“หากถามความแม่นยำในการเอามาใช้งานต่อ ให้ 8 เต็ม 10 ค่ะ” เชอรี - ภัคพิชญ์ญา สีหพุทธิพงศ์, ล่ามภาษาจีน&nbsp;

หนึ่งไฟล์สัมภาษณ์ที่ใช้เวลาทำงานทั้งอาทิตย์&nbsp;

ในการทำรายงานภาษาต่างชาติให้กับบริษัทวิจัยที่มีการทำ Focus Group สัมภาษณ์กลุ่มลูกค้าเป้าหมาย เพื่อนำไปพัฒนาผลิตภัณฑ์หรือบริการ ล่ามจะได้รับข้อมูลที่บริษัทมีการจ้างผู้ถอดไฟล์เสียง (Transcriptor) เป็นข้อความภาษาไทยมาให้ ก่อนส่งต่อให้คุณเชอรีเอาข้อมูลนั้นไปแปลเป็นภาษาจีน โดยที่มีคำศัพท์เทคนิคที่ต้องการ และจัดทำเป็นรายงานส่งกลับบริษัท

แต่ครั้งนี้โปรเจกต์ Focus Group ที่ได้รับ ทางบริษัทส่งเป็นไฟล์เสียงมาให้ทั้งหมด นั่นหมายความว่า เธอต้องทำหน้าที่ถอดความจากไฟล์เสียงเอง พอได้ข้อความแล้วก็มาเรียบเรียงทำเป็นรายงาน และแปลเป็นภาษาจีน ซึ่งต้องส่งกลับให้บริษัทลูกค้าภายใน 10 วัน

“คลิปสัมภาษณ์หนึ่งคลิปก็ประมาณ 3 ชั่วโมง เรานั่งถอดเสียงเอง แปลเอง ทำรายงานเอง หากใช้วิธีสมัยโบราณ ที่ฟังแล้วหยุด ฟังแล้วหยุด ก็ใช้เวลาหนึ่งอาทิตย์ หรืออย่างเร็วสุดแบบไม่เนี้ยบก็ 4-5 วัน” คุณเชอรีเเล่า&nbsp;

ในกระบวนการถอดไฟล์เสียง ไม่ใช่เพียงแค่ได้ข้อความออกมา ก็ทำรายงานต่อได้เลย โดยเฉพาะหากไฟล์เสียงนั้นมีผู้พูดหลายคน เพราะผู้ถอดเสียงจะต้องจับใจความเสียงของแต่ละคนให้ออก ก่อนจะมาแก้ไขและเรียบเรียงจากภาษาพูดเป็นภาษาเขียนที่ใช้ในการทำรายงาน&nbsp;

“แล้วจำนวนคนที่ทำ Focus Group เริ่มเยอะขึ้นเรื่อยๆ ตอนนั้นก็รับมา นึกว่าแค่นั่งฟังแล้วถอดเสียง ปรากฏว่าทำไม่ได้ เพราะยิ่งบางไฟล์ที่มี 3-4 คนคุยกัน แล้วพูดนั่นพูดนี่ตามภาษามนุษย์ เราก็ไม่สามารถจับใจความได้ สมองเราไม่สามารถจำแล้วพิมพ์ได้ทันที เชอรีรู้สึกเหนื่อยมาก”&nbsp;&nbsp;

โปรแกรมถอดเสียงในตลาดยังใช้งานยาก&nbsp;

คุณเชอรีเริ่มต้นมองหาเครื่องมือที่ช่วยในการถอดเสียงได้ โดยได้ซื้อโปรแกรมตัวหนึ่งที่ซื้อเป็นแบบ License ที่จ่ายรายครั้งต่อปี และใช้คอมพิวเตอร์ 2 เครื่อง โดยเครื่องหนึ่งใช้สำหรับเปิดไฟล์เสียงเพื่อกระจายเสียงไปยังอีกเครื่อง ในขณะที่คอมพิวเตอร์อีกเครื่องหนึ่งรับเสียงแล้วให้โปรแกรมถอดเสียงที่ซื้อมาฟังแล้วถอดเป็นข้อความ&nbsp;&nbsp;&nbsp;

“เชอรีกดปุ่มไมค์เพื่อให้โปรแกรมรับเสียงตามที่ได้ยิน เพราะอัปโหลดไฟล์เสียงไม่ได้ แต่ข้อความที่ออกมาจะเป็นปื้น ไม่มีแบ่งเวลาให้ และไม่แม่นยำ เราเลยให้โปรแกรมเมอร์ที่ร้านคอมพิวเตอร์ช่วยหาโปรแกรมให้จนเจออีกโปรแกรมหนึ่งซึ่งให้ใช้งานฟรี 15 นาที แต่เราก็ตัดคลิปเสียงไม่เป็น และไม่อยากเสียเงินซ้ำ แล้วงานเราก็ไม่เสร็จ”&nbsp;

คุณเชอรีกลับมาค้นหาใน Google เองจนเจอ Vocalog จึงเริ่มศึกษาคลิปวิธีการสอนใน YouTube เลยติดต่อทีมงานจนได้ลองใช้งานจริง&nbsp;&nbsp;

“เชอรีโยนไฟล์ลง Vocalog ประมาณ 6-7 ไฟล์ แล้วทิ้งไว้ข้ามคืน ปรากฏว่าข้อความไม่ถูกถอดออกมา รู้สึกว่ามันล้มเหลวหลายรอบ ในความคาดหวังของเราคือจะต้องโยนไฟล์ได้ตูมๆ แล้วถอดเป็นข้อความออกมาได้เพอร์เฟกต์ เลยแชตถามทีมงานว่าช่วยแก้ปัญหาได้ไหม สุดท้ายก็โอเค ประสบความสำเร็จ ได้ข้อความมาไปแปลเป็นภาษาจีนต่อ”&nbsp;

ใช้ AI และ Large Language Model 9 ไฟล์เสร็จใน 6 วัน&nbsp;

คุณเชอรีรอให้ Vocalog ถอดไฟล์เสียงออกมาจนเรียบร้อย “ไฟล์ 3 ชั่วโมงใช้เวลาถอดประมาณ 2-3 ชั่วโมง” แต่งานยังไม่จบแค่นั้น เพราะเมื่อถอดความออกมาแล้ว ข้อความที่ออกมามีความละเอียดมาก “มีทั้งคำว่า พี่ว่า… พี่ๆ เราๆ อะ เออ… อะ ฮะ ออกมาเต็มไปหมดเลย” และเมื่อดาวน์โหลดข้อความเป็นไฟล์ Word ก็ได้ไฟล์ที่มีตารางข้อความถึงสองสามร้อยหน้า จากที่มีคำฟุ่มเฟือย และความยาวของข้อความที่ถูกล็อกเอาไว้ในตาราง ซึ่งขณะนั้นเวลาส่งงานให้กับบริษัทลูกค้าก็ใกล้เข้ามาทุกที ภาษาจีนก็ยังไม่ได้แปลและจัดทำเป็นรายงาน จึงต้องใช้เครื่องมือ AI อื่นมาช่วยงานให้จบ

“เชอรีพบว่าการจัดหน้ากระดาษไม่เพอร์เฟกต์ แต่ถ้าเรามัวแต่นั่งจัดหน้า แล้วค่อยแปลภาษาก็จะไม่ทันกิน เลยแก้ไขโดยหาจุดจบของประโยคนั้นๆ ภายใน 1 หน้า หรือ 2 หน้า แล้ว Copy ไปใส่ LLM (Large Language Model) โดยสั่งให้แยก Moderator (ผู้พูด) ตัดข้อความฟุ่มเฟือยทิ้ง และแปลเป็นจีนทั้งหมด ทำตอนนั้นประมาณ 9 ไฟล์อยู่ 5-6 วัน” คุณเชอรีเล่าถึงกระบวนการทำรายงานทั้งหมดให้ฟัง&nbsp;

ลดภาวะสมองล้าจากการถอดเทป&nbsp;

แม้จะมีกระบวนการหลายอย่างที่ต้องทำกว่าจะได้เป็นรายงานสักฉบับ แต่คุณเชอรีก็มองว่า Vocalog ยังเป็นเครื่องมือที่ช่วยงานล่ามได้ดี “อย่างแรกเลยคือประหยัดเวลา ไม่ต้องมานั่งถอดเสียงเอง นอกจากนั้นแล้ว ยังช่วยเพิ่มความแม่นยำมากขึ้นด้วย จากที่เปิดไฟล์ฟังแล้วหยุด ฟังไม่ทัน แล้วก็วนฟังอีกรอบทั้งประโยค มันเสียเวลามาก โอเค มันอาจจะมีบางประโยคที่ติดคำ อืมฮึ อาฮะ มา แต่เราก็ลบ หรือพิมพ์ข้อความให้ประโยคต่อกันให้เพอร์เฟกต์ขึ้นได้” คุณเชอรีทิ้งท้าย&nbsp;