สุดตื่นเต้น! Google เพิ่งเปิดตัวฟีเจอร์ใหม่สุดล้ำสำหรับ Android ที่จะเปลี่ยนประสบการณ์การรับชมวิดีโอของเราไปอย่างสิ้นเชิง “Expressive Captions” คือนวัตกรรมที่นำ AI มาใช้ในการแสดงคำบรรยายที่ไม่เพียงแค่บอกว่าใครพูดอะไร แต่ยังสามารถถ่ายทอดอารมณ์และเสียงแวดล้อมได้อย่างน่าทึ่ง
ฟีเจอร์นี้จะช่วยให้ผู้ใช้ Android เข้าใจบริบทของวิดีโอได้ดียิ่งขึ้น โดยเฉพาะในสถานการณ์ที่ไม่สามารถเปิดเสียงได้ หรือสำหรับผู้ที่มีปัญหาทางการได้ยิน นับเป็นก้าวสำคัญในการทำให้การรับชมคอนเทนต์ออนไลน์เข้าถึงได้สำหรับทุกคน
วิธีการทำงานของ Expressive Captions
Expressive Captions ใช้เทคโนโลยี AI ขั้นสูงในการวิเคราะห์องค์ประกอบต่างๆ ของเสียงในวิดีโอ ไม่ว่าจะเป็น:
- โทนเสียง
- ความดัง
- อารมณ์ของผู้พูด
- เสียงแวดล้อม
จากนั้นจึงแสดงผลออกมาเป็นคำบรรยายที่สื่อถึงอารมณ์และบรรยากาศได้อย่างแม่นยำ
การแสดงอารมณ์ผ่านตัวอักษร
หนึ่งในเทคนิคที่น่าสนใจคือการใช้ตัวอักษรพิมพ์ใหญ่เพื่อแสดงถึงอารมณ์ที่เข้มข้น เช่น หากมีคนตะโกน “HAPPY BIRTHDAY!” คำบรรยายก็จะแสดงเป็นตัวพิมพ์ใหญ่ทั้งหมดเช่นกัน สอดคล้องกับวิธีที่เราใช้สื่อสารกันในข้อความออนไลน์
การรับรู้เสียงแวดล้อม
นอกจากนี้ Expressive Captions ยังสามารถจับเสียงอื่นๆ ในฉากได้ด้วย เช่น:
- เสียงถอนหายใจ
- เสียงอุทาน
- เสียงปรบมือ
- เสียงเชียร์
ทำให้ผู้ชมได้รับรู้บรรยากาศโดยรอบได้อย่างครบถ้วน แม้จะไม่ได้ยินเสียงจริงๆ
ความพร้อมใช้งานและการรองรับ
Expressive Captions พร้อมใช้งานแล้ววันนี้ สำหรับอุปกรณ์ Android ที่มีคุณสมบัติดังนี้:
- รัน Android 14 ขึ้นไป
- เปิดใช้งานฟีเจอร์ Live Caption
- อยู่ในสหรัฐอเมริกา
- ใช้ภาษาอังกฤษ
ฟีเจอร์นี้ทำงานได้กับแอปพลิเคชันส่วนใหญ่ที่มีการเล่นวิดีโอ ไม่ว่าจะเป็น:
- การสตรีมสด
- วิดีโอใน Google Photos
- ข้อความวิดีโอจากเพื่อน
ที่สำคัญคือสามารถทำงานได้แบบเรียลไทม์และแม้กระทั่งในโหมดออฟไลน์
“นี่คือก้าวสำคัญในการทำให้ทุกคนสามารถเพลิดเพลินกับวิดีโอออนไลน์ได้ ไม่ว่าจะมีความสามารถในการได้ยินระดับใดก็ตาม” – Google กล่าว
เบื้องหลังการพัฒนา
การสร้างฟีเจอร์อันทรงพลังนี้ เกิดจากความร่วมมือระหว่างทีม Android และ Google DeepMind โดยพวกเขาได้ศึกษาวิธีที่ผู้คนรับชมวิดีโอโดยไม่มีเสียง และนำข้อมูลนั้นมาพัฒนา AI ที่ไม่เพียงแค่จับคำพูด แต่ยังสามารถแปลงเป็นคำบรรยายที่แสดงอารมณ์และเสียงแวดล้อมได้อย่างครบถ้วน
Expressive Captions แสดงให้เห็นถึงศักยภาพของ AI ในการยกระดับประสบการณ์การใช้งานสำหรับทุกคน และเป็นตัวอย่างที่ดีของการนำเทคโนโลยีมาใช้เพื่อสร้างความเท่าเทียมในการเข้าถึงข้อมูล
สำหรับคอวิดีโอออนไลน์อย่างดิฉันแล้ว ไม่อาจรอที่จะได้ลองใช้ Expressive Captions เลยค่ะ! การได้เห็นทั้งอารมณ์และได้ยินเสียงรอบข้างผ่านคำบรรยายจะทำให้การดูวิดีโอในที่ที่มีเสียงรบกวนเป็นประสบการณ์ที่ดีขึ้นอย่างแน่นอน หวังว่าในอนาคตอันใกล้ เราจะได้เห็นฟีเจอร์นี้รองรับภาษาอื่นๆ และขยายไปยังภูมิภาคอื่นทั่วโลกด้วยนะคะ
