1. MiniCPM-o 4.5 คืออะไร? MiniCPM-o 4.5 เป็นโมเดล Multimodal AI ที่รวมความสามารถหลายด้านไว้ในระบบเดียว ได้แก่ 👁️ Vision — มองเห็นภาพและวิดีโอ 👂 Audio — รับฟังเสียง 🧠 Language — วิเคราะห์และให้เหตุผล 🗣️ Speech — สร้างเสียงพูด 🔄 Full-Duplex — รับ Input และสร้าง Output พร้อมกัน ⚡ Streaming — ทำงานต่อเนื่องแบบ Real-time คำว่า Omni จึงมีความสำคัญ เพราะโมเดลไม่ได้ออกแบบมาให้ทำงานเฉพาะ Text หรือ Image แต่สามารถประมวลผลหลาย Modalities ภายใน Workflow เดียวกัน จุดน่าสนใจคือ MiniCPM-o 4.5 มีขนาดประมาณ 9B Parameters ซึ่งเล็กกว่าโมเดล Multimodal ขนาดใหญ่หลายตัว ทำให้แนวคิดการนำไปใช้งานบน Hardware ระดับ Consumer มีความน่าสนใจมากขึ้น ( LearnOpenCV ) 2. ปัญหาของ AI แบบเดิม AI Multimodal ส่วนใหญ่ทำงานในลักษณะ Turn-Based Interaction ตัวอย่างเช่น User ↓ ส่งภาพ/วิดีโอ ↓ AI ประมวลผล ↓ AI ตอบ ↓ User ถามใหม่ ระบบลักษณะนี้เหมาะกับ Chatbot แต่ไม่เหมาะกับสถานการณ์ที่ข้อมูลเปลี่ยนแปลงตลอดเวลา เช่น การถ่ายทอดสดกีฬา กล้อง Surveillance หุ่นยนต์ ผู้ช่วย AI แบบ Real-time ระบบช่วยเหลือผู้พิการ AI Tutor ...
บอกกล่าว เล่าเทคโนโลยี ชงกาแฟ นั่งอ่าน