Full-duplex

Full-duplex คือการสื่อสารสองทางที่เกิดขึ้นพร้อมกันได้ทั้งสองฝั่ง ตรงข้ามกับ half-duplex ที่สื่อสารสองทางได้แต่ทีละทิศทาง ไม่พร้อมกัน ตัวอย่างที่เห็นภาพชัดคือวิทยุสื่อสารซึ่งเป็น half-duplex คือต้องกดปุ่มเพื่อพูด และระหว่างที่พูดฝั่งรับจะถูกปิด ทำให้ต้องผลัดกันพูดทีละคน ส่วนโทรศัพท์เป็น full-duplex คือทั้งสองฝั่งพูดและฟังพร้อมกันได้

เหตุผลที่คำนี้กลายเป็นศัพท์สำคัญของ AI ในปี 2026 คือมันเป็นเส้นแบ่งระหว่างผู้ช่วยเสียงรุ่นเก่ากับรุ่นใหม่ ผู้ช่วยเสียงรุ่นก่อนทำงานแบบผลัดกันพูด คือเราพูดจบ ระบบแปลงเสียงเป็นข้อความ (ดู speech-to-text) แล้วคิด แล้วแปลงข้อความกลับเป็นเสียง (ดู text-to-speech) แล้วเราถึงพูดต่อได้ ผลคือมีช่องว่างที่รู้สึกได้และขัดจังหวะไม่ได้ ส่วนระบบแบบ full-duplex ฟังไปพูดไปพร้อมกัน จึงขัดจังหวะได้ ตอบรับสั้นๆ ระหว่างที่อีกฝ่ายพูดได้ และเงียบลงเองเมื่อเราเริ่มพูดแทรก ซึ่งเป็นพฤติกรรมที่คนทำกันโดยธรรมชาติในบทสนทนาจริง เอกสารอธิบายว่าการสื่อสารแบบนี้ตัดความอึดอัดจากการรอผลัดกันพูดออกไป ทำให้การโต้ตอบรู้สึกเป็นธรรมชาติแทนที่จะเป็นทางการและติดขัด

เดือนกรกฎาคม 2026 มีการเปิดตัวชุดโมเดลเสียงแบบ full-duplex เป็นสินค้าจริง ซึ่งเป็นสัญญาณว่าเทคโนโลยีนี้พ้นขั้นสาธิตแล้ว สำหรับธุรกิจไทยที่คิดจะใช้ AI รับสายลูกค้า ความต่างนี้มีผลต่อประสบการณ์อย่างมาก เพราะสาเหตุหลักที่คนหงุดหงิดกับระบบตอบรับอัตโนมัติคือการที่ขัดจังหวะไม่ได้และต้องรอฟังจนจบ ข้อควรระวังคือความสามารถนี้ทำให้ระบบตอบเร็วขึ้นและลื่นขึ้น แต่ไม่ได้ทำให้มันตอบถูกขึ้น การวางกติกาว่าเรื่องไหนต้องส่งต่อให้คนจึงยังจำเป็นเหมือนเดิม

ตัวอย่างจากบทสนทนาจริง

ผู้จัดการศูนย์บริการ: "เราเคยลองใช้ AI รับสายแล้วลูกค้าด่ามากครับ เพราะพูดแทรกไม่ได้ ต้องรอมันพูดจนจบทุกครั้ง ตอนนี้มีอะไรดีขึ้นไหม"

ที่ปรึกษา: "มีครับ ระบบเสียงรุ่นใหม่เป็นแบบ full-duplex คือฟังไปพูดไปพร้อมกัน ลูกค้าพูดแทรกได้แล้วมันจะเงียบลงเองเหมือนคนคุยกันจริง ซึ่งแก้ปัญหาที่คุณเจอตรงจุดพอดี แต่ผมขอย้ำว่ามันแก้เรื่องจังหวะการคุย ไม่ได้แก้เรื่องความถูกต้องของคำตอบ เรายังต้องกำหนดชัดว่าเรื่องราคา เรื่องเคลม และเรื่องที่ต้องตัดสินใจแทนบริษัท ให้โอนสายหาคนทันทีครับ"

ระวังสับสนกับ

• speech-to-text : speech-to-text คือการแปลงเสียงพูดเป็นข้อความ ซึ่งเป็นชิ้นส่วนหนึ่งของระบบเสียง ส่วน full-duplex อธิบายรูปแบบการสื่อสารว่าทั้งสองทางเกิดพร้อมกันได้หรือไม่ ระบบจะใช้ speech-to-text แบบไหนก็ยังเป็น half-duplex ได้ถ้าออกแบบให้ผลัดกันพูด
• multimodal : multimodal หมายถึงโมเดลรับหรือสร้างข้อมูลได้หลายรูปแบบ เช่น ทั้งข้อความ ภาพ และเสียง ซึ่งเป็นเรื่องของชนิดข้อมูล ส่วน full-duplex เป็นเรื่องของจังหวะเวลาในการรับส่ง
• Latency : ความหน่วงคือระยะเวลาที่ต้องรอกว่าจะได้คำตอบ ซึ่งลดลงได้แม้ในระบบที่ผลัดกันพูด ส่วน full-duplex เปลี่ยนโครงสร้างการสนทนาเลย คือไม่ต้องรอให้จบตาก่อนถึงจะพูดได้