Wassup ชาว Maker และสายสมาร์ทโฮม! 🏠 ยุคนี้ใครๆ ก็อยากมีลำโพงอัจฉริยะที่สั่งงานด้วยเสียงได้ แต่ปัญหาคือ ระบบพวกนี้มักจะต้องพึ่งพาบอร์ดคอมพิวเตอร์แรงๆ หรือไม่ก็ต้องต่อเน็ตเพื่อส่งเสียงไปประมวลผลบนคลาวด์ (Cloud services) ซึ่งทั้งแพงและกินไฟสุดๆ!

แต่วันนี้มีข่าวดีสำหรับสายประหยัดงบ! เมื่อทีมนักพัฒนาได้ปล่อยของเล่นใหม่ที่ชื่อว่า "Moonshine Micro" ซึ่งเป็นเฟรมเวิร์ก Open-source ขนาดจิ๋ว ที่เสกให้บอร์ดไมโครคอนโทรลเลอร์ราคาไม่กี่สิบบาทอย่าง Raspberry Pi RP2350 สามารถมีระบบสั่งงานด้วยเสียงแบบออฟไลน์ (On-device) ได้แบบครบวงจร! งานนี้บอกเลยว่าวงการ IoT มีสะเทือน!

สเปกโคตรตึง ยัด 3 ขุมพลัง AI ลง RAM แค่ 520 KB! 🤯

ความเทพของ Moonshine Micro คือการจัดการหน่วยความจำครับ บอร์ด RP2350 มี RAM ติดตัวมาแค่ 520 KB แต่เฟรมเวิร์กตัวนี้สามารถยัดไปป์ไลน์ AI (Neural Network) ลงไปได้ถึง 3 ขั้นตอนหลัก โดยใช้เทคนิคการแชร์หน่วยความจำแบบฉลาดๆ:

• 1. VAD (Voice Activity Detection): ระบบคอยดักฟังว่า "มีคนกำลังพูดอยู่รึเปล่า?" เพื่อประหยัดพลังงานตอนที่ไม่มีคนพูด
• 2. Speech-to-Text (STT): เมื่อจับเสียงได้ จะส่งเสียงเข้าโครงข่ายประสาทเทียมจิ๋วที่ชื่อว่า SpellingCNN เพื่อแปลงเสียงพูดให้กลายเป็นข้อความ (Text) ทันที
• 3. Text-to-Speech (TTS): สุดท้าย ถ้าระบบอยากจะตอบโต้ ก็มีเอนจิน AI สังเคราะห์เสียงพูดตอบกลับมาได้ด้วย! โคตรล้ำ!

สั่งงานได้กี่คำ? เอาไปทำอะไรได้บ้าง? 🗣️

ในเวอร์ชันปัจจุบัน Moonshine Micro อาจจะยังไม่ถึงขั้นคุยโต้ตอบเป็นเรื่องราวแบบ ChatGPT ได้นะครับ แต่มันถูกออกแบบมาเพื่อ การรับคำสั่ง (Command recognition) โดยสามารถจดจำคำศัพท์หรือวลีคัสตอมได้ประมาณ 50 คำ!

ยกตัวอย่างเจ๋งๆ จากคลิปวิดีโอสาธิต ผู้พัฒนาได้โชว์การใช้เสียงสั่งให้บอร์ด RP2350 "เชื่อมต่อ Wi-Fi" ได้สำเร็จโดยไม่ต้องพิมพ์โค้ดสักตัว! แถมตัวโปรเจกต์ยังเป็นลิขสิทธิ์แบบ MIT License (ใช้ TensorFlow Lite Micro เป็นแกนหลัก) แปลว่าคุณจะเอาไปทำโปรเจกต์เล่นๆ หรือเอาไปใส่ในสินค้าขายจริงก็ทำได้แบบฟรีๆ เลย!

คลิปสาธิตการสร้าง Voice Interface ในขนาด 520KB! 🎬

---

ภาพไดอะแกรมการทำงาน 📸

ภาพแสดงการจัดการพื้นที่หน่วยความจำของ Moonshine Micro ที่ยัด Pipeline ทั้งหมดลงไปใน RAM ที่มีอยู่อย่างจำกัดได้อย่างแนบเนียน!