Nemotron 3.5 Transcribe กับ Muse Voice Transcribe: ตัวหนึ่งประมวลผลการประชุม ส่วนอีกตัวนั่งอยู่ในห้องประชุม
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29109 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 95 tok/s
- Orcaใหม่OrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 279 tok/s
- Orcaใหม่OrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 93 tok/s
- Moonshotใหม่MoonshotAI: Kimi K3.1 Pro2026-10-2446ความฉลาด
- Orcaใหม่OrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 105 tok/s
- minimaxใหม่MiniMax: M3.1 Flash2026-10-1929ความฉลาด
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 67 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 101 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2854ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 180 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2127ความฉลาด
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2130ความฉลาด
- xAIGrok 4.72026-09-2134ความฉลาด
การบันทึกเสียงสองแบบเป็นตัวตัดสินการเปรียบเทียบนี้ก่อนที่ benchmark ใด ๆ จะเข้ามาตัดสิน การบันทึกแบบหนึ่งคือสายที่กำลังเกิดขึ้นในขณะนี้ ซึ่งข้อความถอดเสียงต้องตามบทสนทนาให้ทัน และความหน่วงสองวินาทีทำให้เครื่องมือใช้ไม่ได้ อีกแบบคือคลังเก็บเสียงความยาวสองชั่วโมงของสายลูกค้าเมื่อไตรมาสที่แล้ว ซึ่งไม่มีใครสนใจว่าคำจะมาถึงภายใน 200 มิลลิวินาทีหรือยี่สิบนาที NVIDIA Nemotron 3.5 Transcribe ซึ่งเปิดตัวเมื่อวันที่ 28 ตุลาคม 2026 ในฐานะเช็กพอยต์ออฟไลน์แบบเปิดเผยน้ำหนัก ถูกสร้างมาสำหรับการบันทึกแบบที่สอง Meta Muse Voice Transcribe ซึ่งเปิดตัวโดย Meta Superintelligence Labs เมื่อวันที่ 1 กันยายน 2026 ถูกสร้างมาสำหรับการบันทึกแบบแรก หน้าเปรียบเทียบส่วนใหญ่ใส่อัตราคำผิดพลาดของทั้งสองไว้ในคอลัมน์เดียวแล้วก็จบเรื่อง ซึ่งเป็นการเปรียบเทียบที่ทำไม่ได้จริง ๆ
นาฬิกา ไม่ใช่อัตราความผิดพลาดของคำ
โมเดลของ Meta เป็นชั้นการรับรู้แบบสตรีมมิ่ง โดยรับเสียงเป็นชิ้นส่วนละ 80 มิลลิวินาที ส่งออกโทเค็นแบบซอฟต์ และใช้กลไก "ความหน่วงแบบปรับได้" ที่ผ่านการฝึกด้วยการเรียนรู้แบบเสริมกำลัง เพื่อตัดสินใจทีละคำว่าควร等待บริบทมากเพียงใดก่อนจะยืนยันเป็นข้อความ เอกสารเปิดตัวของ Meta ตามที่มีรายงานระบุว่าช่วงห่างจากจุดสิ้นสุดการพูดถึงข้อความสุดท้ายอยู่ที่ประมาณ 0.16 วินาที และโมเดลนี้ให้บริการผ่าน WebSocket สำหรับเสียงสด หรือ HTTP endpoint สำหรับไฟล์แบบครั้งเดียว นอกจากนี้ยังจัดการการตรวจจับจุดสิ้นสุดคำพูดและการตรวจจับเสียงพูดด้วยตัวเอง พายไลน์โดยรอบจึงบาง
โมเดลของ NVIDIA มีลักษณะตรงกันข้าม การ์ดระบุไว้อย่างตรงไปตรงมาว่า “นี่คือโมเดลแบบออฟไลน์” และเสริมว่าการแบ่งเป็นชังก์ภายในไม่ได้ทำให้มันกลายเป็นบริการสตรีมมิ่ง คุณป้อนไฟล์ที่มีความยาวไม่เกินหนึ่งชั่วโมงให้มัน แล้วมันจะส่งบทถอดเสียงกลับมา ไม่มีเอาต์พุตบางส่วน ไม่มีสมมติฐานชั่วคราว และไม่มีการขัดจังหวะระหว่างพูด NVIDIA จำหน่ายตัวรู้จำเสียงแบบสตรีมมิ่งขนาด 0.6B แยกต่างหากสำหรับเสียงสด ซึ่งเป็นเช็กพอยต์คนละตัว ไม่ใช่โหมดหนึ่งของโมเดลนี้
ดังนั้นตัวเลขพาดหัวจึงถูกวัดด้วยเครื่องมือที่แตกต่างกัน Meta รายงานอัตราคำผิดพลาด 3.1% และเป็นอันดับหนึ่งบนตารางอันดับการถอดเสียงพูดเป็นข้อความแบบสตรีมมิ่งของ Artificial Analysis การ์ดของ NVIDIA รายงานค่าเฉลี่ย 4.71% จากชุดข้อมูล Open ASR ภาษาอังกฤษสาธารณะทั้งเก้าชุด ขณะที่ตารางแบบไม่สตรีมมิ่งของ Artificial Analysis แสดง 3.4% สำหรับ endpoint ที่ใช้งานจริง และ FAQ ของบริษัทระบุ 2.8% สำหรับโมเดลเดียวกัน สามค่านี้เป็นการวัดที่แตกต่างกันสามแบบของงานที่แตกต่างกันสองงาน ค่า 3.1% เป็นผลลัพธ์แบบสตรีมมิ่ง ส่วน 3.4% เป็นผลลัพธ์แบบแบตช์บนการกระจายของเสียงที่ต่างออกไป การนำมาลบกันทำให้ได้ "ชัยชนะ" 0.3 คะแนนที่ไม่มีความหมายใด ๆ และข้อเสียเปรียบของโมเดลสตรีมมิ่งกับเสียงยาว มีเสียงรบกวน และมีสำเนียงนั้นเป็นเรื่องจริง แต่มองไม่เห็นในการคำนวณนั้น
ผู้พูด: ยี่สิบกว่าคนกับแปดคน
ช่องว่างด้านการแยกแยะผู้พูด (diarization) คือจุดเดียวที่ตัวเลขเหล่านั้นวัดสิ่งเดียวกันโดยประมาณ และมันมีขนาดใหญ่
• เพดานจำนวนผู้พูด — Meta โฆษณาว่ารองรับผู้พูด 20+ คนในไฟล์บันทึกเสียงเดียว ส่วน NVIDIA ฝึกโมเดลด้วยส่วนผสมที่มีผู้พูดสูงสุดแปดคน และการ์ดโมเดลของ NVIDIA ระบุว่าไม่มีขีดจำกัดสูงสุดในขณะอนุมาน
• การพูดทับซ้อน — หน้าเพจของ Meta เองระบุเงื่อนไขว่า diarization ใช้กับ "เสียงพูดที่ไม่ทับซ้อน" ส่วนข้อโต้แย้งเชิงสถาปัตยกรรมทั้งหมดของ NVIDIA คือเสียงพูดที่ทับซ้อนกัน: กิจกรรมของผู้พูดจาก diarizer ที่ถูก freeze ถูกฉีดเข้าไปใน encoder เพื่อให้โมเดลสามารถระบุคำได้ขณะที่ผู้คนพูดทับซ้อนกัน นั่นคือข้อกล่าวอ้างที่อยู่เบื้องหลังค่าเฉลี่ย cpWER 15.80 บนชุดข้อมูลผู้พูดหลายคนของ NVIDIA
• ความครอบคลุมภาษาสำหรับป้ายกำกับ — Meta รองรับกว่า 25 ภาษา; NVIDIA รองรับ 40 ภาษาสำหรับการถอดความ แต่ระบุ 13 ภาษาในจำนวนนั้นสำหรับเอาต์พุตแบบผู้พูดหลายคน การประชุมภาษาตุรกีถอดความได้แต่ไม่ได้รับป้ายกำกับ
• รูปแบบป้ายกำกับ — Meta ส่งออกตัวอักษรระบุผู้พูดแบบเปล่า เช่น "A"; NVIDIA ส่งออกแท็กในรูปแบบ <spk:0> ที่แมปกลับไปยังเซกเมนต์การแยกผู้พูด
หากกรณีการใช้งานของคุณคือการประชุมเสวนา ห้องพิจารณาคดี หรือสายสนับสนุนที่มีผู้เข้าร่วมสามคนพูดซ้อนกัน เพดานแปดผู้พูดคือข้อจำกัดที่ชี้ขาด ไม่ใช่คอลัมน์ WER หากกรณีการใช้งานของคุณคือการประชุมใหญ่ทั้งบริษัทที่มีคนยี่สิบคน ซึ่งส่วนใหญ่ผลัดกันพูด ตัวเลข 20+ ของ Meta คือตัวเลขที่สำคัญ และแปดของ NVIDIA คือกำแพงแข็ง
ภาษา: 25 ต่อ 40 และไม่มีตัวเลขใดที่ดูเหมือนอย่างที่เห็น
หน้าเพจสำหรับนักพัฒนาของ Meta เองระบุว่า "25+ ภาษา" และรองรับการสลับภาษา (code-switching) ภายในและระหว่างประโยค ซึ่งสำคัญสำหรับการประชุมสองภาษา รายงานข่าวช่วงเปิดตัวระบุว่าโมเดลได้รับการฝึกบน 70+ ภาษา โดยมี 25 ภาษาที่ได้รับการตรวจสอบอย่างครอบคลุม — เป็นความแตกต่างที่มีประโยชน์ เพราะภาษาที่ "ผ่านการฝึก" แต่ไม่ได้รับการตรวจสอบ คือภาษาที่คุณควรทดสอบก่อนจะเชื่อถือ การ์ดโมเดลของ NVIDIA ระบุ 40 ภาษาที่รองรับ ASR, 31 ภาษาที่รองรับการแปลแบบสองทิศทางทั้งไปยังและจากภาษาอังกฤษ และคอมโพเนนต์ระบุภาษา (language-ID) แยกต่างหากซึ่งมี 48 ป้ายกำกับ
• หากคุณต้องการความกว้างของการครอบคลุมยุโรป — ภาษาที่ผ่านการรับรอง 25 ภาษาของ Meta นั้นแคบกว่าภาษา 40 ภาษาของ NVIDIA แต่รายการของ Meta เน้นไปที่ภาษาที่ลูกค้าองค์กรบันทึกจริง
• หากคุณต้องการแปล — มีเพียง NVIDIA เท่านั้นที่ทำได้ โมเดลของ Meta ถอดเสียงเท่านั้น; ไม่ได้แปลข้อความถอดเสียงเป็นภาษาอื่น
• หากคุณต้องการการสลับภาษา (code-switching) — Meta อ้างว่าทำได้โดยกำเนิด ส่วนสเปกของ NVIDIA ไม่ได้ระบุถึงความสามารถใดที่เทียบเคียงได้ และความเข้าใจเสียงของ NVIDIA รองรับเฉพาะภาษาอังกฤษเท่านั้น ไม่ว่าภาษาที่ใช้ถอดเสียงจะเป็นภาษาใดก็ตาม
สิ่งที่บทถอดความมีอยู่จริง
การประทับเวลาเป็นจุดที่ความแตกต่างที่ดูเผินๆ ว่าไม่สำคัญกลับกลายเป็นเรื่องที่มีต้นทุนสูง Meta ให้การประทับเวลาในระดับรอบการสนทนา — คือขอบเขตของเซกเมนต์ ไม่ใช่เวลาระดับคำ — และไม่เปิดเผยคะแนนความเชื่อมั่นเลย NVIDIA ให้การประทับเวลาระดับคำผ่านอะแดปเตอร์ CTC โดยมีข้อแม้ว่าจะไม่มีการประทับเวลาเมื่อเปิดใช้ฉบับร่างสำหรับ speculative decoding ของ DFlash2
• การประทับเวลา — Meta ระดับเทิร์น; NVIDIA ระดับคำ แต่ไม่ควบคู่กับเส้นทางถอดรหัสที่เร็วที่สุดของ NVIDIA
• ความเชื่อมั่น — Meta ไม่ได้เผยแพร่เลย; NVIDIA ก็ไม่เผยแพร่ความเชื่อมั่นระดับคำเช่นกัน
• รูปแบบอินพุต — Meta กำหนดให้ใช้ PCM 16 บิต แบบโมโนที่ 16 หรือ 24 kHz และแจ้งให้คุณแปลงรูปแบบอื่นทั้งหมดด้วย ffmpeg; NVIDIA รองรับแบบโมโน 16 kHz และจัดการไฟล์ได้โดยตรง
• การ prompting — ทั้งสองวิธีล้วนทำให้เอาต์พุตมีไบแอส การไบแอสด้วยคำสำคัญและภาษาของ Meta “เพียงช่วยชี้นำโมเดลเท่านั้น และไม่รับประกันการสะกด” ตามเอกสารของบริษัท ส่วน contextual prompting ของ NVIDIA รายงานว่า WER ของ named entity ลดลงจาก 12.21% เหลือ 2.20% เมื่อใช้รายการเอนทิตีแบบละเอียด — แม้จะเป็นการทดสอบที่ผู้ขายดำเนินการเอง แต่เป็นข้อกล่าวอ้างที่หนักแน่นกว่ามาก และบ่งชี้ถึงกลไกที่แตกต่างจากการชี้นำแบบอ่อน
• สไตล์เอาต์พุต — สไตล์ทั้งห้าของ NVIDIA (คำต่อคำ, แบบลายลักษณ์อักษร, ตามบริบท, ระบุผู้พูด, แบบละเอียด) ถูกเลือกตามคำสั่ง Meta ส่งคืนรูปแบบเดียวและคาดหวังให้คุณประมวลผลต่อ
ราคาต่อชั่วโมงเสียง
Meta คิดค่าบริการ 3.00 ดอลลาร์ต่อ 1,000 นาที ซึ่งเท่ากับ 0.18 ดอลลาร์ต่อชั่วโมงของเสียง โดยไม่มีการเผยแพร่ระดับแพ็กเกจหรือโควตาฟรี รายการโฮสต์ของ NVIDIA บน Artificial Analysis อยู่ที่ 2.00 ดอลลาร์ต่อ 1,000 นาที — ประมาณ 0.12 ดอลลาร์ต่อชั่วโมง — และสามารถดาวน์โหลดน้ำหนักโมเดลได้ฟรีภายใต้ OpenMDW-1.1 ดังนั้นการโฮสต์ด้วยตนเองจึงเป็นตัวเลือกที่สามที่ Meta ไม่มีให้บริการไม่ว่าราคาใด
การคำนวณทางคณิตศาสตร์ในระดับปริมาณมากนั้นตรงไปตรงมา และไม่ได้สนับสนุนราคาที่ถูกกว่าบนป้ายกำกับ การฟังเสียงหนึ่งพันชั่วโมงต่อเดือนมีค่าใช้จ่าย 180 ดอลลาร์ผ่าน Meta และ 120 ดอลลาร์ผ่านปลายทาง Nemotron แบบโฮสต์ หากโฮสต์เอง หนึ่งพันชั่วโมงเดียวกันใช้เวลา GPU ไม่ถึงหนึ่งชั่วโมงบน RTX PRO 6000 Blackwell ตามตัวเลขทราวต์พุต NVFP4 ที่ NVIDIA อ้างไว้ ซึ่งอาจคิดเป็นค่าประมวลผลราว 2 ดอลลาร์ที่อัตราค่าเช่า GPU บวกกับค่าดำเนินงาน ค่าจัดเก็บ และค่าวิศวกรผู้ดูแลระบบ ที่ 10,000 ชั่วโมงต่อเดือน ช่องว่างระหว่าง 1,800 ดอลลาร์กับไม่กี่ร้อยดอลลาร์นั้นเพียงพอต่อค่าดำเนินงานจำนวนมาก แต่ที่ 100 ชั่วโมงต่อเดือน ช่องว่างนั้นไม่ครอบคลุมค่าใช้จ่ายเหล่านี้เลย
สิ่งที่ self-hosting ให้มาจริง ๆ ไม่ใช่ราคา แต่คือความสามารถในการรันการถอดเสียงจากไฟล์เสียงที่สัญญาห้ามนำออกจากเครือข่ายของคุณ และความสามารถในการทำให้ไปป์ไลน์ยังทำงานต่อไปได้เมื่อปลายทางของผู้ให้บริการมีประสิทธิภาพลดลง นั่นคือเหตุผลที่ทีมซึ่งต้องปฏิบัติตามกฎระเบียบยอมจ่ายเงินซื้อ GPU ที่ในกรณีอื่นพวกเขาเช่าใช้ได้
จุดที่แต่ละอันพัง
โหมดความล้มเหลวของ Meta ใกล้เคียงกับประเด็นเรื่อง latency การทำ diarization ของระบบถือว่าคำพูดไม่ทับซ้อนกัน ดังนั้นสายสนับสนุนที่คุยกันอย่างดุเดือดพร้อมการขัดจังหวะจะติดป้ายรอบคำพูดผิด ทรานสคริปต์ไม่มี word timestamps ซึ่งทำให้การสร้างคำบรรยาย การค้นหาด้วยเสียง และการจัดแนวกับวิดีโอในขั้นปลายทางใช้ไม่ได้ สัญญาอินพุตเข้มงวด และการไบแอสเป็นเพียงคำแนะนำ ระบบไม่มีการแปล ไม่มีการตอบคำถามจากเสียง และไม่มีตัวเลือก self-hosted
โหมดความล้มเหลวของ NVIDIA เกี่ยวข้องโดยตรงกับเวิร์กโฟลว์ มันไม่สามารถสตรีมได้ จึงไม่สามารถให้บริการคำบรรยายสด เอเจนต์เสียง หรือการจัดเส้นทางสายเรียกเข้าแบบเรียลไทม์ได้ ความเข้าใจเสียงของมันรองรับเฉพาะภาษาอังกฤษเท่านั้น มันจำกัดเวลาไว้ที่หนึ่งชั่วโมงต่อการบันทึกหนึ่งครั้ง การผสานรวม SGLang-Omni ที่จัดส่งมานั้นละเว้นเอาต์พุตที่ระบุผู้พูด การประทับเวลาระดับคำ และการแปล ดังนั้นบางสิ่งที่การ์ดสัญญาไว้จึงต้องใช้เส้นทาง vLLM หรือคอนเทนเนอร์ NIM และบางครั้งมันอาจล้มเหลวในการยุติการทำงาน ซึ่งการ์ดแนะนำให้ป้องกันไว้
ความล้มเหลวทั้งสองชุดไม่ใช่บั๊กที่เอื้อประโยชน์ให้โมเดลอีกตัวหนึ่ง พวกมันคือสองรูปแบบของปัญหา: โมเดลที่อยู่ตรงนั้นขณะเสียงเกิดขึ้น และโมเดลที่ละเอียดถี่ถ้วนหลังจากเสียงจบลง
หากคุณต้องการทั้งสองอย่าง pipeline ก็ไม่ใช่การประนีประนอม
การใช้งานจริงที่พบบ่อยที่สุดไม่ใช่ทางเลือกเลยด้วยซ้ำ เสียงสดจะถูกส่งผ่านสตรีมมิ่งเอนด์พอยต์ของ Meta เพราะนั่นเป็นวิธีเดียวที่จะได้ข้อความขณะที่การโทรกำลังเกิดขึ้น — คำบรรยาย ความช่วยเหลือของเอเจนต์ การค้นหาแบบสด จากนั้นบันทึกเดียวกันจะถูกถอดเสียงใหม่แบบออฟไลน์ด้วยเช็กพอยต์ของ NVIDIA ในช่วงข้ามคืน เนื่องจากการประมวลผลแบบแบตช์ให้ข้อความที่สะอาดกว่า การประทับเวลาของคำที่ระบุผู้พูด และเมื่อจำเป็น ก็ให้คำแปลภาษาอังกฤษของการโทรที่ไม่ใช่ภาษาอังกฤษ ทรานสคริปต์แบบสตรีมมิ่งมีไว้สำหรับช่วงเวลานั้น ส่วนทรานสคริปต์แบบแบตช์มีไว้สำหรับบันทึก ทีมที่พยายามบังคับให้โมเดลเดียวรับบทบาททั้งสองมักลงเอยด้วยมุมมองสดที่ล่าช้า หรือไม่ก็ค่าใช้จ่ายสตรีมมิ่งที่แพงสำหรับเสียงที่ไม่มีใครฟัง
ครึ่งท้ายของไปป์ไลน์นั้น — การสรุปบทสนทนา การให้คะแนนประสิทธิภาพของเอเจนต์ การปกปิดข้อมูลส่วนบุคคล และการส่งต่อบทสนทนาที่ถูกตั้งค่าสถานะไปให้เจ้าหน้าที่ — เป็นงานประมวลผลข้อความธรรมดา และไม่ควรอยู่บน GPU ตัวเดียวกับ ASR OrcaRouter รันการเรียกข้อความเหล่านั้นผ่านคีย์เดียวโดยบวกเพิ่ม 0%, โดยส่งราคาตามรายการของผู้ให้บริการผ่านไปโดยไม่เปลี่ยนแปลงพร้อมการสลับไปใช้ผู้ให้บริการรายอื่นอัตโนมัติเมื่อผู้ให้บริการรายหนึ่งมีปัญหา และมี routing DSL ที่สามารถส่งงานสรุปและการจำแนกประเภทไปยังโมเดลที่แตกต่างกันภายในเวิร์กโฟลว์เดียว ทั้ง Meta Muse Voice Transcribe และ NVIDIA Nemotron 3.5 Transcribe ไม่ได้อยู่ในแคตาล็อกของ OrcaRouter เราเตอร์นี้อยู่หลังทรานสคริปต์ ซึ่งเป็นที่ที่งานด้านข้อความเกิดขึ้น
สามคำถามตอบได้เร็วกว่าตารางจัดอันดับใด ๆ ข้อแรก หลังจากเสียงมาถึง ต้องมีข้อความภายในนานแค่ไหน หากคำตอบคือ "ระหว่างสาย" การตัดสินใจเป็นของ Meta และเรื่อง WER ก็เป็นเพียงของประดับ ข้อสอง มีกี่คนพูดพร้อมกัน และ speech ซ้อนทับกันหรือไม่ หากคำตอบคือ "มากกว่าสอง..."—คือ "มากกว่าแปดคน และใช่" นั่นคือสมรภูมิของ NVIDIA และข้อสาม เสียงได้รับอนุญาตให้ออกนอกเครือข่ายของคุณหรือไม่ หากคำตอบคือไม่ มีเพียงหนึ่งในสองโมเดลนี้เท่านั้นที่ติดตั้งใช้งานได้
ทุกอย่างที่เหลือ — 3.1%, 4.71%, $0.18 — คือตัวชี้ขาดระหว่างผลิตภัณฑ์สองตัวที่ถูกออกแบบมาสำหรับช่วงเวลาที่แตกต่างกันในการประชุมเดียวกัน
