ผมสร้าง AI สุด Waifu

➤ Notebook ราคากลางๆ กลางจริงๆนะ จาก ASUS (tuf gaming a 16)
https://www.asus.com/th/laptops/for-g...

➤ อธิบายเพิ่มเติม
0:00 - intro
0:18 - Neuro Sama คือใคร
0:43 - ความหมายของ AI
0:53 - อันนี้กูเล่นมุกโว้ย
1:05 - Domain Problem ของ AI
1:24 - Machine learning คืออะไร
1:47 - วิเคราะห์ระบบของ Neuro Sama
2:40 - MVP คืออะไร
3:04 - Sponsor
3:41 - เลือกทำ AI แค่ส่วนเดียวพอ
4:30 - เริ่มสร้าง Text to Speech
4:45 - ใช้ VITS สำหรับ TTS
5:00 - เตรียม Data
5:40 - TTS แบบ Multilingual
6:00 - Phoneme
6:22 - Train พร้อม Data ไทย
6:40 - Debug
7:00 - เลิกใช้ Phoneme ตาม Paper
7:08 - Results
7:25 - AI แย่งงาน

ปกติจะเขียน ช่วงอธิบายยาวมากๆ เพราะทำ SEO เนอะ รอบนี้มี timestamp ละ ขอสรุปสั้นๆละกัน
ช่วงแรกอยากอธิบายให้คนเข้าใจเว้ยว่า AI ไม่ใช่ AI ที่พวกเราเห็นจริงๆ แต่เป็นแค่หน่วยย่อย เหมือน Function ทาง Computer อันเดียวเท่านั้น เช่น แปลง text เป็นเสียง, แปลง text เป็น text เป็นต้น

ต่อมาคือเรื่องของ ความหมาย AI จริงๆ มันกว้างมาก if-else, Searching, Planning ก็เป็น AI เช่นกัน แต่เราเรียกว่า Rule based AI

AI ภาษาอังกฤษ คือเรื่องง่าย เพราะ มีคนทำไว้แล้ว ใช้ได้เลย เอามา train ต่อแปปเดียวได้ แต่ภาษาไทย ยากกว่ามาก เพราะ กฏ มันเยอะกว่าเช่น สวัสดี ทำไมไม่อ่าน สะวัดสะดี? ทำไท "ส" อ่าน สอ ไม่อ่าน สะ แล้วสวัสดี ทำไมไม่อ่าน สอ วัด สอ ดี?

เราใช้ model VITS ตัวนี้ดีกว่า Tacotron 2 ตรงที่เร็ว และ มีความหลากหลายมากกว่า เพราะ ใช้คนละเทคนิคกัน ที่เหลือไปอ่าน Paper ละกันนะ

Multilingual อันนี้ตัว VITS มันทำให้อยู่แล้วค่อนข้างง่าย มันมีส่วนที่ จำเสียง, จำตัวอักษร แยกกัน ทำให้สามารถพูดหลายภาษาได้ นอกจากนี้ยังทำ Voice Conversion ได้

Phoneme ปกติจะใช้กันเพราะว่า มันสามารถแปลงให้เป็นการพูดอะไรก็ได้ แต่ภาษาไทยบางคำมันผิดโง่เกิน ถึงจะไม่เยอะก็เถอะ เลยไม่อยากใช้ + กับไปอ่าน Paper ของ YourTTS ที่บอกว่าเขาไม่ใช้ ก็เลยทำตาม

การไม่ใช้ Phoneme ข้อดีคือ เราถูก 100% แน่ๆ แต่แลกกับ Model มีขนาดใหญ่ขึ้นมาก ถ้าทำทุกภาษาคือ GG เรื่องขนาด model ได้เลย

สุดท้าย ก็เอามาทดสอบ จริงๆ ยัง Train ไม่เสร็จ ค่า Val Loss ยังไม่หยุดลงเลย แต่อยาก เอาออกมาโชว์ก่อน

➤ Code ส่วนลดจาก futureskill
มันจะมี 2 code นะ ถ้าใครอยากเรียนหลายๆ Course ก็กดรายปีได้
Buffet Pakage Code : AFFXTechCast
Coures Pakage Code : AFFXTechCast1
(แพ็คเกจ 1 ปี ลด 50% จาก 9948 เหลือ 4974 บาท)
แพ็คเกจรายปี : https://bit.ly/3RKAiNI
แพ็คเกจรายคอร์ส :

➤ ช่องทางติดตาม
facebook :   / techcastneedsponsor  
discord:   / discord  

➤ support me
promptpay : https://bit.ly/3m3uH5p

➤ มาเป็น Member และ Sponsor ให้ Techcast ได้แล้ววันนี้
ด้วยการสมัครเป็นสมาชิกเพื่อเข้าถึงสิทธิพิเศษอีกมากมาย
   / @techcast  

➤ Music Credit
Music: Evan King - ENERGETIC, UPBEAT
   / @contextsensitive  
https://contextsensitive.bandcamp.com/

➤ Ref.
text to speech
https://en.wikipedia.org/wiki/Speech_...

coqui tts
https://github.com/coqui-ai/TTS

MoeTTS
https://huggingface.co/spaces/skytnt/...

AI คือ?
https://th.wikipedia.org/wiki/ปัญญาปร...

Machine learning
  / เริ่มเรียน-machine-learning-0-100-introduc...  

  / ai-and-mathematics  

  / maths-and-ai-concave-convex-function-and-m...  

Deep learning
https://towardsdatascience.com/the-ma...