Brethof Voice Pro — มีอะไรใหม่บ้าง

v2.3.1 — บัญชีที่มีการยืนยันสองขั้นตอนสามารถเข้าสู่ระบบได้อีกครั้ง

มีข้อบกพร่องในเวอร์ชันก่อนหน้าที่ทำให้บัญชีที่มีการยืนยันตัวตนสองขั้นตอนไม่สามารถเข้าสู่ระบบได้ แต่เวอร์ชัน v2.3.1 ได้แก้ไขปัญหานี้แล้ว หากคุณเป็นหนึ่งในผู้ที่ได้รับผลกระทบ ให้กรอกข้อมูลผู้ใช้และรหัสยืนยันตัวตน คุณก็จะสามารถเข้าสู่ระบบได้ ส่วนอื่นๆ ไม่มีการเปลี่ยนแปลงใดๆ

v2.2.2 — ไฟล์คำบรรยาย มีความเร็วสูงขึ้นประมาณสองเท่า

ปัจจุบันการแปลไฟล์คำบรรยายใช้เวลาเพียงครึ่งหนึ่งของเดิม โดยเวลาที่ใช้ยังคงเท่าเดิม โดยทุกตัวเลขเวลาจะอยู่ในตำแหน่งเดิมเหมือนในต้นฉบับ ไม่ว่าคุณจะขอให้แปลในระดับประโยคหรือระดับคำก็ตาม หากคุณทำงานแปลคำบรรยายเป็นอาชีพ นี่คือเวอร์ชันที่เวลาการรอคอยลดลงอย่างเห็นได้ชัด

ในเวอร์ชัน 2.2.2 ก็มีด้วย:

• แก้ไขปัญหาการรับสัญญาณจากไมโครโฟน — ซึ่งเป็นเรื่องสำคัญมากสำหรับไมโครโฟนคุณภาพดี. การปรับระดับเสียงอาจทำให้ช่วงเวลาที่มีเสียงดังที่สุดในการบันทึกเสียงที่มีคุณภาพดีเกินขีดจำกัด และทำให้เสียงนั้นถูกตัดออกไป ยิ่งไมโครโฟนมีคุณภาพดีเท่าไร ช่วงความแตกต่างระหว่างระดับเสียงสูงสุดกับระดับเสียงเฉลี่ยก็จะยิ่งกว้างขึ้นเท่านั้น และมีโอกาสสูงที่จะเกิดปัญหานี้ขึ้น โดยเสียงที่มีความดังสูงจะผ่านการปรับแต่งไปได้โดยไม่มีปัญหา ในขณะที่เสียงในห้องที่เงียบและไมโครโฟนคุณภาพดีกลับถูกตัดออกไป แต่การปรับระดับเสียงในปัจจุบันจะช่วยเหลือให้มีพื้นที่สำรองไว้ ทำให้พยัญชนะและเสียงที่มีความดังสูงยังคงอยู่ในสภาพดีเหมือนเดิม
• ใหม่ translate_batch เครื่องมือ MCP — แปลสตริงจำนวนมากในครั้งเดียว โดยมีพารามิเตอร์ขนาดชุดข้อมูลที่จะลดลงโดยอัตโนมัติหาก VRAM ไม่เพียงพอ

v2.2.1 — แอปที่คุณเป็นเจ้าของยังคงเป็นของคุณต่อไป

เมื่อคุณซื้อ Brethof Voice Pro มาแล้ว มันก็จะเป็นของคุณโดยสมบูรณ์ และเวอร์ชัน 2.2.1 ก็ช่วยให้ไม่มีอะไรมาขวางกั้นคุณจากการใช้งานมันได้ ในอดีต การตรวจสอบใบอนุญาตตอนเปิดโปรแกรมจะทำหน้าที่เหมือนประตูที่ป้องกันไม่ให้คุณเข้าถึง หากไม่มีเครือข่าย หรือเซิร์ฟเวอร์กำลังยุ่ง หรือมีไฟร์วอลล์ที่ปฏิเสธ คุณก็อาจไม่สามารถใช้งานโปรแกรมที่คุณจ่ายเงินซื้อมาได้ แต่ตอนนี้มันไม่มีปัญหานั้นแล้ว — หากการตรวจสอบไม่สามารถเชื่อมต่อมาหาเราได้ แอปก็จะเปิดใช้งานได้เช่นเดิม โปรแกรมที่คุณเป็นเจ้าของไม่ควรต้องขออนุญาตก่อนจะเริ่มทำงาน และตอนนี้มันก็ไม่ต้องทำเช่นนั้นอีกต่อไป

• ปุ่มตรวจสอบใบอนุญาตใหม่ ในกล่องโต้ตอบเกี่ยวกับใบอนุญาต — จะบังคับให้มีการตรวจสอบใหม่ ยังคงเปิดตัวอย่างต่อเนื่อง เมื่อประสบความสำเร็จ ก่อนหน้านี้ทางเลือกเดียวคือการซื้อหรือยุติการดำเนินการ
• ไม่มีการกำหนดวันหมดอายุสำหรับลูกค้าที่ชำระเงินแล้ว — ตอนนี้ไดอะล็อกจะแสดงสิ่งที่เกิดขึ้นจริง แทนที่จะแสดงข้อความเดียวกันให้ทุกคนเห็น
• ไม่มีปัญหา UI หยุดทำงานอีกต่อไป — การดาวน์โหลดโมเดลจะดำเนินการผ่านเธรดอินเทอร์เฟซพร้อมแสดงเปอร์เซ็นต์ความก้าวหน้า และการตรวจสอบใบอนุญาตขณะเริ่มต้นระบบจะไม่ทำให้หน้าต่างถูกล็อกอีกต่อไปในกรณีที่มีการเชื่อมต่อที่ช้า
• ไม่มีการดิกเตชันที่สูญหาย — หากการบันทึกเสียงยังคงดำเนินอยู่ขณะที่คุณพูดจบ ไฟล์เสียงใหม่จะถูกเก็บไว้ในคิวแทนที่จะถูกละทิ้งไปโดยไม่มีเสียง และกระบวนการบันทึกที่หยุดชะงักไปก็จะไม่สามารถป้อนข้อความเพิ่มเติมเข้าไปในการบันทึกครั้งต่อไปได้อีก
• เมื่อออฟไลน์ก็เงียบสงบ — ไม่มีการรอสัญญาณเครือข่ายซ้ำเมื่อไม่มีการเชื่อมต่อ

v2.2.0 — บันทึกการประชุมทั้งหมด ไม่ใช่เพียง 5 นาทีแรกเท่านั้น

การบันทึกเสียงระยะเวลานานจะถูกประมวลผลในโหมดงานพื้นหลัง คุณสามารถมอบไฟล์การประชุมที่มีระยะเวลาสองชั่วโมงให้ระบบดูแล แล้วไปทำกาแฟได้เลย ไม่มีข้อจำกัดด้านระยะเวลา และไม่จำเป็นต้องคอยดูแลอะไรเลย ปล่อยให้ระบบทำงานต่อไป แล้วระบบจะประมวลผลเสร็จเองพร้อมเก็บบันทึกไว้ให้คุณ การโทรที่มีระยะเวลาสามชั่วโมงก็ไม่ต่างจากการโทรที่มีระยะเวลาสามนาทีเลย แค่ใช้เวลานานกว่าเท่านั้นเอง

• ไมโครโฟนหรือเสียงระบบ — บันทึกเสียงของคุณเอง หรือดักจับเสียงที่กำลังเล่นอยู่ในเครื่องของคุณผ่านการลูปแบ็ค: ไม่ว่าจะเป็นการโทรประชุม แท็บเบราว์เซอร์ หรือเสียงใดๆ ที่ออกมาจากลำโพงของคุณ ใหม่ list_loopback_sources เครื่องมือสำหรับดูว่ามีอะไรให้ใช้บ้าง
• ไม่มีอะไรถูกทิ้งไปเลย — หากมีการทิ้งไฟล์บันทึกไว้ ตอนนี้โปรแกรมดูแลจะทำการถอดข้อความจากไฟล์นั้นเพื่อให้สามารถเรียกคืนมาได้ แทนที่จะทิ้งมันไป
• ขีดจำกัดที่ซื่อสัตย์ — โหมดการถอดเสียงแบบรวดเร็วถูกเพิ่มขีดจำกัดเวลาเป็น 10 นาที และหากพยายามใช้งานเกินขีดจำกัดนี้จะได้รับข้อผิดพลาดที่ระบุให้ใช้เครื่องมือแบบถอดเสียงแบบละเอียดแทน ระบบจะไม่ยังคงประมวลผลเสียงของคุณแบบเงียบๆ แล้วส่งคำตอบที่ไม่สมบูรณ์กลับมาอีกต่อไป
• แก้ไขการแปลบน Linux — การขาดไลบรารีที่จำเป็นทำให้การแปลผิดพลาดในทุกการสร้างระบบ Linux ตั้งแต่เวอร์ชัน 1.7.0 เป็นต้นมา ซึ่งถูกค้นพบโดยระบบตรวจสอบก่อนการปล่อยผลิตภัณฑ์แบบ end-to-end ที่จะทดสอบไฟล์ไบนารีที่สร้างขึ้นจริงก่อนที่จะปล่อยออกมา

v2.1.0 — เอเจนต์ของคุณสามารถรับฟังได้ผ่าน HTTP

ตอนนี้เอเจนต์บนเครื่องเดียวกันสามารถใช้ Brethof Voice Pro ได้แล้ว ซึ่งสามารถทำหน้าที่ถอดเสียง แปลภาษา และบันทึกเสียงผ่าน MCP โดยมันทำงานผ่าน HTTP ในเครือข่ายท้องถิ่น ดังนั้นเอเจนต์ที่สามารถเข้าถึงข้อมูลได้เฉพาะผ่าน URL ก็สามารถใช้งานได้โดยไม่จำเป็นต้องมี API key และไม่มีข้อมูลใดออกไปนอกเครื่องเลย มีโทเคนที่ทำหน้าที่เป็นกุญแจป้องกัน และเซิร์ฟเวอร์จะปฏิเสธที่จะทำงานหากไม่มีโทเคนนี้ ส่วนเวอร์ชันนี้จำเป็นต้องมีใบอนุญาตแบบเสียเงิน

• เป็นแบบส่วนตัวโดยค่าเริ่มต้น — มันจะรับฟังเฉพาะในเครื่องของคุณเองเท่านั้น เว้นแต่คุณจะเปลี่ยนแปลงสิ่งนั้นโดยเจตนา ซึ่งจะทำให้มีข้อจำกัดมากขึ้น ปฏิเสธที่จะเริ่มทำงาน โดยไม่มีโทเคนยืนยันตัวตน เมื่อมีการกำหนดโทเคนไว้ แต่ละคำขอจะต้องแสดงโทเคนนั้นด้วย
• ไม่มีการหยุดงานระหว่างทำงาน — โมเดลที่สามารถปิดการทำงานได้เมื่อไม่มีงานให้ทำ จะไม่สามารถปิดการทำงานได้อีกในระหว่างที่มีงานที่ยังคงดำเนินอยู่ การตั้งเวลาสิ้นสุดที่เพิกเฉยต่องานที่กำลังทำอยู่ ในที่สุดก็จะทำให้โปรแกรมที่สำคัญต้องหยุดทำงาน ดังนั้นนาฬิกาที่ใช้ตรวจสอบสถานะการทำงานของโมเดลจึงจะหยุดทำงานชั่วคราวในขณะที่ยังมีงานอยู่

v2.0.0 — การแปลที่ไม่เคยออกจากบ้าน

เครื่องมือที่ทรงพลังนี้ การแปลจะดำเนินการบนเครื่องของคุณเองโดยสมบูรณ์ พร้อมรองรับภาษาถึง 38 ภาษา คุณเพียงแค่พูดครั้งเดียว ระบบก็จะแปลเป็นภาษาอังกฤษ ญี่ปุ่น ฝรั่งเศส และสเปนพร้อมกัน ไม่ว่าจะเป็นแบบหนึ่งบรรทัดต่อภาษา หรือแบบแสดงคู่กันในบรรทัดเดียวก็ได้ เครื่องมือนี้ใช้เทคโนโลยี Hunyuan MT2 ของ Tencent มีให้เลือกสองรูปแบบ ได้แก่ รูปแบบที่รวดเร็วสำหรับการใช้งานประจำวัน และรูปแบบคุณภาพสูงสำหรับกรณีที่ต้องการความแม่นยำสูง จากผลการทดสอบ FLORES-200 รูปแบบคุณภาพสูงมีคะแนนเทียบเท่า 97.9% ของ Gemini 3.1 Pro ของ Google และยังทำได้ดีกว่าในการแปลภาษาจริงและภาษาที่ใช้กันน้อย ทั

สิ่งใหม่ในเวอร์ชัน 2.0.0:

• ถอดเสียง + แปล — ป็อปอัพ Transcribe มีเมนูแบบเลื่อนลง "แปลเป็น:" ASR ทำหน้าที่ถอดความ MT ทำหน้าที่แปลภาษา ทั้งสองแสดงผลเคียงข้างกัน ทำงานกับไฟล์ ไมโครโฟน และเสียงระบบ (การดักจับเสียงย้อนกลับจากการประชุมผ่านวิดีโอคอล แท็บเบราว์เซอร์ หรือเสียงใดๆ ที่เล่นผ่านลำโพง)
• คีย์บอร์ดเสียงหลายภาษา — ชิปแปลใหม่บนแถวหลักจะเปิดกริดภาษา 3 คอลัมน์ เลือกภาษาเป้าหมายหนึ่งภาษาหรือมากกว่านั้น คีย์บอร์ดจะพิมพ์ผลการแปลออกมา โหมดการจัดวาง: หนึ่งบรรทัดต่อภาษา, แบบแทรกในบรรทัด (EN: … || PL: …) หรือเลือกเฉพาะเป้าหมายแรกเท่านั้น
• โปรแกรมแปลคำบรรยาย SRT / VTT — รักษาเวลาและดัชนีคำชี้ (cue indices) ไว้ รองรับโหมดสองภาษา (บรรทัดต้นฉบับ + การแปลตามคำชี้แต่ละรายการ) เปิดใช้งานผ่าน MCP เพื่อการอัตโนมัติของ AI-agent
• Multi-GPU ต่อเอนจิน — การตั้งค่า → โมเดล มีตัวเลือกอุปกรณ์แยกกันสำหรับแต่ละเอนจิน ให้รัน ASR บน Vulkan 0 และรันการแปลบน Vulkan 1 หรือกำหนดให้ Hunyuan MT2 7B ทำงานบน CPU ในโน้ตบุ๊กที่มี VRAM จำกัด
• การฝึกเสียงส่วนบุคคลเปิดใช้งานแล้ว — การปรับแต่ง LoRA สำหรับเสียงของคุณเอง โดยทำได้แบบ end-to-end บนเครื่องของคุณเอง บนหน้าต่างหลัก การ์ดแสดงข้อมูลการฝึกจะแสดงจำนวนตัวอย่างทั้งหมดและเวลาที่ใช้ในการบันทึกไว้อย่างชัดเจน ปุ่ม “Start training” ในแท็บ Training จะเลือกใช้ NVIDIA CUDA หรือ CPU โดยอัตโนมัติ จากนั้นจึงส่งออกโมเดลที่ได้รับการฝึกมาเป็นรูปแบบ GGUF มาให้ฟรีพร้อมกับใบอนุญาตแบบเสียเงินทุกใบ
• เครื่องมือ MCP ใหม่ 4 ตัว — translate_text, translate_srt, list_compute_devices, set_compute_device. จำนวนเครื่องมือทั้งหมดในปัจจุบันมี 19 รายการ
• การแบ่งแยกภาษาอย่างตรงไปตรงมา — ASR: รองรับภาษาที่เลือกได้ 30 ภาษา + ระบบตรวจจับภาษาอัตโนมัติ + ภาษาถิ่นจีน 22 ภาษา (รวมทั้งหมด 52 ภาษา) การแปล: รองรับภาษา 38 ภาษา (ภาษาหลัก 33 ภาษา + ภาษาของชนกลุ่มน้อยในพื้นที่จีน 5 ภาษา) มี 23 ภาษาที่สามารถแปลไปมาได้

ไฟล์ไบนารีของ Linux มีขนาด 161 MB ส่วนไฟล์ติดตั้งของ Windows มีขนาด 118 MB ใบอนุญาตที่มีอยู่จะถูกนำมาใช้ต่อ — เพียงแค่ ดาวน์โหลดเวอร์ชัน 2.0.0 และโมเดลการแปลจะปรากฏอยู่ที่ Settings → Models

v1.6.16 — เสียงของคุณจะกลายเป็นโมเดลของตัวเอง

ตอนนี้ Brethof Voice Pro สามารถฝึกโดยใช้เสียงของคุณได้แล้ว ข้อมูลสำหรับการฝึกคือการแก้ไขที่คุณทำไปแล้ว — เมื่อคุณแก้คำที่ได้ยินผิดครั้งหนึ่ง ข้อมูลนั้นจะกลายเป็นตัวอย่างสำหรับการฝึก คุณไม่จำเป็นต้องอ่านประโยคตัวอย่างเลย การฝึกทำได้เพียงแค่คลิกเดียว โดยใช้ฮาร์ดแวร์ของคุณเอง และเมื่อฝึกเสร็จสิ้น โมเดลใหม่ก็พร้อมให้คุณเปลี่ยนมาใช้ได้ทันที

รุ่นทดลองใช้สามารถเข้าถึงทุกอย่างได้ยกเว้นบริการฝึกส่วนตัวและการเชื่อมต่อกับเอเจนต์ ซึ่งรุ่นนี้เหมาะสำหรับผู้ที่ใช้แอปพลิเคชันทุกวัน

v1.6.0 — ตั้งค่าให้ทำงานได้ กลับมาดูอีกครั้งในภายหลัง

มีสองข้อครับ ปัจจุบันการแปลงเสียงให้เป็นข้อความสามารถทำได้ในรูปแบบงานแบบอะซิงโครนัส คือเพียงแค่นำไฟล์เสียงมาใส่ แล้วรอรับผลลัพธ์เมื่อการแปลงเสร็จสิ้น ไม่จำเป็นต้องนั่งรออยู่ตรงหน้ามันครับ

และเรื่องเวลาของคำบรรยาย: ตอนนี้คุณสามารถกำหนดเวลาได้ทีละคำแทนที่จะเป็นทีละประโยค ซึ่งเหมาะสำหรับกรณีที่คุณต้องการแก้ไขอย่างแม่นยำ หากคุณเคยทำคำบรรยายมาก่อน คุณก็น่าจะเข้าใจดีว่าทำไมสิ่งนี้ถึงสำคัญ

v1.5.0 — ใช้เวลาทำงานเพียงครั้งเดียว และไม่มี ONNX อีกต่อไป

ไลบรารีรันไทม์ ONNX ไม่มีให้ใช้อีกต่อไป ตอนนี้ผลิตภัณฑ์ทั้งหมดทำงานบน llama.cpp และไลบรารีการแปลของเราเอง — มีไลบรารีรันไทม์เพียงตัวเดียว ใช้พื้นที่น้อยลง สตาร์ทได้เร็วขึ้น และสามารถนำไปใช้งานได้ง่ายขึ้น

โมเดลเหล่านี้เป็นไฟล์ GGUF แบบเดี่ยว ซึ่งเป็นสาเหตุที่โมเดลขนาดเล็กสามารถทำงานได้กับการ์ดจอที่มีหน่วยความจำ 4 GB มีคำอธิบายเพิ่มเติมเกี่ยวกับเหตุผลที่เราเลือกใช้รูปแบบนี้อยู่ด้านล่างของหน้านี้

v1.4.0 — การเชื่อมต่อกับเอเจนต์ครั้งแรกของคุณ พร้อมเครื่องมือสำหรับเลือก GPU ของคุณ

สองสิ่งใหม่เป็นครั้งแรก ได้แก่ เซิร์ฟเวอร์ MCP ที่เปิดตัวที่นี่ ซึ่งเป็นวิธีแรกในการมอบ “หู” ให้กับเอเจนต์ โดยทำได้บนเครื่องของคุณเอง

และตัวเลือกอุปกรณ์: ตอนนี้การถอดเสียงและการแปลสามารถเลือกใช้โปรเซสเซอร์ของตัวเองได้ ดังนั้นอันหนึ่งจึงสามารถทำงานบนการ์ดกราฟิกของคุณ ในขณะที่อีกอันทำงานบน CPU โน้ตบุ๊กที่มี GPU ระดับปานกลางก็สามารถทำงานทั้งสองอย่างได้โดยไม่มีปัญหาการทำงานช้าลง