HEAIN-SD-1.0: การสรางคำบรรยายและการพากยเสยงภาษาไทยทกำกบดวยนโยบายบนโหนด Hybrid Edge AI
Abstract
ระบบพากย์เสียงอัตโนมัติในปัจจุบันสร้างเสียงที่ฟังเข้าใจได้แล้ว แต่งานคำบรรยายและงานพากย์ระดับมืออาชีพยังติดปัญหาสามข้อที่ไม่ค่อยได้รับการแก้พร้อมกัน ข้อแรก อารมณ์ในการส่งเสียงต้องมีผู้ที่อ่านภาพเป็นผู้กำกับ ข้อสอง เนื้อหาที่มีคำหยาบหรือต้อง censor ต้องเป็นไปตามกฎที่ต่างกันตามประเทศและแพลตฟอร์มปลายทาง และข้อสาม การบันทึกเสียงที่ทำให้ระบบเก่งขึ้นเป็นข้อมูลส่วนบุคคลของเจ้าของเสียงที่ระบุตัวตนได้ บทความนี้เสนอ HEAIN-SD-1.0 ซึ่งเป็นโปรไฟล์ระดับแอปพลิเคชัน (Application Profile) ที่กำหนดว่าโมดูลสร้างคำบรรยายและพากย์เสียงที่เน้นภาษาไทยทำงานอย่างไรในฐานะ Layer 3 (Application AI) บน HEAIN Core Protocol และสถาปัตยกรรม Hybrid Edge AI Node บทความนำเสนอผลงานสี่ข้อ ข้อแรก บันไดความอัตโนมัติที่กำกับด้วยนโยบาย (L0–L3) ซึ่งระบบเรียนรู้ได้ทุกอย่างเกี่ยวกับการส่งเสียง แต่ไม่เรียนรู้ว่าอะไรอนุญาตให้พูด เพราะนโยบายเนื้อหาเป็นคลังที่มีเจ้าของแยกต่างหาก เลือกตามปลายทาง และ fail-closed ข้อสอง การแยกเสียงพากย์เป็นสี่ส่วน โดยเนื้อเสียงมาจากการแสดงต้นฉบับ สำเนียงมาจากมาตรฐานของทีมพากย์มืออาชีพในประเทศเป้าหมาย และอารมณ์กับจังหวะมาจากคำกำกับของโปรดิวเซอร์ ซึ่งทำได้ด้วยการสังเคราะห์เสียงที่ใช้ตัวอย่างซึ่งค้นมาเป็นพรอมต์จากคลังการส่งเสียงมืออาชีพที่ได้รับความยินยอม ข้อสาม โปรไฟล์โปรโตคอลที่มีแบบจำลอง session การแบ่งโซน CORE/EDGE และรายการขาขึ้นที่อนุญาต ซึ่งเก็บสื่อไว้ที่โหนดประมวลผล และส่งขึ้นโหนดควบคุมเฉพาะระเบียนข้อมูล คะแนน และ embedding ขนาดเล็ก ข้อสี่ แผนการประเมินผลที่กำหนดเกณฑ์ผ่านไว้ก่อนการทดลองใดๆ บทความนี้ไม่มีผลการทดลอง โปรไฟล์เป็นแบบที่ยังไม่ได้พัฒนาจริง และทุกปริมาณที่ระบุว่าเป็นค่าประมาณคือค่าที่ใช้วางแผน คำสำคัญ: Automatic Dubbing, Subtitling, ภาษาไทย, Voice Cloning, ภาษามีวรรณยุกต์, Human-in-the-Loop, นโยบายเนื้อหา, Edge Computing, การจัดการความยินยอม, ข้อกำหนดโปรโตคอล