Croco is a real-time conversational artificial intelligence (AI) avatar system that integrates Automatic Speech Recognition (ASR), Large Language Models (LLMs), and Text-to-Speech (TTS) technologies into a unified framework. By incorporating Semantic End-of-Turn Detection alongside Voice Activity Detection (VAD), the system facilitates natural, low-latency, and autonomous dialogue without the need for manual intervention (i.e., hands-free operation). Furthermore, the architecture utilizes a 3D avatar featuring real-time, synchronized lip-syncing and contextual gestures, and is specifically optimized to deliver accurate and instantaneous responses to inquiries concerning King Mongkut's Institute of Technology Ladkrabang (KMITL).
ในปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ โดยเฉพาะโมเดลภาษาขนาดใหญ่ ได้เข้ามามีบทบาทสำคัญในการพลิกโฉมการสื่อสารและการให้บริการข้อมูล อย่างไรก็ตาม ระบบถาม-ตอบหรือแชทบอทส่วนใหญ่ในปัจจุบันยังคงจำกัดอยู่เพียงการพิมพ์ข้อความ (Text-based) หรือหากเป็นระบบสั่งการด้วยเสียง ก็มักจะพบข้อจำกัดด้านความหน่วง (Latency) ขาดความเป็นธรรมชาติ และผู้ใช้จำเป็นต้องกดปุ่มเพื่อพูด (Push-to-Talk) นอกจากนี้ ปัญหาสำคัญที่พบเจอในระบบสนทนาด้วยเสียงคือ "การพูดแทรก" หรือการตอบกลับผิดจังหวะ เนื่องจากระบบไม่สามารถแยกแยะได้ว่าผู้ใช้พูดจบประโยคแล้วหรือเพียงแค่หยุดคิด ซึ่งข้อจำกัดเหล่านี้ส่งผลให้ประสบการณ์การใช้งาน (User Experience) ไม่ราบรื่นเท่าที่ควร สำหรับสถาบันการศึกษาชั้นนำด้านเทคโนโลยีอย่าง สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง (KMITL) มีผู้ที่สนใจสอบถามข้อมูลเป็นจำนวนมากในแต่ละวัน ไม่ว่าจะเป็นข้อมูลหลักสูตร คณะ หรือบริการต่าง ๆ ภายในสถาบัน การสืบค้นข้อมูลผ่านเว็บไซต์อาจใช้เวลานาน ในขณะที่การสอบถามผ่านเจ้าหน้าที่โดยตรงอาจมีข้อจำกัดด้านเวลาและบุคลากรที่ไม่สามารถให้บริการได้ตลอด 24 ชั่วโมง การมีผู้ช่วยอัจฉริยะที่สามารถให้ข้อมูลได้อย่างถูกต้อง รวดเร็ว และเป็นมิตร จึงเป็นสิ่งสำคัญในการยกระดับภาพลักษณ์และการให้บริการของสถาบัน ด้วยเหตุนี้ คณะผู้จัดทำจึงมีแนวคิดในการพัฒนาระบบ "Croco" อวตารปัญญาประดิษฐ์สำหรับการสนทนา (Conversational AI Avatar) ที่ก้าวข้ามข้อจำกัดเดิมๆ โดยการบูรณาการเทคโนโลยี ASR, LLM และ TTS เข้าด้วยกัน พร้อมทั้งพัฒนาระบบจับจังหวะอัจฉริยะ (Smart Turn-Taking) ที่ใช้เทคนิควิเคราะห์เสียงร่วมกับบริบทเชิงความหมาย (Semantic End-of-Turn) ทำให้ผู้ใช้สามารถพูดคุยโต้ตอบได้แบบแฮนด์ฟรี (Hands-Free) อย่างลื่นไหล ไร้รอยต่อเสมือนคุยกับมนุษย์จริง นอกจากนี้ ระบบยังมาพร้อมกับอวตาร 3 มิติที่สามารถขยับริมฝีปากและแสดงท่าทางได้อย่างสมจริง ซึ่งโครงงานนี้ไม่เพียงแต่จะช่วยเพิ่มประสิทธิภาพในการเข้าถึงข้อมูลของสถาบัน KMITL แต่ยังเป็นการสาธิตศักยภาพการผสานรวมเทคโนโลยีขั้นสูง เพื่อเป็นต้นแบบในการพัฒนาระบบบริการลูกค้าแบบปฏิสัมพันธ์เชิงลึก (Interactive Customer Service) ในอนาคตต่อไป
วิทยาเขตชุมพรเขตรอุดมศักดิ์
-
วิทยาลัยอุตสาหกรรมการบินนานาชาติ
-
คณะวิศวกรรมศาสตร์
-