🎙️ Voice AI กำลังเปลี่ยนจาก “AI ที่พูดเก่ง” เป็น “AI ที่คุยไ…

🎙️ Voice AI กำลังเปลี่ยนจาก “AI ที่พูดเก่ง” เป็น “AI ที่คุยไป ทำงานไป”

Google เปิดตัว Gemini 3.8 Live และ Gemini 3.8 Live Extended Thinking โมเดลเสียงรุ่นใหม่ที่ไม่ได้โฟกัสแค่การทำให้เสียงตอบกลับเป็นธรรมชาติมากขึ้น แต่กำลังขยับไปสู่ Voice Agent ที่สามารถ ฟัง → คิด → เรียกใช้เครื่องมือ → ทำงานต่อ ระหว่างที่เรายังคุยอยู่

จุดที่น่าสนใจมีหลายอย่างครับ 👇

⚡ Gemini 3.8 Live เน้นความเร็วและต้นทุน เหมาะกับงานที่ต้องรองรับผู้ใช้จำนวนมากและต้องการการตอบสนองแบบ Real-time

🧠 Gemini 3.8 Live Extended Thinking เพิ่มความสามารถด้านการคิดหลายขั้นตอน เหมาะกับงานที่ซับซ้อนกว่า เช่น ประสานการจองหลายรายการ วิเคราะห์ปัญหาเป็นลำดับ หรือเปลี่ยนภาพร่างและคำสั่งเสียงให้กลายเป็น React

แต่ฟีเจอร์ที่น่าจับตาที่สุดอาจเป็น Asynchronous Function Calling

ลองนึกภาพว่าเรากำลังคุยกับ AI แล้วสั่งให้มันเรียก API หรือไปทำงานกับ Tool บางอย่าง

แทนที่จะต้องหยุดสนทนาแล้วรอผลลัพธ์…

AI สามารถ คุยกับเราต่อได้ ขณะที่งานเบื้องหลังกำลังทำงานอยู่

นี่เป็นการเปลี่ยน UX ของ Voice Agent ค่อนข้างชัด เพราะปัญหาใหญ่ของ Voice Bot แบบเดิมคือ เมื่อมันต้องรอระบบภายนอก ผู้ใช้มักจะเจอกับช่วงเงียบที่ทำให้การสนทนารู้สึก “ไม่เป็นธรรมชาติ”

🌍 อีกจุดคือความสามารถในการสลับภาษาอัตโนมัติ โดย Gemini 3.8 Live รองรับการสนทนาใน 97 ภาษา

ด้าน Benchmark รุ่น Extended Thinking ทำคะแนน 82.6 บน Artificial Analysis Speech-to-Speech Index, 68.6% บน τ-Voice และ 97.7% บน Big Bench Audio ขณะที่รุ่น Live อยู่ในอันดับ 2 ของ Speech Agent Arena

ส่วนราคา Paid API สำหรับเสียงระบุไว้ที่ประมาณ $0.005/นาที สำหรับ Input และ $0.018/นาที สำหรับ Output

อย่างไรก็ตาม ตัวเลข Benchmark ต้องอ่านควบคู่กับบริบทครับ

คะแนนเหล่านี้มาจากชุดทดสอบเฉพาะด้าน จึงไม่ได้หมายความว่าโมเดลจะทำได้ดีที่สุดในทุกภาษา ทุกสำเนียง หรือทุกสถานการณ์จริง

โดยเฉพาะงานอย่าง Call Center, ธนาคาร หรือ Healthcare ยังต้องทดสอบเรื่องเสียงรบกวน ความถูกต้องของ Tool, Policy ขององค์กร รวมถึงระบบ Escalation ที่ต้องส่งต่อให้มนุษย์เมื่อจำเป็น

ตอนนี้ทั้ง 2 รุ่นเริ่มทยอยเปิดให้ใช้งานผ่าน Gemini API และ Google AI Studio ขณะที่ผลิตภัณฑ์อย่าง Gemini Enterprise, Workspace, Search Live และ Gemini Live จะมีรายละเอียดการเข้าถึงแตกต่างกันตามผลิตภัณฑ์และแพ็กเกจ

สิ่งที่น่าสนใจจึงไม่ใช่แค่ AI “พูดเหมือนคน” มากขึ้น

แต่คือการที่ Voice AI กำลังเข้าใกล้จุดที่ “เราคุยกับมันอยู่ ในขณะที่มันกำลังทำงานให้เราไปด้วย”

และเมื่อ Voice + Reasoning + Tools + Real-time Interaction มารวมกัน สิ่งที่เราเรียกว่า “Voice Assistant” อาจกำลังค่อย ๆ เปลี่ยนไปเป็น AI Agent ที่ทำงานผ่านเสียง อย่างเต็มรูปแบบ

#Gemini #VoiceAI #GoogleAI #AIAgent #SynaptechAI

---

📖 อ่านบทความเต็มบน Facebook | 🔔 ติดตาม SynapTech