Rambler ของ Google Pixel 11 เปิดเผยข้อจำกัดการถอดเสียง AI แม้แม่นยำแต่ไม่มี visual preview

Lead – เมื่อเร็ว ๆ นี้ ผู้เขียนได้ทดลองใช้ฟีเจอร์การถอดเสียงด้วย AI ชื่อ Rambler บน Google Pixel 11 เพื่อลองเขียนบทความทั้งหมดโดยใช้เสียง การทดสอบนี้เผยให้เห็นว่าฟีเจอร์ใหม่ของ Google แม้จะมีเทคโนโลยีขั้นสูง แต่ยังพบข้อจำกัดหลายประการที่อาจส่งผลต่อประสบการณ์ผู้ใช้และการผลิตเนื้อหาในอนาคต

Overview

Google เปิดตัว Rambler ครั้งแรกในงาน Google I/O เดือนพฤษภาคมที่ผ่านมา โดยอ้างว่าเป็นระบบถอดเสียง “พูดตามธรรมชาติ” ที่ไม่ต้องกังวลเรื่องคำที่ต้องแก้ไขหลังจากบันทึก การเปิดตัวครั้งนี้มาพร้อมกับ Pixel 11 ซึ่งทำให้ผู้ใช้ Android สามารถเข้าถึงฟีเจอร์ใหม่ผ่านคีย์บอร์ดโดยตรง อย่างไรก็ตาม จากการทดลองของผู้เขียนพบว่าการใช้งานจริงยังมีช่องโหว่หลายจุด แม้ว่าจะตอบสนองต่อคำพูดได้อย่างแม่นยำในหลายกรณี

How Rambler Works

ตามที่ Google ระบุในประกาศ Rambler ใช้โมเดล AI ของ Gemini เพื่อ “กรอง” คำฟิลเลอร์เช่น *อืม* หรือ *เอ่อ* ที่ผู้พูดอาจใส่โดยไม่ตั้งใจ ระบบจึงสามารถแปลงเสียงเป็นข้อความได้โดยตรงและให้ผลลัพธ์ที่สะอาดกว่าแบบเดิม นอกจากนี้ Rambler ยังรองรับการทำงานหลายภาษาในเวลาเดียวกัน ทำให้ผู้ใช้ที่เปลี่ยนภาษาระหว่างประโยคไม่ต้องหยุดหรือสลับแป้นพิมพ์

ฟีเจอร์นี้ถูกฝังไว้บนแถบด้านบนของคีย์บอร์ด Gboard และทำหน้าที่แทนการใช้งานระบบ dictation แบบเก่า ผู้ใช้สามารถเริ่มพูดได้ทันทีโดยไม่ต้องกดปุ่ม “start” พิเศษใด ๆ ซึ่งตามที่ Google กล่าวคือ การผสานรวมนี้ออกแบบมาเพื่อเพิ่ม ความเร็ว และ ความแม่นยำ ของการถอดเสียง

User Experience & Limitations

ผู้เขียนรายงานว่าในหลายช่วงเวลาที่พูดคำสั้นและชัดเจน Rambler สามารถจับคำได้อย่างแม่นยำ รวมถึงจัดวางเครื่องหมายจุลภาคหรืออักขระพิเศษโดยไม่ต้องบอกให้ระบบทำตาม อย่างไรก็ตาม ความสามารถนี้ขึ้นกับความกระชับของการพูด – หากประโยคยาวและซับซ้อน ระบบก็อาจสับสนได้

ข้อจำกัดที่สำคัญคือ ไม่มีหน้าต่างแสดงผลลัพธ์แบบ preview ทำให้ผู้ใช้ต้องจดจำว่าระบบรับฟังอะไรไปแล้วเมื่อต้องการแก้ไขระหว่างการพูด การขาดตัวช่วยนี้ทำให้การจัดการความคิดและการตรวจสอบข้อความเป็นเรื่องยาก นอกจากนี้ ผู้เขียนยังพบว่า Rambler มีปัญหาในการแยกคำที่คล้ายกันเมื่อมีสำเนียงเฉพาะ เช่น คำ “other” ถูกแปลเป็น “are there” และ “asking of it” กลายเป็น “asking for it”

อีกหนึ่งเหตุการณ์ที่น่ากังวลคือการลบข้อความหลายย่อหน้าตั้งแต่ต้นโดยอัตโนมัติเมื่อพยายามสั่งให้แก้ไขหรือจัดรูปแบบ ทำให้ต้องใช้ฟังก์ชัน undo ของ Google Docs เพื่อกู้ข้อมูลกลับมา การสูญเสียงานเหล่านี้แม้ว่าจะสามารถย้อนคืนได้ แต่ก็แสดงถึงความไม่เสถียรของระบบในขั้นตอนการแก้ไข

Technical Details

• แพลตฟอร์ม: เปิดตัวบน Pixel 11, ต่อมาเพิ่มให้ใช้งานบน Gboard (Android), Gemini (macOS) และ Chrome Browser
• โมเดล AI: ใช้เทคโนโลยี Gemini AI ของ Google ซึ่งเป็นรุ่นใหม่ของระบบประมวลผลภาษาธรรมชาติ
• คุณสมบัติหลัก:
• กรองคำ filler (อืม, เอ่อ) อัตโนมัติ
• รองรับหลายภาษาแบบสลับต่อเนื่อง
• ทำงานบนแถบคีย์บอร์ดแทนฟังก์ชัน dictation เดิม

การออกแบบให้ทำงานเป็นส่วนหนึ่งของคีย์บอร์ดช่วยลดขั้นตอนเปิดแอปพลิเคชันเพิ่มเติม แต่ยังต้องพัฒนาการแสดงผลและการตรวจสอบความถูกต้องในระหว่างกระบวนการพูดเพื่อเพิ่มประสิทธิภาพ

Impact on Dictation Landscape

แม้ว่า Rambler จะเป็นก้าวสำคัญในการนำ AI มาช่วยลดภาระการแก้ไขข้อความด้วยมือ แต่ผลการทดลองชี้ให้เห็นว่าการใช้งานจริงยังต้องพึ่งพาทักษะการพูดที่ค่อนข้าง “กระชับ” ของผู้ใช้ การไม่มี preview ทำให้ผู้เขียนและผู้ใช้ทั่วไปอาจต้องเผชิญกับความผิดพลาดที่ยากต่อการตรวจจับโดยทันที

หาก Google ปรับปรุงระบบให้มี visual feedback ที่แสดงข้อความที่ถอดเสียงแบบเรียลไทม์ พร้อมฟังก์ชันแก้ไขง่าย ๆ ผ่านคำสั่งเสียง ระบบอาจกลายเป็นเครื่องมือที่ตอบโจทย์การทำงานระยะไกลและผู้เขียนเนื้อหาอย่างแท้จริง อย่างไรก็ตาม ความแม่นยำในการรับรู้สำเนียงหลากหลายยังคงเป็นจุดที่ต้องพัฒนาเพิ่มเติมเพื่อให้บริการครอบคลุมผู้ใช้ทั่วโลกได้อย่างเท่าเทียม

Summary

การทดสอบ Rambler บน Pixel 11 แสดงให้เห็นว่าเทคโนโลยี AI ของ Google มีศักยภาพในการทำงานแบบ “พูดตามธรรมชาติ” แต่ยังมีข้อจำกัดด้านการแสดงผลและความแม่นยำของสำเนียง ผู้ใช้จึงควรพิจารณาข้อดี‑ข้อเสียอย่างถี่ถ้วนก่อนนำไปใช้งานเต็มรูปแบบ.