เริ่มจากข้อมูลที่ต้องแปล
โมเดลแปลภาษาคือระบบที่รับข้อมูลต้นทางแล้วสร้างเนื้อหาอีกภาษาหนึ่ง โดยตัวเลือกที่เหมาะขึ้นอยู่กับว่าข้อมูลเข้ามาเป็นเสียงหรือข้อความ อุปกรณ์มีพลังประมวลผลแค่ไหน และต้องการผลลัพธ์เร็วเพียงใด สำหรับเสียงจีนหรืออังกฤษที่ต้องแปลระหว่างผู้พูดยังพูดอยู่ Hy-SimulMT-30B-A3B ตรงโจทย์กว่า ส่วนข้อความที่ต้องแปลบนโทรศัพท์แบบออฟไลน์เหมาะกับ Hy-MT2-1.8B และถ้าต้องการโมเดลเฉพาะทิศทางภาษา ใช้งานบนซีพียูโดยไม่เสียค่าใช้จ่าย OPUS-MT เป็นตัวเลือกที่น่าสนใจ ทั้งสามจึงไม่ใช่รุ่นเล็ก กลาง ใหญ่ที่ใช้แทนกันได้ แต่เป็นเครื่องมือสำหรับรูปแบบงานต่างกัน
Hy-SimulMT-30B-A3B รับเสียงพูดภาษาจีนหรืออังกฤษและสร้างคำแปลระหว่างที่ประโยคกำลังดำเนินไป โดย Tencent รายงานค่า StreamLAAL ราว 3 วินาทีบนเสียง RealSI แบบยาว ซึ่งเป็นค่าต่ำที่สุดในกลุ่มระบบที่นำมาเปรียบเทียบ จุดเด่นนี้มีความหมายกับการประชุม การบรรยาย และงานล่ามสด แต่ต้องแลกกับการประมวลผลบนตัวเร่งประสิทธิภาพสูง ต่างจากการแปลข้อความที่ผู้ใช้ส่งเข้าไปเมื่อสะดวก หากใช้แต่ข้อความบนอุปกรณ์พกพา การเลือกโมเดลเสียงขนาดใหญ่จะเพิ่มภาระโดยไม่ได้แก้ปัญหาหลักของงาน
เทียบขนาด การทำงาน และความหน่วง
ตารางนี้ช่วยตัดตัวเลือกตามข้อจำกัดจริงก่อนดูรายละเอียดด้านคุณภาพ Hy-SimulMT เน้นการแปลเสียงแบบสตรีมมิ่ง ส่วน Hy-MT2 กับ OPUS-MT รับข้อความเป็นหลัก จึงต่างกันทั้งอุปกรณ์และขั้นตอนที่ต้องเตรียม
| คุณสมบัติ | Hy-SimulMT-30B-A3B | Hy-MT2-1.8B | OPUS-MT |
|---|---|---|---|
| รูปแบบข้อมูล | เสียงจีนหรืออังกฤษ แปลระหว่างพูด | ข้อความ | ข้อความทีละประโยค |
| ขนาดและโครงสร้าง | รวม 30.4 พันล้านพารามิเตอร์ ใช้งานจริงราว 3 พันล้าน แบบ MoE | 1.8 พันล้านพารามิเตอร์ แบบ dense | ราว 70–80 ล้านพารามิเตอร์ต่อเช็กพอยต์ แบบ dense |
| พื้นที่และอุปกรณ์ | น้ำหนัก BF16 ราว 61 GB ก่อน KV cache; ตัวเร่ง 80 GB เป็นระดับเริ่มต้นที่ใช้งานได้จริง | 440 MB ที่การควอนไทซ์ 1.25 บิต ใช้งานออฟไลน์บนชิปโทรศัพท์ | ราว 300 MB ต่อเช็กพอยต์ ทำงานบนซีพียู |
| ความหน่วง | สตรีมมิ่ง ราว 3 วินาที StreamLAAL บนเสียงยาว | แปลข้อความ ไม่ใช่การแปลเสียงสด | แปลทีละประโยค; หากต้องการสตรีมต้องต่อระบบรู้จำเสียงและกำหนดการแบ่งเสียงเอง |
| ขอบเขตภาษา | เน้นเสียงจีนและอังกฤษ | รองรับ 33 ภาษา รวมภาษาชนกลุ่มน้อยและภาษาถิ่นจีน | มากกว่า 1,000 เช็กพอยต์ ครอบคลุมราว 100 ภาษาและหลายทิศทาง |
ตัวเลขพื้นที่อธิบายเหตุผลที่โมเดลเหล่านี้ลงคนละอุปกรณ์ได้ชัดเจน Hy-MT2-1.8B ย่อเหลือ 440 MB จึงเหมาะกับการแปลภาษาบนมือถือแบบออฟไลน์ ส่วน OPUS-MT มีเช็กพอยต์เฉพาะทางจำนวนมากและใช้ฟรีบนซีพียู ขณะที่ Hy-SimulMT ต้องมีตัวเร่งระดับสูงและไม่ได้เป็นโมเดลข้อความที่นำไปแทนกันได้โดยเปลี่ยนรหัสโมเดลเท่านั้น
จุดแข็งและข้อแลกเปลี่ยนของแต่ละตัว
เลือก Hy-SimulMT เมื่อผู้ฟังรอคำแปลจากเสียงโดยตรง เช่น ประชุมสด สัมภาษณ์ หรือบรรยาย เพราะโมเดลรับเสียง 16 kHz เป็นหน้าต่างยาวได้ถึง 30 วินาทีและส่งข้อความแปลออกมา ส่วนรุ่น Interleave ยังส่งการถอดความต้นฉบับได้ด้วย แต่การแปลข้อความให้กลายเป็นเสียงพูดต้องอาศัยบริการสังเคราะห์เสียงแยกต่างหาก และระบบนี้ไม่ได้เหมาะกับการติดตั้งบนโทรศัพท์ทั่วไป ข้อมูลคะแนนทดสอบที่เผยแพร่เป็นการประเมินของผู้พัฒนา จึงควรทดลองกับสำเนียง ชื่อเฉพาะ และสภาพเสียงของงานจริงก่อนนำไปใช้
Hy-MT2-1.8B เป็นทางเลือกที่ลงตัวกว่าเมื่อข้อมูลเป็นข้อความและต้องทำงานบนมือถือโดยไม่พึ่งเครือข่าย ขนาด 440 MB ทำให้รันบนชิปโทรศัพท์ได้ แต่ข้อแลกเปลี่ยนคือการทำตามคำสั่งซับซ้อนยังอ่อนกว่ารุ่นใหญ่ หากต้องรักษารูปแบบข้อมูล คำศัพท์บังคับ หรือระดับภาษา ควรทดสอบและตรวจผลลัพธ์เพิ่ม ส่วน OPUS-MT เด่นที่ความหลากหลายของเช็กพอยต์และการเลือกคู่ภาษาเฉพาะทาง แต่ละรุ่นทำงานคนละทิศทางและแปลข้อความเป็นประโยค ไม่ได้มีระบบเสียงหรือการสตรีมในตัว และมีรายงานว่าอินพุตยาวอาจถูกตัดโดยไม่แจ้งเตือน
ในทางปฏิบัติ OPUS-MT เหมาะกับข้อความปริมาณมากที่ทิศทางภาษาคงที่และต้องการควบคุมขั้นตอนประมวลผลเอง ส่วน Hy-MT2 ตอบโจทย์ข้อความบนอุปกรณ์ส่วนตัว สำหรับ Hy-SimulMT ต้องชั่งน้ำหนักความหน่วงราวสามวินาทีกับต้นทุนด้านฮาร์ดแวร์และการประกอบระบบเสียง ผลการจัดอันดับหรือคะแนนจากการทดสอบของผู้พัฒนาไม่ควรใช้แทนการทดลองกับงานจริง ทั้งสามโมเดลไม่ได้ถูกรวมไว้ในแคตตาล็อกของผู้ให้บริการทุกราย ผู้ใช้จึงต้องโฮสต์น้ำหนักโมเดลเองหรือใช้ช่องทางของผู้พัฒนา

Buy if / Skip if
- Buy the Hy-SimulMT-30B-A3B if ต้องแปลเสียงจีนหรืออังกฤษแบบสด และมีตัวเร่งประสิทธิภาพสูงรองรับ
- Skip the Hy-SimulMT-30B-A3B if ต้องการแปลข้อความบนโทรศัพท์ หรือไม่มีระบบรองรับการประมวลผลเสียงและการสังเคราะห์เสียง
- Buy the Hy-MT2-1.8B if ต้องการแปลข้อความแบบออฟไลน์บนมือถือ และรับได้กับการตรวจทานงานที่มีคำสั่งซับซ้อน
- Skip the Hy-MT2-1.8B if งานต้องทำตามอภิธานศัพท์ รักษาโครงสร้าง หรือควบคุมระดับภาษาอย่างเข้มงวดโดยไม่มีขั้นตอนตรวจผล
- Buy the OPUS-MT if ข้อมูลเป็นข้อความ ทิศทางภาษาคงที่ ต้องการเช็กพอยต์เฉพาะทาง และต้องการประมวลผลบนซีพียูโดยไม่เสียค่าใช้จ่าย
- Skip the OPUS-MT if ต้องแปลเสียงสด ต้องการสตรีมในตัว หรือคาดหวังว่าโมเดลเดียวจะครอบคลุมทุกทิศทางภาษา






