AI แผลงฤทธิ์ไม่หยุดหย่อน ล่าสุด ElevenLabs เอาใจสายคอนเทนท์ ขจัดอุปสรรคด้านภาษา เปลี่ยนข้อความเป็นเสียงพูดได้เนียนๆ มากถึง 29 ภาษา พร้อมแปลงเสียงเป็นคำพูดภาษาต่างๆ เพิ่มการเข้าถึงกลุ่มเป้าหมายทั่วโลก

การแข่งขันด้านอาวุธของ AI ยังคงเพิ่มขึ้นอย่างต่อเนื่อง โดยมีขอบเขตใหม่ของการโคลนเสียงเกิดขึ้นเกือบทุกวัน การพัฒนาล่าสุดมาจากสตาร์ทอัพ ElevenLabs ในซานฟรานซิสโก สหรัฐอเมริกา ซึ่งเพิ่งประกาศว่าโมเดล AI ใหม่ของบริษัทฯ สามารถเปลี่ยนข้อความเป็นคำพูด โดยสามารถเลียนแบบเสียงที่พูดได้อย่างคล่องแคล่วใน 29 ภาษา ซึ่งเพิ่มขึ้นจากเวอร์ชันดั้งเดิมก่อนหน้านี้ที่รองรับเพียง 8 ภาษาเท่านั้น ขณะเดียวกันก็เสริมทัพด้วย AI Dubbing เปลี่ยนเสียงพูดจากภาษาหนึ่งเป็นอีกภาษาหนึ่งได้อย่างเป็นธรรมชาติ เพิ่มการเข้าถึงกลุ่มเป้าหมายต่างชาติต่างภาษาทั่วทุกมุมโลก


ElevenLabs อ้างว่าโมเดล AI ใหม่ เป็นซอฟต์แวร์แปลงข้อความเป็นคำพูดและเสียงที่ทันสมัยที่สุดเท่าที่เคยมีมา สร้างเสียงบรรยายที่เหมือนจริงสำหรับเนื้อหาต่างๆ หรือใช้โปรแกรมสร้างเสียง AI เป็นโปรแกรมอ่านข้อความที่ใช้งานง่าย
“เราสร้างคำพูดที่เหมือนจริงในภาษาและเสียงใดๆ ด้วยเทคโนโลยี Text to Speech (TTS) ที่ทรงพลังที่สุดที่รวม AI ขั้นสูงเข้ากับความสามารถด้านอารมณ์ที่สามารถสื่อสารความรู้สึกได้ด้วยเสียง 120 รูปแบบ/โทนเสียง เช่น สร้างเสียงกระซิบ ASMR ที่ผ่อนคลาย หรือทำให้เนื้อหามีชีวิตชีวาด้วยเสียงที่ทรงพลัง เป็นต้น รวมถึงเลือกได้ว่าต้องการให้เป็นเสียงผู้หญิงหรือเสียงผู้ชาย ภายในระยะเวลาที่เร็วกว่าขั้นตอนปกติ” ElevenLabs ระบุในเว็บไซต์ของบริษัท

ElevenLabs ยกตัวอย่างในบล็อกทางการของบริษัทว่า “ทีมของ Lukeman Literary ซึ่งเป็นหน่วยงานวรรณกรรมและผู้จัดพิมพ์อิสระ เคยใช้เวลาหลายสัปดาห์ในการผลิตหนังสือเสียงเพียงเล่มเดียว เพราะพวกเขาต้องหาผู้พากย์เสียงที่เหมาะสม ไหนจะจองสตูดิโอบันทึกเสียง เมื่อได้แล้วก็ต้องบันทึกและจัดการขั้นตอนหลังการผลิต ซึ่งในตอนนี้กระบวนการทั้งหมดนี้ ElevenLabs ใช้เวลาไม่กี่ชั่วโมง”
จากข้อมูลของ ElevenLabs โมเดล Multilingual v2 ให้เสียงที่ “เต็มไปด้วยอารมณ์และความรู้สึก” ซึ่งจับเสียงพูดที่เป็นธรรมชาติ ผู้ใช้เพียงแค่พิมพ์ข้อความที่ต้องการพูดในภาษาที่ต้องการ และ AI จะสร้างเสียงบรรยายที่ราบรื่นราวกับคนที่ช่ำชองในภาษานั้นจริงๆ โดยสามารถรองรับได้ 29 ภาษาและสำเนียงที่หลากหลาย ได้แก่ อังกฤษ ฝรั่งเศส รัสเซีย เยอรมัน สเปน อิตาลี โปรตุเกส ดัตช์ สวีดิช เดนมาร์ก ฟินแลนด์ สโลวัก โครเอเชีย กรีก เช็ก โรมาเนีย บัลแกเรีย ฮังการี โปแลนด์ ยูเครน ตุรกี ญี่ปุ่น เกาหลี อินโดนีเซีย เวียดนาม ฟิลิปปินส์ อาหรับคลาสสิก ทมิฬ และฮินดี

ล่าสุดบริษัทยังได้เปิดตัว “AI Dubbing” เครื่องมือแปลเสียงและการพากย์เสียง ซึ่งนับเป็นหลักชัยสำคัญที่สุดของ ElevenLabs ในความพยายามที่จะขจัดอุปสรรคทางภาษาและส่งเสริมการเข้าถึงเนื้อหาที่เป็นสากล จากการที่เครื่องมือนี้สามารถแปลงเนื้อหาที่พูดเป็นภาษาอื่นได้ภายในไม่กี่นาที (เปลี่ยนเสียงพูดจากภาษาหนึ่งเป็นอีกภาษาหนึ่ง) โดยที่ยังคงเสียงของผู้พูดดั้งเดิมไว้ ส่งผลให้ผู้ชมทั่วโลกสามารถเพลิดเพลินกับเนื้อหาในภาษาของตนเองได้ โดยสามารถเปลี่ยนคำพูดจากเสียงภาษาไทยเป็นภาษาอื่นๆ ได้เช่นกัน (แปลงได้ 29 ภาษา)
กล่าวโดยสรุป AI Dubbing คือการพากย์เสียงอัตโนมัติหรือการแปลด้วยเสียง เป็นกระบวนการในการแปลและแทนที่เสียงต้นฉบับของวิดีโอด้วยภาษาใหม่ ขณะเดียวกันก็รักษาลักษณะเฉพาะของเสียงของผู้พูดต้นฉบับไว้ โดยผู้ใช้งานเพี่ยงจัดเตรียมวิดีโอ จากนั้นเลือกภาษาเป้าหมาย และ AI Dubbing จะจัดการส่วนที่เหลือ ด้วยการวิเคราะห์เสียง แปลคำพูด และสังเคราะห์ข้อความที่แปลแล้วให้เป็นแทร็กเสียงใหม่ที่รักษาโทนเสียงและสไตล์เสียงต้นฉบับ ผลลัพธ์ที่ได้คือวิดีโอในเวอร์ชันพากย์ในภาษาที่เลือกที่ฟังดูเป็นธรรมชาติและสมจริง
นอกจากนี้ บริษัทฯ ยังได้พัฒนาวิธีการของตัวเองในการตรวจจับเสียงของผู้พูดที่แตกต่างกัน และวิธีการกำจัดเสียงรบกวนรอบข้าง การแยกความแตกต่างของเสียงเพลงและเสียงจากบทสนทนา ซึ่งหมายความว่าเครื่องมือนี้สามารถจัดการเสียงหรือวิดีโอที่มีลำโพงหลายตัวได้อย่างมีประสิทธิภาพ ทำให้มั่นใจได้ว่าเสียงแต่ละเสียงยังคงแตกต่างและจดจำได้ในภาษาต่างๆ ขณะเดียวกัน ด้วยการทำให้กระบวนการพากย์เป็นอัตโนมัติและรับรองผลลัพธ์คุณภาพสูง ElevenLabs จะช่วยลดความยุ่งยากในการสร้างเนื้อหาหลายภาษาสำหรับผู้สร้างที่เป็นศิลปินอิสระ นักวิชาการ อาจารย์ และบริษัทสื่อต่างๆ เนื่องจากมีประชากรโลกเพียง 6% เท่านั้นที่พูดภาษาอังกฤษ (เจ้าของภาษา) และ 75% ไม่พูดภาษาอังกฤษเลย การเปิดตัวนวัตกรรมครั้งนี้ทำให้วิดีโอทุกชิ้นที่มีอยู่บนโลกใบนี้ สามารถเผยแพร่สู่สายตาผู้ชมต่างชาติต่างภาษาได้อย่างรวดเร็วและมีค่าใช้จ่ายต่ำ

Mati Staniszewski ซีอีโอและผู้ร่วมก่อตั้ง ElevenLabs กล่าวย้ำว่า “การเปิดตัว AI Dubbing ถือเป็นก้าวที่ยิ่งใหญ่ที่สุดของเราในการขจัดอุปสรรคด้านภาษาของเนื้อหา มันจะช่วยให้ผู้ชมเพลิดเพลินกับเนื้อหาใดๆ ที่พวกเขาต้องการ ไม่ว่าพวกเขาจะพูดภาษาใดก็ตาม และนั่นหมายความว่าผู้สร้างเนื้อหาสามารถเข้าถึงผู้ชมกลุ่มใหญ่ทั่วโลกได้อย่างง่ายดายและแท้จริง หลังจากที่ได้ประสบกับอุปสรรคทางภาษาเหล่านี้โดยตรง เรารู้สึกตื่นเต้นมากที่จะได้นำการพากย์เสียง AI มาสู่ชีวิตจริงในที่สุด เราจะใช้ฟีเจอร์นี้เพื่อวัตถุประสงค์อะไรก็ได้ ตั้งแต่การแปลวิดีโอเพื่อการศึกษา ไปจนถึงการทำให้ทรัพยากรการเรียนรู้เข้าถึงได้สำหรับผู้ที่ไม่ใช่เจ้าของภาษา หรือการพากย์ภาพยนตร์และรายการทีวีสำหรับผู้ชมจากต่างประเทศ การพากย์ YouTube, TikTok, X.com, Twitter, Vimeo หรือรูปแบบวิดีโออื่นๆ ได้ทันที ด้วยเครื่องมือพากย์ออนไลน์ฟรีของเรา เพื่อให้คุณสามารถเชื่อมต่อกับผู้ชมของคุณได้ทั่วโลก ขณะที่ธุรกิจต่างๆ ยังสามารถสร้างวิดีโอส่งเสริมการขายหรือเอกสารการฝึกอบรมในเวอร์ชันหลายภาษาได้อย่างง่ายดาย ช่วยลดช่องว่างในการสื่อสารภายในกลุ่มลูกค้าหรือพนักงานที่มีความแตกต่างและหลากหลาย”
สำหรับใครที่สนใจลองใช้งานโมเดลนี้ได้ที่ https://elevenlabs.io/dubbing
นอกจากนี้ ภายใน Generative Voice AI รุ่นใหม่ของบริษัทยังมีอีกฟีเจอร์หลักที่น่าสนใจคือ “VoiceLab” ที่ใช้สำหรับการโคลนเสียงโดยเฉพาะ เป็นการสร้างเสียงเหมือนจริงเพื่อใช้ในวิดีโอ วิดีโอ วิดีโอเกม พอดแคสต์ หนังสือเสียง และอื่นๆ อีกมากมาย

“VoiceLab จะช่วยโคลนเสียงของคุณ โดยเทคโนโลยีการโคลนเสียงของเราช่วยให้คุณสร้างเสียงดิจิทัลที่ฟังดูเหมือนมนุษย์จริงๆ สามารถโคลนเสียงของคุณเองทางออนไลน์ภายในไม่กี่นาที ไม่ว่าคุณจะเป็นผู้สร้างเนื้อหาหรือนักเขียนเรื่องสั้น โปรแกรมสร้างเสียง AI ของเราช่วยให้คุณออกแบบประสบการณ์เสียงที่น่าหลงใหลได้ รวมถึงสร้างเสียงใหม่ ด้วยโปรแกรมสร้างเสียง AI ของเราช่วยให้คุณสร้างเนื้อหาเสียงคุณภาพสูงได้ตามความต้องการ ทำให้เป็นเครื่องมือที่สมบูรณ์แบบสำหรับพอดแคสต์ ผู้แต่ง และผู้สร้างเนื้อหา สร้างเสียงตัวละครในไม่กี่วินาที ตลอดจนเข้าถึงคลังเสียง AI ที่สร้างขึ้นโดยชุมชน โดยเสียงแต่ละเสียงในคลังเสียงมีเอกลักษณ์เฉพาะตัว สร้างขึ้นด้วยรายละเอียดที่พิถีพิถันและคมชัด” ElevenLabs ระบุ
ผู้ใช้ต้องทำการอัปโหลดตัวอย่างคำพูดเพื่อสร้างโคลนเสียงแบบกำหนดเอง จากนั้น AI จะวิเคราะห์เพื่อสร้างเสียงเวอร์ชันสังเคราะห์ขึ้นมา ซึ่งเสียงโคลนนี้สามารถถูกดัดแปลงให้พูดอะไรก็ได้เท่าที่จะจินตนาการได้
สำหรับการโคลนเสียงเป็นการรักษาเอกลักษณ์และเป็นศิลปะอย่างหนึ่ง โดยเฉพาะในวงการสื่อ การรักษาเสียงที่เป็นเอกลักษณ์ของผู้สร้างเนื้อหา ถือเป็นสิ่งสำคัญสำหรับความน่าเชื่อถือและการเชื่อมโยงกับผู้ชม เทคโนโลยีการโคลนเสียงช่วยให้สามารถจำลองเสียงเฉพาะได้ เช่น เสียงของผู้จัดรายการวิทยุ ผู้ประกาศข่าว หรือศิลปิน วิธีนี้ช่วยให้แน่ใจว่าเสียงที่โดดเด่นซึ่งผู้ชมรู้จักและชื่นชอบ ยังคงสอดคล้องกันในเนื้อหาทุกรูปแบบ

ไม่เพียงเท่านี้ ด้วยการออกแบบเสียงหรือสร้างเสียงที่ปรับแต่งเองสำหรับวิดีโอ นับเป็นการนำการปรับแต่งระดับใหม่มาสู่การสร้างเนื้อหาสื่อ ไม่ว่าจะต้องการเสียงเฉพาะสำหรับตัวละครในพอดแคสต์ หรือผู้บรรยายที่ไม่ซ้ำใครสำหรับวิดีโอ เทคโนโลยีการออกแบบเสียงใน VoiceLab ช่วยให้ผู้ใช้งานสามารถกำหนดเสียงตามอายุ เพศ และสำเนียงได้ เครื่องมือนี้มอบความยืดหยุ่นและความคิดสร้างสรรค์ในการสร้างเนื้อหาที่ไม่เคยทำได้มาก่อน
กระนั้น ด้วยศักยภาพของเทคโนโลยีที่ล้ำสมัยนี้ อาจทำให้ผู้นำไปการใช้งานในทางที่ผิดด้วยการสร้างเสียง Deepfake ทำให้ผู้ใช้เสี่ยงต่อการฉ้อโกง สร้างหลักฐานเท็จ และจูงใจให้หลงเชื่อและเข้าใจผิด ElevenLabs เองก็เคยเผชิญกับเหตุการณ์ที่ไม่พึงประสงค์นี้เช่นกัน โดยเมื่อปีที่แล้วแพลตฟอร์มนี้ถูกใช้แอบอ้างและคุกคามบุคคลสาธารณะ
อย่างไรก็ตาม บริษัทฯ กล่าวว่ามีการใช้มาตรการป้องกันที่เข้มงวดมากขึ้นตั้งแต่นั้นมา แต่ข้อกังวลด้านจริยธรรมยังคงมีอยู่ เนื่องจากนักต้มตุ๋นสามารถใช้ AI เพื่อโคลนเสียงของคนที่คุณรักและทำการหลอกลวงทรัพย์สินและผลประโยชน์อื่นๆ ได้ โดยสิ่งที่มิจฉาชีพต้องใช้เพื่อให้ได้ผลลัพธ์ที่น่าเชื่อถือก็คือเสียงของเจ้าของเสียงที่เป็นคนที่คุณรักเพียงไม่กี่นาทีเท่านั้น
เช่นเดียวกับ บริษัทเทคโนโลยีรายใหญ่อย่าง Meta ก็เผชิญกับคำวิจารณ์ที่คล้ายกันในการพัฒนา Generative AI อันทรงพลังโดยไม่มีความโปร่งใสทั้งหมด โดยMeta เพิ่งเปิดตัวเครื่องมือสังเคราะห์เสียงพูด AI ที่เรียกว่า Voicebox ซึ่งเป็นที่ยอมรับว่าสามารถอำนวยความสะดวกในการ Deepfake ได้อย่างง่ายดาย ต่างจาก ElevenLabs ตรงที่ Meta ละเว้นจากการเผยแพร่ต่อสาธารณะใดๆ

อย่างไรก็ตาม แม้จะมีความหวาดกลัวในประเด็นดังกล่าว แต่ดูเหมือนว่าไม่อาจหยุดยั้งความก้าวหน้าในการพัฒนาโคลนเสียงของ AI ที่เกิดขึ้นอย่างรวดเร็วได้ ดังที่ Mati Staniszewski กล่าวว่า “ในที่สุด เราก็หวังว่าจะครอบคลุมภาษาและเสียงต่างๆ ได้มากขึ้นด้วยความช่วยเหลือของ AI และขจัดอุปสรรคทางภาษาในเนื้อหา ซึ่งจะทำให้เกิดประโยชน์อย่างมหาศาลในกรณีของการพากย์หนังสือเสียงหรือการสร้างเนื้อหาสำหรับผู้พิการทางสายตาที่มีอยู่ทั่วโลกและสื่อสารด้วยภาษาที่แตกต่างกัน”
ทั้งนี้ ElevenLabs เพิ่งก่อตั้งขึ้นในปี 2565 โดย Piotr Dabkowski อดีตวิศวกรแมชชีนเลิร์นนิงของ Google และ Mati Staniszewski อดีตนักกลยุทธ์ของ Palantir (บริษัทวิเคราะห์ข้อมูลสัญชาติอเมริกัน เชี่ยวชาญการวิเคราะห์ Big Data ที่มีความซับซ้อนและยึดโยงกับสังคมในภาพกว้าง) ซึ่งเป็นเพื่อนสนิทกัน ด้วยแรงบันดาลใจจากการพากย์ภาพยนตร์ฮอลลีวูดที่ ‘แย่’ ที่พวกเขาดูในช่วงวัยเด็กในโปแลนด์ซึ่งเป็นบ้านเกิดของพวกเขา ทั้งคู่จึงเริ่มออกแบบแพลตฟอร์มที่สามารถขจัดอุปสรรคด้านภาษาของเนื้อหาต่างๆ ได้
อย่างไรก็ตาม การดำเนินการ Generative Voice AI ตามหลักจริยธรรมยังคงเป็นความท้าทายที่ต้องผ่านพ้นไปให้ได้ เนื่องจากเส้นแบ่งระหว่างข้อมูลที่ไม่ถูกต้อง หลอกลวง และวิธีการสื่อสารเชิงนวัตกรรมนั้นบางมาก การก้าวย่างอย่างระมัดระวังจึงเป็นกุญแจสำคัญ

เหตุใด Generative Voice AI จึงมีความสำคัญในอนาคต

Generative Voice AI ซึ่งรวมถึงเทคโนโลยี เช่น การอ่านออกเสียงข้อความ (TTS) และการสังเคราะห์เสียง กำลังมีความสำคัญมากขึ้นในอนาคตด้วยเหตุผลหลายประการ ดังนี้
ปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องจักร เสียงเป็นหนึ่งในวิธีที่เป็นธรรมชาติที่สุดสำหรับมนุษย์ในการโต้ตอบกับเทคโนโลยี เมื่อระบบเสียง AI มีความซับซ้อนมากขึ้น ระบบเหล่านี้ช่วยให้การโต้ตอบระหว่างมนุษย์กับเครื่องจักรเป็นไปอย่างเป็นธรรมชาติและเป็นธรรมชาติมากขึ้น จึงมีความสำคัญอย่างยิ่งสำหรับบุคคลที่มีปัญหาในการใช้อินเทอร์เฟซแบบเดิม เช่น ผู้พิการหรือผู้สูงอายุ
การเข้าถึง Generative Voice AI สามารถปรับปรุงการเข้าถึงได้อย่างมากสำหรับผู้ที่มีความบกพร่องทางการมองเห็นหรือมีปัญหาในการอ่าน เพราะสามารถแปลงเนื้อหาที่เป็นข้อความให้เป็นคำพูด ทำให้ผู้คนจำนวนมากเข้าถึงข้อมูลและประสบการณ์ดิจิทัลได้มากขึ้น
การสนับสนุนหลายภาษา Generative Voice AI สามารถสร้างคำพูดที่เหมือนมนุษย์ในหลายภาษา นี่เป็นสิ่งล้ำค่าสำหรับธุรกิจระดับโลก บริการแปล และใครก็ตามที่ต้องการสื่อสารกับกลุ่มเป้าหมายที่หลากหลาย

การปรับเปลี่ยนในแบบของตัวเอง Generative Voice AI สามารถมอบประสบการณ์ที่เป็นส่วนตัว เช่น การอ่านบทความข่าวในโทนเสียงหรือสไตล์ที่ผู้ใช้งานแต่ละคนต้องการ การสร้างผู้ช่วยด้านเสียงแบบกำหนดเอง หรือการสร้างเนื้อหาเสียงที่ปรับให้เหมาะกับความชอบส่วนบุคคล
การสร้างเนื้อหาต่างๆ มีการใช้ AI ประเภทนี้มากขึ้นเพื่อสร้างเนื้อหา พอดแคสต์ หนังสือเสียง และเนื้อหาเสียงอื่นๆ ช่วยลดอุปสรรคในการเข้าสู่เนื้อหาและเพิ่มขีดความสามารถในการผลิตของผู้สร้างเนื้อหาและบริษัทสื่อต่างๆ
การบริการลูกค้า ระบบเสียงที่ขับเคลื่อนด้วย AI กำลังปฏิวัติการบริการลูกค้า ด้วยความสามารถในจัดการกับข้อซักถามและคำขอทั่วไปของลูกค้าได้ ซึ่งช่วยให้เจ้าหน้าที่ที่เป็นมนุษย์สามารถแก้ไขปัญหาที่ซับซ้อนมากขึ้น ทำให้ช่วยลดเวลาการรอคอย ปรับปรุงประสบการณ์ผู้ใช้ และอาจนำไปสู่การประหยัดต้นทุนสำหรับธุรกิจในที่สุด
การศึกษา ในด้านการศึกษา Generative Voice AI สามารถอ่านหนังสือเรียน สร้างบทเรียนแบบเสียง และเสนอแนวทางการออกเสียงสำหรับผู้เรียนภาษา ซึ่งจะทำให้ผู้คนจำนวนมากเข้าถึงและมีส่วนร่วมในการศึกษาได้มากขึ้น
ความบันเทิง เสียงที่สร้างโดย AI สามารถใช้เพื่อทำให้ตัวละครในวิดีโอเกมมีชีวิตขึ้นมา หรือใช้สร้างเสียงพากย์สำหรับแอนิเมชั่น และแม้แต่จำลองเสียงของนักแสดงที่เสียชีวิตสำหรับภาพยนตร์และโทรทัศน์

การดูแลสุขภาพ Generative Voice AI มีแอปพลิเคชันในการดูแลสุขภาพ เช่น ช่วยให้บุคคลที่มีความผิดปกติด้านการพูดสามารถสื่อสารได้อย่างมีประสิทธิภาพมากขึ้น หรือช่วยเหลือแพทย์ในการถอดความบันทึกทางการแพทย์ ประหยัดเวลา และลดข้อผิดพลาด
ความปลอดภัยในการขับขี่ ในอุตสาหกรรมยานยนต์ AI ประเภทนี้เป็นสิ่งจำเป็นสำหรับการควบคุมที่สั่งงานด้วยเสียง ช่วยให้ผู้ขับขี่โต้ตอบกับยานพาหนะของตนได้ โดยไม่ต้องละมือจากพวงมาลัยหรือละสายตาจากถนน
การเรียนรู้ภาษา เสียงที่สร้างโดย AI สามารถช่วยผู้เรียนฝึกการออกเสียงและพัฒนาทักษะทางภาษาโดยการให้ข้อเสนอแนะและการพูดในสำเนียงเจ้าของภาษา
การสร้างเสียงที่สมจริง ด้วยเสียงที่สมจริงอย่างไม่น่าเชื่อ ลดเสียงสังเคราะห์ฟังดูไม่เป็นธรรมชาติ ทำให้เนื้อหาน่าสนใจและดูเป็นมืออาชีพมากขึ้น

เทคโนโลยีเกิดใหม่

สถานการณ์ Generative AI ทั่วโลก โตไวไปได้สวย

ทั้งนี้ Generative AI เป็นสาขาหนึ่งของปัญญาประดิษฐ์ที่มุ่งเน้นการสร้างแบบจำลองและระบบที่สามารถสร้างเนื้อหาใหม่ๆ เช่น รูปภาพ วิดีโอ เพลง หรือข้อความ ด้วยการฝึกอบรมชุดข้อมูลขนาดใหญ่ โมเดล AI เชิงสร้างสรรค์จะเรียนรู้รูปแบบและโครงสร้างภายในข้อมูล เพื่อสร้างผลลัพธ์ที่แปลกใหม่และสมจริงที่เลียนแบบการกระจายข้อมูลดั้งเดิม ด้วยการใช้เทคนิคต่างๆ เช่น Generative Adversarial Network (GAN) ซึ่งถูกนำมาใช้หลังการฝึกอบรมเพื่อสร้างเนื้อหาสื่อที่แปลกใหม่ ข้อมูลสังเคราะห์ และแบบจำลองของวัตถุทางกายภาพที่รักษาความคล้ายคลึงของข้อมูลต้นฉบับ หรือตัวเข้ารหัสอัตโนมัติแบบแปรผัน (VAE) ทำให้ AI กำเนิดมีศักยภาพในการเพิ่มความคิดสร้างสรรค์ เปิดใช้งานการสังเคราะห์ข้อมูล และปฏิวัติอุตสาหกรรมต่างๆ รวมถึงศิลปะ ความบันเทิง และการสร้างเนื้อหา
รายงานจาก Statista ระบุว่ามูลค่าตลาด Generative AI ทั่วโลกคาดว่าจะสูงถึง 44.89 พันล้านดอลลาร์สหรัฐฯ ในปี 2566 ขนาดของตลาดคาดว่าจะแสดงอัตราการเติบโตสะสมเฉลี่ยต่อปี (CAGR) ในช่วงปี 2566-2573 ที่ 24.40% ส่งผลให้ปริมาณตลาดอยู่ที่ 207 พันล้านดอลลาร์สหรัฐฯ ภายในปี 2573 ตัวอย่างผู้เล่นหลักของตลาดนี้ คือ Open AI, NVIDIA DeepL Learning และ Google (Magenta, DeepDream) โดยขนาดตลาดที่ใหญ่ที่สุดจะอยู่ในสหรัฐอเมริกา ซึ่งมีมูลค่า 16.14 พันล้านดอลลาร์สหรัฐฯในปี 2566

ที่มา :