AI และเอเจนต์11 นาทีในการอ่าน

“อลิซ ถามนิวรัลเน็ตเวิร์กหน่อย”: เราย้าย AI เอเจนต์ของเราเข้าไปอยู่ใน Yandex Station ได้ในคืนเดียวอย่างไร

เคสจริง: root บน Yandex Station Lite แล้วใส่ AI เอเจนต์ของเราแทน “สมอง” ของอลิซ พอพูดว่า “อลิซ ถามนิวรัลเน็ตเวิร์กหน่อย” คนที่ตอบคือโมเดลของเรา ไม่ใช่ Yandex ทั้งหมดนี้เสร็จในคืนเดียว

“อลิซ ถามนิวรัลเน็ตเวิร์กหน่อย”: เราย้าย AI เอเจนต์ของเราเข้าไปอยู่ใน Yandex Station ได้ในคืนเดียวอย่างไร
สารบัญ

ทุกอย่างเริ่มจากลำโพงตัวหนึ่งที่คอมพิวเตอร์มองไม่เห็นเอาเสียเลย มันคือ Yandex Station Lite รุ่นแรก เครื่องนี้ผลิตเมื่อเดือนพฤศจิกายน 2566 และไม่ได้ต่อเน็ตมานานแล้ว (Yandex Station คือลำโพงอัจฉริยะของ Yandex บริษัทเทคโนโลยีสัญชาติรัสเซีย มาพร้อมผู้ช่วยเสียงชื่ออลิซ (Alice หรือ Alisa ในภาษารัสเซีย) คล้าย ๆ Alexa ของ Amazon ขายเป็นหลักในรัสเซียและกลุ่มประเทศ CIS ส่วน Station Lite คือรุ่นเล็กของไลน์นี้) ต่อผ่าน USB ก็ไม่เห็น ในรายการอุปกรณ์ Bluetooth ก็ไม่มี และในเครือข่ายที่บ้านก็ไม่มีพอร์ตปกติของมันพอร์ตไหนตอบกลับเลย แต่เรื่องทั้งหมดจบลงราวตีหนึ่งด้วยคำที่ลำโพงพูดออกมาตอนที่มันไม่ต้องพึ่งโน้ตบุ๊กแล้ว: “ห้าสิบหก” ผมถามว่า “เจ็ดคูณแปด” และคนที่ตอบไม่ใช่ Yandex แต่เป็น Mia AI เอเจนต์ของเราเอง ซึ่งตอนนี้ตอบแทนลำโพงทุกครั้งที่มีคนขอ

ระหว่างสองจุดนี้มีแค่คืนเดียว ล้มเหลวสามครั้งติด และมีทริกง่าย ๆ อยู่หนึ่งอย่างที่ควรอธิบายตั้งแต่แรก เพราะถ้าไม่เข้าใจตรงนี้ เรื่องทั้งหมดจะดูเหมือนเวทมนตร์

Root ไม่ใช่อย่างที่คุณคิด

ตรงนี้สับสนได้ง่ายระหว่างสองเรื่อง คือ root กับเส้นทางที่บทสนทนาวิ่งไป ฟังดูเหมือนว่าพอได้สิทธิ์แอดมินแล้ว ลำโพงก็เป็นของเราโดยอัตโนมัติ

ไม่ใช่ นี่เป็นสองเรื่องที่ต่างกันโดยสิ้นเชิง

Root ก็แค่สิทธิ์แอดมินภายในลำโพง ตัวมันเองไม่ได้เปลี่ยนอะไรเลย: ลำโพงยังฟัง Yandex เหมือนเดิม ถ้าเป้าหมายคือเอานิวรัลเน็ตเวิร์กของเราเองมาแทนอลิซ แค่ root ยังไม่พอ มันแค่เปิดประตูให้ ส่วนเสียงของคุณจะถูกส่งไปที่ไหนนั้น ตัดสินด้วยบรรทัดเดียวในไฟล์คอนฟิก นั่นคือ uniProxyUrl ตราบใดที่ในบรรทัดนี้ยังเป็นที่อยู่ของ Yandex บทสนทนาทั้งหมดก็วิ่งผ่าน Yandex ต่อให้คุณเป็นแอดมินสักกี่ชั้นก็ตาม

ทริกทั้งหมดอยู่ที่การสลับบรรทัดนี้ คนที่ทำงานนี้คือโปรแกรมตัวกลางเล็ก ๆ ชื่อ Quasar Bridge ซึ่งติดตั้งลงบนลำโพงโดยตรงและแกล้งทำตัวเป็นคลาวด์ให้ลำโพงเห็น การรู้จำเสียงพูดและการสังเคราะห์เสียงมันยังปล่อยให้ Yandex ทำ (เสียงที่ได้ยินจึงยังเป็นเสียงของอลิซ ไปก่อน) แต่ข้อความที่ถอดเสียงแล้วจะถูกมันดักไว้ แล้วตัดสินตามกฎว่าจะส่งให้ใคร: ประโยค “ถามนิวรัลเน็ตเวิร์กหน่อย” ส่งให้เอเจนต์ของเรา ที่เหลือทั้งหมดส่งกลับไปให้ Yandex สำหรับลำโพงแล้วไม่มีอะไรเปลี่ยน มันคิดว่ายังคุยกับ Yandex อยู่ แต่ในความจริง “สมอง” เป็นของเราแล้ว

สูตรของขั้นนี้จึงสรุปได้ว่า สมองของ Mia เสียงของ Yandex เป็นทางลัดที่ทำเสร็จได้ในคืนเดียว ส่วนเสียงของเราเองเป็นอีกเรื่องหนึ่ง เดี๋ยวจะกลับมาเล่าตอนท้าย

ทำไมต้องเป็นลำโพงตัวนี้ และทำไมต้องตอนนี้

เราโชคดีเรื่องฮาร์ดแวร์ Station Lite รุ่นแรกที่ไม่ได้ต่อเน็ตมานาน คือคนไข้ในอุดมคติ วิธีได้ root อาศัยว่าในเครื่องมือสาธารณะตัวหนึ่งมีใบรับรอง (certificate) ของ Yandex ที่หลุดออกมาแล้ว ตอนผูกบัญชี ลำโพงจึงเชื่อเซิร์ฟเวอร์ในเครื่องของเรา แต่ในเฟิร์มแวร์ใหม่ ๆ Yandex ปิดช่องโหว่ไปเรื่อย ๆ: บนบิลด์หลังวันที่ 21 ตุลาคม 2569 การปลอม DNS แบบง่าย ๆ ใช้ไม่ได้แล้ว และสำหรับ Lite 1 ต้องอ้อม คือใช้เซิร์ฟเวอร์อัปเดตของเราเองย้อนเฟิร์มแวร์กลับไปเป็นบิลด์ที่เก่ากว่า แล้วบิลด์นั้นถึงจะเปิดทางให้ สุดท้ายลำโพงของเราได้ root บนบิลด์ 0.369.1.46 ลงวันที่ 13 ตุลาคม 2569 ซึ่งเป็นอิมเมจเดียวกับที่เครื่องมือนี้สร้างขึ้นมารองรับพอดี หลังจากนั้นเราระงับการอัปเดตทันที มันจึงค้างอยู่ที่บิลด์นี้

ข้อคิดสำหรับคนที่มีลำโพงแบบเดียวกันวางอยู่บนชั้น: อย่าเพิ่งต่อมันเข้าอินเทอร์เน็ตจนกว่าจะพร้อม อัปเดตอาจปิดทางง่ายไป และหลังจากนั้นจะเหลือทางไหนบ้าง ขึ้นอยู่กับรุ่นและเฟิร์มแวร์

ล้มเหลวสามครั้ง ที่ต้นเหตุจริงซ่อนอยู่ที่อื่น

ไอเดียนั้นง่าย ตอนผูกบัญชีครั้งแรกต้องหลอกลำโพงให้ไปเอาการตั้งค่าจากเซิร์ฟเวอร์ในเครื่องของเราแทนเซิร์ฟเวอร์ของ Yandex แล้วเซิร์ฟเวอร์ของเราจะสั่งให้มันเปิดสิทธิ์เข้าถึงแบบดีบัก การจะทำแบบนั้นต้องยัด DNS ของเราให้ลำโพง เราเตอร์ที่บ้านเป็นของผู้ให้บริการอินเทอร์เน็ต หน้าแผงควบคุมติดแคปต์ชา เราจึงปล่อย Wi-Fi จากโน้ตบุ๊กโดยตรง

แล้วงานสืบสวนก็เริ่มขึ้น ไม่สำเร็จสามครั้งติด และทุกครั้งเราโทษผิดตัว: ตอนแรกโทษการเข้ารหัสตัวอักษรกับเครื่องหมายคำพูดในสคริปต์ จากนั้นโทษเรื่องสิทธิ์ แล้วก็โทษว่าลำโพงใส่รหัสผ่าน “ไม่ถูก” ต้นเหตุจริงค่อย ๆ โผล่ออกมาทีละข้อ

ข้อแรก ปรากฏว่าเซิร์ฟเวอร์ของเราไม่ได้ตอบลำโพงเลย บริการของ Windows ที่แชร์อินเทอร์เน็ตจับพอร์ต 53 ไว้บนทุกที่อยู่ IP และตอบคำขอ DNS เอง เซิร์ฟเวอร์ของเราเปิดขึ้นมาได้ แต่แพ้เงียบ ๆ ทางแก้คือผูกมันกับที่อยู่ IP ของจุดปล่อยสัญญาณโดยเฉพาะ แทน “ทุกที่อยู่” เราส่งคำขอ DNS แยกไปเช็ก: ตอนนี้คนที่ตอบลำโพงคือเราแล้ว

ผูกแล้วก็ยังพลาดอีก นี่เป็นกับดักที่ร้ายที่สุด สคริปต์เปิดเซิร์ฟเวอร์ผ่านกลไกของ Windows ที่ทำให้ตัวแปรสภาพแวดล้อม (environment variables) หายไประหว่างทาง ที่อยู่ที่เราตั้งถูกต้อง แต่ไปไม่ถึงเซิร์ฟเวอร์ เซิร์ฟเวอร์จึงไปจับ “ทุกที่อยู่” แล้วแพ้บริการของ Windows อีกรอบ จากภายนอกทุกอย่างดูถูกต้อง สิ่งที่ช่วยได้คือรันเซิร์ฟเวอร์ตรง ๆ ไม่ผ่านสคริปต์

ข้อที่สามแทบจะน่าเจ็บใจ Windows ปิดการปล่อยสัญญาณถ้าไม่มีใครเชื่อมต่อนานสองสามนาที ส่วนลำโพงก็เชื่อมต่อช้า เครือข่ายหายไปกลางการผูกบัญชี และทุกอย่างดูเหมือน “รหัสผ่านไม่ถูก” ซ้ำยังมีช่องว่างในชื่อเครือข่ายกับเครื่องหมายโคลอนในรหัสผ่านมากวน ตอนพิมพ์พลาดได้ง่าย เราปิดการตัดอัตโนมัติด้วยค่า PeerlessTimeoutEnabled ในรีจิสทรีแล้วรีสตาร์ตบริการปล่อยสัญญาณ ตั้งชื่อเครือข่ายให้ง่ายขึ้น แล้วทุกอย่างก็เข้าที่

นี่น่าจะเป็นบทเรียนหลักที่อยากส่งต่อ: เวลาอะไรไม่ทำงานสามครั้งติด เราอยากโทษสิ่งที่เห็นชัด ๆ อย่างการเข้ารหัส เครื่องหมายคำพูด หรือรหัสผ่าน แต่ในเคสของเรา ทั้งสามครั้งต้นเหตุจริงอยู่ลึกลงไปอีกชั้น และปลอมตัวเป็นสาเหตุที่เห็นชัด

วินาทีชี้ชะตา

พอกับดักทั้งสามถูกปลดหมด ลำโพงก็ไปที่เซิร์ฟเวอร์ของเราจนได้ รับคำสั่งให้เปิดสิทธิ์เข้าถึง แล้วในเทอร์มินัลก็มีสิ่งที่เรารอคอยมาทั้งคืนโผล่ขึ้นมา:

uid=0(root)

เลขศูนย์ สิทธิ์แอดมิน ต่อจากนั้นต้องล็อกความสำเร็จไว้ทันที: ตั้งค่าแฟล็กที่เปิดสิทธิ์เข้าถึงให้อยู่รอดหลังรีบูต สำรองไฟล์ต้นฉบับไว้สองที่ และระงับการอัปเดตอัตโนมัติ ไม่อย่างนั้นพอลำโพงออกอินเทอร์เน็ตปกติ มันอาจอัปเดตตัวเองแล้วเสียสิทธิ์เข้าถึงไป หลังจากนั้นถึงรีบูตลำโพงเพื่อให้แน่ใจว่า root ไม่หลุด การระงับอัปเดตยังอยู่ และตัวอัปเดตไม่ได้ทำงาน ผ่านหมด ตอนนี้ลำโพงเป็นของเราจริง ๆ แล้ว

สมองที่ไม่รู้เกินจำเป็น

ระหว่างที่ลำโพงผ่านพิธีรับน้อง “สมอง” ก็รออยู่บนเซิร์ฟเวอร์แล้ว ตรงนี้มีรายละเอียดสำคัญที่เราภูมิใจยิ่งกว่าตัว root เสียอีก

ในบ้าน ใครก็ได้ยินลำโพงได้ ทั้งแขก เด็ก หรือคนแปลกหน้า เพราะฉะนั้นจะต่อ Mia ตัวหลักพร้อมความจำและสิทธิ์เข้าถึงทั้งหมดของเธอเข้ากับลำโพงไม่ได้เด็ดขาด เราสร้างโปรไฟล์แยกให้ลำโพง: มีบุคลิกของตัวเอง คีย์ของตัวเอง และความจำว่างเปล่า ไม่มีความทรงจำของ Mia ตัวหลักเลย เราให้สิทธิ์มันแค่อย่างเดียวโดยตั้งใจ คืออ่านปฏิทิน เพื่อให้ลำโพงตอบได้ว่ามีนัดอะไรในอีกไม่กี่วันข้างหน้า โปรไฟล์นี้ถูกออกแบบมาให้เขียนนัด ส่งข้อความ หรือซื้ออะไรไม่ได้เลย จากภายนอกเปิดอยู่แค่ที่อยู่เดียว และมีแค่ที่อยู่นั้นเท่านั้น ที่เหลือทั้งหมดตอบว่า “ไม่มีหน้านี้”

เรื่องที่โปรไฟล์นี้ไม่มีความจำของ Mia ตัวหลัก เราไม่ได้เชื่อแค่คำพูด แต่ทดสอบจริง ถามตรง ๆ ว่าลูกสาวชื่ออะไรและเรียนที่ไหน คำตอบคือ “ไม่ทราบ ในลำโพงฉันไม่มีสิทธิ์เข้าถึงข้อมูลส่วนตัวของครอบครัว” ต้องเป็นแบบนี้แหละ

บุคลิกก็เขียนใหม่ให้เหมาะกับเสียง: ตอบสองสามประโยค ไม่มีรายการและอีโมจิ อ่านตัวเลขออกมาเป็นคำ ยอมรับตรง ๆ ว่า “ไม่รู้” และไม่ทำอะไรตามคำสั่งเสียงเลย เสียงไม่ใช่ช่องทางที่ควรให้เอเจนต์ซื้อหรือส่งอะไร

“อลิซ ถามนิวรัลเน็ตเวิร์กหน่อยว่าทำไมท้องฟ้าถึงเป็นสีฟ้า”

ติดตั้งบริดจ์ ย้ายลำโพงไปใช้บริดจ์ รีบูต แล้วก็ถึงการทดสอบเสียงครั้งแรก

“อลิซ ถามนิวรัลเน็ตเวิร์กหน่อย: ทำไมท้องฟ้าถึงเป็นสีฟ้า?” (ประโยคที่ใช้ทดสอบจริงเป็นภาษารัสเซีย: “Alisa, sprosi neyroset…”)

ในล็อกมี route=llm โผล่ขึ้นมาแวบหนึ่ง แปลว่าคำถามไม่ได้ไปที่ Yandex แต่ไปที่เอเจนต์ของเรา ลำโพงใช้เสียงของอลิซ เล่าเรื่องการกระเจิงของแสง แต่คนที่พูดคือ Mia และเราได้ยินคำตอบกับหูตัวเอง ส่วนประโยคที่ไม่มีคำว่า “ถามนิวรัลเน็ตเวิร์กหน่อย” ในล็อกจะขึ้น route=yandex: คำสั่งในชีวิตประจำวันเราตั้งใจปล่อยไว้ให้ Yandex ไม่มีเหตุผลจะไปพังสิ่งที่ใช้ได้ดีอยู่แล้ว

ความเร็วก็ดี: วัดผ่านอินเทอร์เน็ตสองครั้ง เซิร์ฟเวอร์ของเราตอบใน 2.6 และ 4.5 วินาที นี่คือเวลาของตัวเอเจนต์เอง ไม่รวมการรู้จำเสียงและการสังเคราะห์เสียง ความหน่วงทั้งหมดของการทดสอบเสียงเราไม่ได้วัดแยก ส่วนโทเค็นวัดได้แบบนี้: คำถามธรรมดาใช้พรอมต์ราว 9,500 โทเค็น แต่คำถามเดียวที่ต้องเรียกปฏิทินดึงไปถึง 69,816 เพราะตอนเรียกเครื่องมือ คอนเท็กซ์ถูกส่งซ้ำในทุกขั้น ถ้าโมเดลใช้โควตาร่วมกับงานอื่น เรื่องนี้ควรจำไว้: ลำโพงช่างพูดกินโควตาไปได้แบบไม่ทันรู้ตัว

ปุ่มที่อันตรายที่สุด ซึ่งห้ามกด

ที่เหลือคือย้ายลำโพงจาก Wi-Fi ที่ปล่อยจากโน้ตบุ๊กไปใช้ Wi-Fi ที่บ้าน และตรงนี้แหละมีกับดักที่ทำให้ทั้งคืนสูญเปล่าได้

ดูเหมือนว่าเปลี่ยนเครือข่ายแบบปกติก็ได้ คือรีเซ็ตลำโพงแล้วตั้งค่าใหม่ ห้ามเด็ดขาด การรีเซ็ตจะลบพาร์ทิชันที่บริดจ์และแฟล็กสิทธิ์เข้าถึงอยู่ ในขณะที่บรรทัด uniProxyUrl ในคอนฟิกระบบยังชี้ไปที่บริดจ์ในเครื่อง ซึ่งหลังรีเซ็ตไม่มีอยู่แล้ว ผลคือเสียงใช้ไม่ได้เลย สิทธิ์เข้าถึงแบบดีบักถูกลบ และการกู้คืนก็คือทำ root ใหม่ตั้งแต่ศูนย์

เราจึงเปลี่ยนเครือข่ายอย่างระมัดระวัง ผ่านคำสั่งระบบบนลำโพงที่ root แล้ว โดยไม่แตะอะไรเกินจำเป็น ใส่เครือข่ายที่บ้าน เก็บเครือข่ายเดิมไว้เป็นตัวสำรองเผื่อไว้ แล้วรอให้ลำโพงย้ายไปและได้ที่อยู่ใหม่ ย้ายสำเร็จ

ตอนนั้นเอง ตอนที่ลำโพงไม่ต้องพึ่งโน้ตบุ๊กแล้ว ผมถามว่า “เจ็ดคูณแปด?” “ห้าสิบหก” ลำโพงตอบ ปิดโน้ตบุ๊กได้แล้ว

พูดตรง ๆ เรื่องข้อจำกัด

เรื่องนี้อ่านแล้วดูเหมือน “ดูสิ เราแฮ็กได้เจ๋งแค่ไหน” แต่วิธีนี้มีข้อจำกัด และเราไม่อยากซ่อนไว้

  • หมดประกัน คุณกำลังเจาะเข้าไปในอุปกรณ์ของคนอื่น และถ้าลำโพงกลายเป็นก้อนอิฐ ก็ยังไม่มีวิธีชุบชีวิตที่พิสูจน์แล้ว
  • วิธีนี้อยู่ได้เพราะความผิดพลาดของคนอื่น ได้ root ก็เพราะในเครื่องมือมีใบรับรองของ Yandex ที่หลุดออกมา ในเฟิร์มแวร์ใหม่ ๆ Yandex ปิดช่องโหว่ไปทีละช่อง และสักบิลด์หนึ่งอาจปิดช่องสุดท้าย
  • Yandex ยังได้ยินเสียงพูดของคุณ ในขั้นนี้การรู้จำเสียงและการสังเคราะห์เสียงยังเป็นของ Yandex เราสลับแค่ “สมอง” ความเป็นส่วนตัวเต็มรูปแบบจึงยังไม่มี และเสียงก็ยังเป็นของอลิซ

ถ้ารับเรื่องพวกนี้ไม่ได้ อย่าเริ่มดีกว่า แต่ถ้าต้องการวิธีเร็ว ๆ ให้ลำโพงมีผู้ช่วยของคุณเอง วิธีนี้ใช้ได้จริง: ลำโพงไม่ต้องพึ่งโน้ตบุ๊กอีกแล้ว แค่มีเครือข่ายที่บ้าน เซิร์ฟเวอร์ของเรา และคลาวด์ของ Yandex สำหรับเสียงพูดก็พอ

สรุปสั้น ๆ สำหรับคนกันเอง

ถ้าคันมืออยากลองทำตาม นี่คือหลุมที่ทำให้เราเสียเวลามากที่สุด จะได้ไม่ต้องเสียเวลาเหมือนกัน:

  • บนบิลด์หลังวันที่ 21 ตุลาคม 2569 การปลอม DNS แบบง่าย ๆ ใช้ไม่ได้แล้ว สำหรับ Lite 1 มีทางอ้อมด้วยเซิร์ฟเวอร์อัปเดตของคุณเองที่ย้อนเฟิร์มแวร์กลับ แต่ก็เพิ่มขั้นตอนและเวลา ลำโพงเก่าที่ออฟไลน์อยู่คือเพื่อนของคุณ
  • Station Lite 1 เห็นแค่คลื่น 2.4 GHz ตั้งจุดปล่อยสัญญาณให้อยู่ย่านนี้อย่างเดียว ไม่อย่างนั้นลำโพงจะมองไม่เห็นเครือข่ายเลย
  • บริการปล่อยสัญญาณของ Windows จับพอร์ต 53 บนทุกที่อยู่ ให้ผูกเซิร์ฟเวอร์ DNS ของคุณกับที่อยู่ของจุดปล่อยสัญญาณโดยเฉพาะ และส่งคำขอแยกไปเช็กว่าใครเป็นคนตอบ
  • Windows ปิดจุดปล่อยสัญญาณเมื่อไม่มีใครเชื่อมต่อ ซึ่งดูเหมือน “รหัสผ่านไม่ถูก” แก้ได้ด้วยค่า PeerlessTimeoutEnabled ในรีจิสทรีและรีสตาร์ตบริการปล่อยสัญญาณ ชื่อเครือข่ายและรหัสผ่านไม่ควรมีช่องว่างหรืออักขระพิเศษ
  • รันเซิร์ฟเวอร์ในเครื่องตรง ๆ ไม่ผ่านสคริปต์ “อัจฉริยะ”: สคริปต์ทำตัวแปรสภาพแวดล้อมหาย และเซิร์ฟเวอร์ไปจับที่อยู่ผิด
  • ได้ root แล้วต้องล็อกสิทธิ์เข้าถึง สำรองข้อมูล และระงับการอัปเดตทันที ก่อนที่ลำโพงจะได้เห็นอินเทอร์เน็ตปกติ
  • และกฎทอง: หลังติดตั้งบริดจ์แล้ว อย่ารีเซ็ตลำโพงด้วยปุ่ม ไม่ว่าจะเพื่อเปลี่ยนเครือข่ายหรือ “เผื่อไว้ก่อน” เครือข่ายเปลี่ยนได้โดยไม่ต้องรีเซ็ต ผ่าน wpa_cli และถ้าต้องการถอดบริดจ์ออก มันมีวิธีถอยกลับในตัว: control.sh rollback แล้วรีบูต

ต่อจากนี้: เสียงของเราเอง

ตอนนี้เรามีแบบไฮบริด สมองของเราในเสียงของอลิซ ขั้นต่อไปน่าสนใจกว่ามาก คือตัด Yandex ออกจากเส้นทางทั้งหมด แล้วให้ Mia มีเสียงของตัวเอง

พื้นฐานบางส่วนพร้อมแล้ว บนเซิร์ฟเวอร์ของเรามีตัวสังเคราะห์เสียงพูด Silero: ในการทดลองหลังวอร์มเครื่อง มันสร้างเสียงประโยคสั้น ๆ ได้เร็วกว่าความยาวเสียงจริง 16–20 เท่า และเราเลือกเสียงแล้ว เป็นเสียงผู้หญิง ชื่อ kseniya ในการทดสอบแบบครบวงจร ตั้งแต่คำถามที่เป็นข้อความจนได้ไฟล์เสียงที่ Mia ตอบด้วยเสียงของตัวเอง ใช้เวลาเกินหกวินาทีไปนิดเดียว จะให้ตัวลำโพงพูดแบบนี้ได้เองโดยไม่มี Yandex เรายังต้องแกะโปรโตคอลที่ลำโพงใช้คุยกับคลาวด์ แล้วต่อการรู้จำเสียงและการสังเคราะห์เสียงของเราเองเข้าไป นี่ไม่ใช่จินตนาการแล้ว แต่เป็นขั้นต่อไปที่ชัดเจน เพียงแต่งานเยอะกว่าคืนนี้อยู่พอสมควร

แต่นั่นเป็นอีกเรื่องและอีกคืนหนึ่ง ตอนนี้บนชั้นมีลำโพงที่คิดด้วยหัวของ Mia เมื่อเราขอ และพูดตามตรง ทุกครั้งที่บอกมันว่า “อลิซ ถามนิวรัลเน็ตเวิร์กหน่อย” ก็ยังแอบทึ่งอยู่ดี

ถ้าคุณชอบลงมือทำเองกับเอเจนต์แบบนี้ เรามีบทความเรื่องนี้ทั้งชุด ตั้งแต่การติดตั้ง Hermes เอเจนต์ของคุณเอง ไปจนถึงการปรับจูนละเอียด แวะมาที่แชทได้ (แชทใช้ภาษารัสเซีย) เราจะเล่าและโชว์ให้ดู

คนกันเองอยู่ใกล้ ๆถามคนกันเอง แชทตอบเร็วกว่าค้นหาเองแชทหลักของไอที ปาร์ตี้ พัทยา: คนสาย IT สายดิจิทัล และผู้ประกอบการ ที่เคยผ่านเรื่องเดียวกันมาแล้ว เริ่มตั้งแต่กรกฎาคม 2566 แชทใช้ภาษารัสเซีย ชาวต่างชาติและคนไทยเข้ามาได้เสมอเข้าแชท (ภาษารัสเซีย)

อ่านเรื่องที่เกี่ยวข้อง