แท็ก

#On-device AI

3 บทความ

Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม
โมเดลใหม่

Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม

6 ต.ค. 2026 Google DeepMind ปล่อย EmbeddingGemma 2 โมเดล embedding แบบเปิดขนาด 740M ที่แปลงข้อความ โค้ด ภาพ เสียง และวิดีโอลงพื้นที่เวกเตอร์ 768 มิติเดียวกัน ใช้ Apache 2.0 รองรับ Matryoshka ตัดเหลือ 128–512 มิติ และแยกโหลด encoder ภาพ/เสียงได้ คะแนน MTEB code ขึ้นจาก 68.76 เป็น 78.68 แต่ MTEB หลายภาษาแทบไม่ขยับ (61.15 → 61.36)

· อ่าน 4 นาที
Phonon-2 โมเดลถอดเสียงภาษาอังกฤษแบบเปิด ขนาดดาวน์โหลด 164 MB — WER เฉลี่ย 5.21% บน Open ASR Leaderboard ห่างจาก Parakeet ต้นแบบขนาด 2.5 GB แค่ 0.25 จุด เก็บน้ำหนักราว 2.1 บิต
โมเดลใหม่

Phonon-2 โมเดลถอดเสียงภาษาอังกฤษแบบเปิด ขนาดดาวน์โหลด 164 MB — WER เฉลี่ย 5.21% บน Open ASR Leaderboard ห่างจาก Parakeet ต้นแบบขนาด 2.5 GB แค่ 0.25 จุด เก็บน้ำหนักราว 2.1 บิต

29 ก.ย. 2026 Fermion Research เปิด Phonon-2 โมเดลถอดเสียงภาษาอังกฤษที่ดัดแปลงจาก NVIDIA Parakeet TDT 0.6B v3 ไฟล์ดาวน์โหลด 164 MB ได้ WER เฉลี่ย 5.21% บน Open ASR Leaderboard ส่วนต้นแบบขนาด 2,508 MB ได้ 4.96% รันได้บน Mac, Linux, Windows และ GPU ของ NVIDIA ใช้ไลเซนส์ CC-BY-4.0 แต่รองรับเฉพาะภาษาอังกฤษ ยังไม่มีภาษาไทย

· อ่าน 5 นาที
Oído — ถอดเสียงพูดภาษาอังกฤษแบบพูดอะไรก็ได้บนชิป ESP32-S3 ราคา $5 โดยไม่ใช้ cloud และไม่ต้องมี NPU — WER 3.7% ดีกว่า Whisper tiny แต่ความเร็วยังเป็นตัวเลขประเมินจาก emulator
เครื่องมือนักพัฒนา

Oído — ถอดเสียงพูดภาษาอังกฤษแบบพูดอะไรก็ได้บนชิป ESP32-S3 ราคา $5 โดยไม่ใช้ cloud และไม่ต้องมี NPU — WER 3.7% ดีกว่า Whisper tiny แต่ความเร็วยังเป็นตัวเลขประเมินจาก emulator

30 ก.ย. 2026 Lokutor บริษัทจากมาดริดเปิดซอร์ส Oído เอนจินถอดเสียงพูดที่รัน Conformer-CTC Small 13M ของ NVIDIA บนไมโครคอนโทรลเลอร์ ESP32-S3 ได้ WER 3.7/8.2 บน LibriSpeech ซึ่งดีกว่า Whisper tiny.en ที่รันบนแล็ปท็อป แต่ความเร็วแบบเรียลไทม์ยังเป็นค่าประเมินจาก QEMU และโค้ดเป็น GPLv3 ถ้าจะใส่ในสินค้าแบบปิดต้องซื้อไลเซนส์

· อ่าน 5 นาที