่งฟังเทปย้อนไปย้อนมา AI ถอดเสียงภาษาไทยช่วยตรงนี้ได้ตรงๆ เหลือแค่ตัดให้เหลือประเด็นที่ต้องใช้

ส่วนเจ้าของร้านที่ไลฟ์ขายของหรือคุยกับลูกค้าทางโทรศัพท์ ถ้าได้ข้อความออกมา ก็เอาไปทำซับคลิป ทำโพสต์ หรือเก็บคำถามที่ลูกค้าถามบ่อยไว้ทำ FAQ ได้ ผมว่าข้อหลังนี่คนมองข้ามกันเยอะ ทั้งที่มันคือข้อมูลจริงจากลูกค้าเรา

ก่อนจะรีบใช้ มีสองเรื่องที่ผมอยากเตือน

แม่นราว 90% ฟังดูเยอะ แต่ลองคิดง่ายๆ ว่าทุก 10 ประโยคอาจมีที่ผิดได้ราว 1 ประโยค และมักผิดตรงที่สำคัญ อย่างตัวเลข ชื่อคน หรือศัพท์เฉพาะ ทีมพัฒนาเองก็แนะนำว่างานที่ต้องการความแม่นสูงควรให้คนตรวจก่อนเผยแพร่ เอกสารที่มีตัวเลขเงินหรือข้อตกลงกับลูกค้า อย่าส่งต่อโดยไม่อ่านทวนเด็ดขาดครับ

อีกเรื่องคือเสียงที่เป็นความลับ ก่อนอัปโหลดเสียงประชุมขึ้นเว็บไหน ให้เช็กก่อนว่าเป็นเว็บทางการจริง (pathumma.in.th, aiforthai.in.th หรือ nectec.or.th) และระวังเพจหรือลิงก์ที่อ้างว่าเป็น “แอปถอดเสียงของรัฐ” แล้วขอข้อมูลส่วนตัวหรือให้โอนเงิน ข่าวไหนมีคำว่าฟรี มิจฉาชีพชอบเกาะกระแสเสมอ

มุมมองผม: ทำไมการที่คนไทยทำ AI เองถึงสำคัญ

ผมไม่ได้คิดว่า AI ถอดเสียงภาษาไทยของเนคเทคต้องชนะเครื่องมือต่างประเทศทุกด้าน แต่การมีตัวเลือกที่ฝึกมากับภาษาไทยจริงๆ ช่วยเราได้อย่างน้อย 2 เรื่อง

เรื่องแรกคือข้อมูล หน่วยงานหรือบริษัทที่ไม่อยากส่งเสียงประชุมออกไปเซิร์ฟเวอร์ต่างประเทศ เอาโมเดลไปติดตั้งในองค์กรเองได้ เรื่องที่สองคือการแข่งขัน พอมีของฟรีที่ทำภาษาไทยได้ดี เครื่องมือเจ้าใหญ่ก็ต้องปรับภาษาไทยให้ดีขึ้นตาม สุดท้ายคนใช้อย่างเราได้ประโยชน์

ที่ผมยังรออยู่คือหน้าใช้งานที่คนทั่วไปเข้าไปอัปไฟล์แล้วได้ผลเลย ถ้าวันไหนมีแบบนั้น ผมจะลองแล้วกลับมาเล่าให้ฟังครับ

คำถามที่พบบ่อย

Pathumma Audio เสียเงินไหม?
ตัวโมเดลเสียงเปิดให้ดาวน์โหลดฟรี ส่วนบริการถอดความสดสำหรับประชาชน ข่าวยังไม่ได้บอกเงื่อนไขหรือราคา

ถอดเสียงภาษาถิ่นได้ไหม?
ทีมพัฒนาบอกว่าออกแบบให้เข้าใจสำเนียงภาษาถิ่นและการพูดไทยปนอังกฤษ แต่ยังไม่ได้บอกว่ารองรับถิ่นไหนบ้าง

ต่างจากเครื่องมือถอดเสียงของต่างประเทศยังไง?
จุดเด่นคือฝึกมากับภาษาไทยโดยเฉพาะ และเอาไปติดตั้งบนเซิร์ฟเวอร์ของตัวเองได้ ส่วนจะแม่นกว่าจริงไหม ต้องรอดูผลเทียบกับเสียงจริงหลายๆ แบบ

ไฟล์ที่ได้เอาไปแก้ต่อได้ไหม?
ได้ครับ ข่าวระบุว่าส่งออกเป็น .doc หรือ .pdf ได้ทันทีหลังจบการประชุม

ถ้าจะจำแค่ 4 เรื่องจากข่าวนี้

• ของใหม่ฝีมือคนไทย: Pathumma Audio ของเนคเทคถอดความและแปลไทย-อังกฤษแบบสด ใช้งานจริงแล้วในงานอบรมของ DGA
• แม่นแค่ไหน: ทีมพัฒนาบอกราว 90% สำหรับถอดความ และ 80-90% สำหรับแปล ควรลองกับเสียงของเราเองก่อนเชื่อ
• ฟรีที่ตัวโมเดล: โหลดได้บน Hugging Face ส่วนบริการแบบกดใช้ได้เลยสำหรับคนทั่วไป ต้องติดตามจากเว็บทางการ
• อย่าลืมตรวจ: ตัวเลข ชื่อคน และเอกสารสำคัญ อ่านทวนก่อนส่งต่อทุกครั้ง

อ่านต่อ: คนไทยใช้ AI 31 ล้านคน ร้านเล็กปรับยังไง และ รีวิว Gemini สร้างไฟล์ แก้ PDF สไลด์ในแชต

แล้วคุณล่ะครับ เคยใช้ AI ถอดเสียงภาษาไทยตัวไหนแล้วเจอปัญหาอะไรบ้าง เล่าในคอมเมนต์ได้เลย ผมอยากรู้ว่าเจอเหมือนกันไหม

ที่มา

• Posttoday: Pathumma Audio AI ไทยถอดความ-แปลภาษาเรียลไทม์ แม่นยำ 90%
• Pathumma LLM (เว็บทางการ เนคเทค สวทช.): Open LLM สัญชาติไทย
• Hugging Face: nectec/Pathumma-llm-audio-1.0.0
• NECTEC: Pathumma LLM เทคโนโลยี AI ที่เข้าใจบริบทและวัฒนธรรมไทย