ในตอนที่หนึ่ง เราเล่าไปแล้วว่าปลั๊กอิน IT Reelsmaker สำหรับ Claude Code ตัดต่อวิดีโอแนวตั้งจากคลิปแบบ talking head อย่างไร มันตัดคลิปตามเสียง วางซับไตเติล และประกอบกราฟิกในสีของแบรนด์ ตอนนั้นปลั๊กอินอยู่ที่เวอร์ชัน 1.20.0 หลังจากนั้นออกเวอร์ชัน 1.21 ถึง 1.38 และเมื่อวันที่ 13 พฤศจิกายน 2569 ตัวหลักก็มาถึง 1.38.1 เรื่องใหญ่ที่สุดของสามสัปดาห์นี้คือ ตอนนี้ปลั๊กอินตัดต่อวิดีโอสำหรับ Reels, Shorts และ TikTok ได้โดยไม่ต้องถ่ายเลย แม้คุณจะไม่อยู่ในเฟรม แค่อัดเสียงพูดลงมือถือ ก็จะได้คลิปอธิบายที่ประกอบจากฉากซึ่งวาดด้วยโค้ด และข้าง ๆ ฉากยังใส่มาสคอตของแบรนด์ที่ขยับปากตามเสียงของคุณได้ด้วย ข้อความเสียงเดียวกันนี้ยังวางทับช็อตของคุณเองที่ถ่ายแบบไม่มีเสียง หรือทับรูปถ่ายได้อีก และถ้าไม่มีเสียงพูดเลย ก็จะได้วิดีโอที่ไม่มีเสียงพูด มีข้อความบนจอ เสียงเอฟเฟกต์ และเพลงที่สร้างด้วยโค้ด
หลักการของตัวหลักยังเหมือนเดิม ปลั๊กอินไม่ใช้โครงข่ายประสาทเทียมสร้างภาพ วิดีโอ หรือเสียงพูดเลย ฉากและมาสคอตคือโมชันดีไซน์ที่ Claude เขียนเป็นโค้ดใน Remotion เสียงพูดเป็นเสียงจริงของคุณที่อัดไว้เสมอ ส่วนเสียงเอฟเฟกต์สั้น ๆ และเพลง ตอนนี้ก็สร้างด้วยโค้ดเหมือนกัน เสียงบรรยายด้วยเสียงโคลนของคุณมีเฉพาะในส่วนเสริมออนไลน์ อ่านเพิ่มได้ข้างล่าง
Reels แบบไม่ต้องถ่าย: วิดีโอจากฉากตามเสียงของคุณ
ตั้งแต่เวอร์ชัน 1.26.0 คุณอาจไม่ต้องมีวิดีโอเลยก็ได้ แค่ไฟล์เสียงที่อัดจากมือถือก็พอ ใช้ได้ทั้ง m4a, wav, mp3, ogg และ opus ปลั๊กอินตัดไฟล์เสียงนี้แบบเดียวกับวิดีโอในตอนที่หนึ่ง คือตัดช่วงเงียบ หาเทคซ้ำ เร่งเสียงพูดให้เร็วขึ้นเล็กน้อย ปรับระดับเสียง และตรวจขอบรอยตัด ถ้าไฟล์ว่างหรือสั้นเกินไป ปลั๊กอินจะบอกทันที ไม่ใช่ไปพังกลางทาง มันยังเตือนด้วยถ้ามีเสียงพื้นหลังต่อเนื่องอยู่ใต้เสียงพูด เช่น เพลงหรือห้องที่เสียงดัง เพราะเสียงแบบนี้จะดังอยู่ใต้ทุกคำในวิดีโอ จึงควรอัดเสียงพูดให้สะอาด แล้วค่อยใส่เพลงตอนตัดต่อ ถ้ารันซ้ำโดยไม่มีอะไรเปลี่ยน ผลจะดึงมาจากแคช
ภาพในวิดีโอคือฉากกราฟิก เช่น ฮุก ตัวเลข รายการข้อ ไดอะแกรม ซึ่งขึ้นตรงคำที่พูด สำหรับวิดีโอแบบนี้มีค่าตั้ง voice ใหม่ คือเสียงในเฟรม (ค่าเริ่มต้น) หรือเสียงนอกเฟรม ถ้าเสียงอยู่นอกเฟรม ซับไตเติลจะอยู่บนฉากเต็มจอ ส่วนข้อความของฉากจะอยู่เหนือซับไตเติลและไม่ทับกัน ความยาววิดีโอขึ้นกับไฟล์เสียงของคุณ ถ้ายาวเกินราว 70 วินาที ปลั๊กอินจะเตือนว่าบนโน้ตบุ๊กที่มีแรม 8 GB การเรนเดอร์อาจไม่ผ่าน ขั้นมาสเตอริงจะไม่ยอมประกอบวิดีโอที่เสียงพูดหายไปจากเรนเดอร์ ถ้าไม่มีการตรวจนี้ มันจะส่งคลิปโปรโมที่ไม่มีเสียงออกมาโดยไม่เตือนอะไรเลย
แบบนี้เหมาะกับใครบ้าง? ผู้เชี่ยวชาญที่ไม่ชอบกล้อง คอนเทนต์ซีรีส์ที่หน้าคนไม่ได้ช่วยอะไร หรือคนที่มีไอเดียตอนนี้ แต่จะถ่ายตัวเองได้ก็อีกสองวัน
มาสคอตของแบรนด์ที่ลิปซิงก์ตามเสียงที่คุณอัด
เวอร์ชัน 1.27.0 เพิ่มมาสคอตเข้ามา ใช้เฉพาะเมื่อคุณต้องการ ปลั๊กอินจะไม่ใส่ให้เอง Claude วาดตัวละครเป็นคอมโพเนนต์ Remotion ในโปรเจกต์ของคุณ ใช้สีของแบรนด์ และเลือกนิสัยตัวละครตามโทนและกลุ่มเป้าหมายของแบรนด์ แต่ละแบรนด์จะได้ตัวละครเป็นของตัวเอง
มาสคอตยืนอยู่มุมซ้ายล่าง เหนือซับไตเติล ระหว่างที่คุณพูด มันไม่หยุดนิ่ง และพอถึงคำที่คุณกำหนดไว้ในแผน ก็จะทำท่าทางที่เข้ากับความหมายของประโยค ท่าทางผูกกับคำ เหมือนภาพแทรกในตอนที่หนึ่ง ถ้าตัดต่อใหม่ ท่าทางก็ยังอยู่ตรงประโยคเดิม
ปากขยับตามความดังของเสียงที่คุณอัด ปลั๊กอินวัดเสียงทุกเฟรม และนับเป็นเสียงพูดเฉพาะส่วนที่ดังกว่าเสียงพื้นหลังระหว่างคำ 10 dB ช่วงหยุดพูดปากจะปิด ตั้งแต่เวอร์ชัน 1.32.0 ปากคำนึงถึงรูปของเสียงสระด้วย อาจยืดกว้างขึ้นหรือกลมขึ้นได้ ส่วนนี้ก็วัดจากเสียงของไฟล์ที่อัดเองเช่นกัน ไม่ต้องใช้บทถอดเสียง เสียงสูงหรือเสียงต่ำจึงไม่มีผล กับเสียงพูดจริง การวัดแยกสระได้แค่คร่าว ๆ ส่วนใหญ่ปากจึงอยู่ในรูปกลาง ๆ แต่การพูดปกติก็ไม่ดู “กลมเกือบตลอด” อีกแล้ว
ตั้งแต่เวอร์ชัน 1.31.0 มาสคอตกะพริบตาเหมือนมีชีวิต เปลือกตาจะปิดผ่านจังหวะ “ปิดครึ่งหนึ่ง” แทนที่จะปิดฉับ ราวหนึ่งในห้าครั้งเป็นการกะพริบสองที และจังหวะเหมือนคน คือทุก 2.6–4.6 วินาที วิดีโอเดียวกันจะกะพริบเหมือนเดิมทุกครั้งที่เรนเดอร์ การเปลี่ยนท่าไม่ดูเหมือนรอยตัดอีกแล้ว มาสคอตจะกะพริบตาตอนเปลี่ยนท่า และตัวละครจากภาพสำเร็จรูปจะเปลี่ยนท่าอย่างนุ่มนวลภายในสองเฟรม ระหว่างที่ตาปิดอยู่
ตั้งแต่เวอร์ชัน 1.34.0 ท่าทางของมาสคอตที่วาดด้วยโค้ดดูเหมือนการแสดง ไม่ใช่บานพับที่ขยับ ส่วนต่าง ๆ ของร่างกายจะตามท่าใหม่ทีละส่วน ตาก่อน หัวช้ากว่าหนึ่งเฟรม แขนช้ากว่าอีกหนึ่งเฟรม แล้วจึงเป็นมือ ในช่วงที่คึกคัก ท่าจะ “ดีด” เข้าที่ภายในสองเฟรมแล้วค้างไว้ และถ้าโทนของแบรนด์อนุญาต หลังดีดเข้าที่มาสคอตจะโยกเล็กน้อย แล้วการโยกจะค่อย ๆ หายไปภายในครึ่งวินาที ในโทนที่สุขุม การเปลี่ยนท่ายังนุ่มนวลเหมือนเดิม
ตัวละครจะเด่นแค่ไหนขึ้นกับโทนของแบรนด์ โทนพรีเมียมไม่มีมาสคอตเลย โทนสงบ ๆ อย่างผู้เชี่ยวชาญและสายเทค มาสคอตจะออกท่าทางน้อย ๆ ส่วนโทนอื่นมาเต็มที่ มันจะ “เด้ง” ตอนเปลี่ยนท่าเฉพาะในฉากที่จัดจ้านและเฉพาะกับแบรนด์ที่อนุญาตเท่านั้น ระบบตรวจไม่ให้มาสคอตไปทับซับไตเติล ปุ่มของแอป ฉาก ป้ายชี้ และมีม ท่าทางเกิดได้ไม่ถี่กว่าทุก 0.8 วินาที ไม่เกิดตอนฉากเพิ่งขึ้น และวิดีโอหนึ่งมีมาสคอตได้ตัวเดียว ถ้าวิดีโอถูกตัดต่อใหม่ แต่การขยับปากยังคำนวณจากเวอร์ชันเก่า ปลั๊กอินจะไม่ยอมประกอบโปรเจกต์และขอให้คำนวณใหม่
มาสคอตจากภาพตัวละครสำเร็จรูป
ถ้าแบรนด์มีตัวละครที่นักวาดภาพประกอบวาดไว้แล้ว ก็ไม่ต้องวาดใหม่ด้วยโค้ด ตั้งแต่เวอร์ชัน 1.28.0 ปลั๊กอินรับชีตรวมท่า (pose sheet) ได้ จะเป็นตารางในภาพเดียว หรือโฟลเดอร์ PNG ไฟล์ละหนึ่งท่าก็ได้ ถ้ามีเฟรม “กำลังพูด” และ “กะพริบตา” แยกไว้ก็ใช้ได้ด้วย สคริปต์จะหั่นทั้งหมดเป็นแอตลาส เก็บไว้ในโฟลเดอร์ของแบรนด์ และทำชีตตรวจทานให้
ปลั๊กอินจัดการพื้นหลังอย่างระวัง ภาพพื้นใสใช้ได้ตามเดิม พื้นหลังสีเรียบจะถูกลบจากขอบเข้าไปด้านใน ตาสีขาวบนพื้นขาวจึงไม่หายไปด้วย ส่วนพื้นหลังที่ติดอยู่ในตัวละคร เช่น ช่องระหว่างแขนกับลำตัว ปลั๊กอินจะใส่หมายเลขไว้บนชีตตรวจทาน และลบเฉพาะเมื่อคุณสั่ง ภาพบนพื้นไล่สีหรือบนภาพถ่าย ปลั๊กอินไม่รับ ทุกท่าจะถูกย่อขยายและขยับให้หัวอยู่จุดเดียวกัน หัวจึงไม่กระโดดเวลาเปลี่ยนท่า ตั้งแต่เวอร์ชัน 1.29.2 ปลั๊กอินจะเสนอเองว่าหัวและตาของตัวละครอยู่ตรงไหน จึงต้องแก้ด้วยมือน้อยครั้งลง
ปากคือเฟรม “กำลังพูด” ที่วาดไว้ หรือวงรีที่วางทับภาพ ส่วนการกะพริบตาคือเฟรม “กะพริบตา” หรือเปลือกตาสีผิว วงรีบนภาพที่วาดเสร็จแล้วดูด้อยกว่าเฟรมที่วาดมาอย่างเห็นได้ชัด ถ้าจะจ้างนักวาดทำตัวละคร ขอเฟรมนี้ไปพร้อมกันเลย ตัวละครที่ไม่สมมาตร เช่น มีโลโก้บนเสื้อยืดหรือแสกผมข้างเดียว ปลั๊กอินจะไม่กลับภาพซ้ายขวาเด็ดขาด
ป้ายชี้สิ่งของตอนนี้เคลื่อนตามวัตถุได้แล้ว
ในตอนที่หนึ่ง ป้ายชี้ ซึ่งมีจุดบนสิ่งของ เส้น และป้ายชื่อ ใช้ได้แค่ในเฟรมที่กล้องนิ่ง เวอร์ชัน 1.21.0 ปลดข้อจำกัดนี้แล้ว เวลาแพนกล้องหรือถือกล้องเดินดูห้อง ปลั๊กอินจะติดตามสิ่งของทีละเฟรมและเลื่อนจุดตามไป ตรงรอยตัดและตรงที่สิ่งของหลุดออกจากเฟรม การติดตามจะหยุด และจุดจะค่อย ๆ จางหาย ถ้าแพนช้า ๆ ตั้งจุดอ้างอิงเองได้ การตรวจแผนจะวัดภาพตลอดเส้นทาง และไม่ยอมให้ป้ายชี้ที่เลื่อนหลุดจากสิ่งของผ่านไป หลังตัดต่อใหม่ก็จะขอให้คำนวณการติดตามใหม่ ส่วนนี้ต้องใช้ OpenCV และ numpy
ป้ายชี้มีให้เลือกมากขึ้น ได้แก่ คำบรรยายเหนือเส้นโดยไม่มีกรอบป้าย (ถ้าพื้นหลังสว่างเกินไปสำหรับคำบรรยายแบบนี้ ปลั๊กอินจะไม่วาง) ป้ายราคาหรือคะแนนในวงกลม วงแหวนรอบสิ่งของชิ้นเดียวท่ามกลางชิ้นอื่น และเส้นบอกขนาดระหว่างสองจุดพร้อมตัวเลขตรงกลาง ตัวเลขบนป้ายชี้ทุกตัวยังต้องมีแหล่งที่มาเหมือนเดิม ป้ายชี้วางบนตัวคนก็ได้ จุดจะอยู่ที่ไหล่และเคลื่อนตามไป ส่วนคำบรรยายจะย้ายไปฝั่งที่ว่างของเฟรม ทั้งหมดนี้ยังอยู่ในขั้นทดลอง
AI เอเจนต์ ตรวจเรนเดอร์ก่อนคุณจะได้เห็น
เมื่อก่อนคนเป็นฝ่ายได้ดูเรนเดอร์ที่เสร็จแล้วก่อน ตั้งแต่เวอร์ชัน 1.23.0 เอเจนต์จะดูก่อน มันดูทุกรอยตัดแบบใกล้ ๆ ดูวิดีโอทั้งเรื่องในขนาดจอมือถือ แล้วเขียนข้อสังเกตเป็นบรรทัด “เวลา · ตรงไหน · ปัญหา → วิธีแก้” พร้อมลำดับความสำคัญ หลังแก้ไปสองรอบ ส่วนที่ยังเหลือมันจะไม่แอบแก้เป็นรอบที่สาม แต่ส่งงานเป็น “ผ่านพร้อมข้อสังเกต”
ไม่มีอะไรถูกสลับแบบเงียบ ๆ ถ้าไม่เจอโปรแกรม โมเดล หรือฟอนต์ หรือมีขั้นไหนล้ม เอเจนต์จะบอกว่าขาดอะไร และสิ่งที่ขาดจะทำให้วิดีโอต่างไปอย่างไร แล้วจึงค่อยไปทางที่ง่ายกว่า
มีงานอีกส่วนที่ทำเพื่อไม่ให้วิดีโอดูซ้ำซาก ช่วงที่ยาวเกิน 3.5 วินาทีโดยภาพไม่เปลี่ยนเลย ปลั๊กอินหาเจอตั้งแต่ขั้นแผน คลิปโปรโมที่มีแต่ฉากจะถูกตรวจว่าเป็นสไลด์โชว์หรือเปล่า เช่น ใช้ฉากแบบเดียวทั้งเรื่อง มีฉากเหมือนกันสามฉากติดกัน หรือไม่มีช่วงไฮไลต์ “เทสต์สลับหัวข้อ” จับวิดีโอที่เอาไปใช้กับหัวข้อไหนก็ได้ และในกฎของแบรนด์ใหม่จะมีรายการสั้น ๆ มาให้ตั้งแต่แรกว่าอะไรทำให้วิดีโอดูเหมือนของคนอื่นไปหมด
เสียงเอฟเฟกต์จากโค้ด และเพลงที่เริ่มจากช่วงที่คึกที่สุด
ในตอนที่หนึ่งเราแนะนำชุดเริ่มต้น 260 เสียงแบบ CC0 ตั้งแต่เวอร์ชัน 1.24.0 ไม่ต้องใช้ชุดนี้แล้ว ปลั๊กอินสังเคราะห์เสียงสั้น ๆ สำหรับเหตุการณ์ในเฟรมเองผ่าน ffmpeg ตามสูตรในสกิล ไม่มีอะไรต้องดาวน์โหลด และไม่ต้องตรวจไลเซนส์ เสียงจะใส่ให้เฉพาะเหตุการณ์ที่เห็นในเฟรม และมาช้ากว่าภาพหนึ่งเฟรม ส่วนเสียงที่เล่นซ้ำจะสลับสองสามแบบ จะได้ไม่ได้ยินเสียงเดิมซ้ำทุกรอยตัด
เพลงไม่เริ่มจากอินโทรเบา ๆ อีกต่อไป ถ้าในวิดีโอไม่มีช่วงไหนที่ต้องให้เพลงลงจังหวะพอดี เอเจนต์จะหาช่วงในเพลงที่ยาวเท่าวิดีโอของคุณและมีพลังมากที่สุด แล้วเริ่มจากตรงนั้น วิดีโอแบบซีรีส์มีบันทึกการตัดสินใจแล้ว สิ่งที่เลือกไว้ในตอนหนึ่งจะส่งต่อไปยังตอนถัดไป แม้แต่ละตอนจะตัดต่อในบทสนทนาใหม่ก็ตาม
ภาพแยกจากเสียง: ฐานสำหรับเสียงบรรยายนอกเฟรม
เวอร์ชัน 1.25.0 จากภายนอกแทบมองไม่เห็น แต่ถ้าไม่มีมัน ก็จะไม่มีทั้ง “ฉากตามเสียง” เสียงบรรยายนอกเฟรม และวิดีโอที่ไม่มีเสียงพูด เมื่อก่อนในตัวหลัก รอยตัดเสียงกับรอยตัดภาพคือจุดเดียวกัน ตัดเสียงตรงไหน วิดีโอก็ถูกตัดตรงนั้น จะให้ภาพเดินแยกจากเสียงพูดจึงเป็นไปไม่ได้ ตอนนี้เสียงกับภาพเป็นสองแทร็กแยกกัน ภาพจึงเปลี่ยนตรงจุดอื่นที่ไม่ใช่จุดตัดเสียงพูดได้ ในวิดีโอ talking head ปกติ ทั้งสองยังตรงกันเป๊ะ และตรงนั้นไม่มีอะไรเปลี่ยน รันกับโปรเจกต์เก่าแล้วได้ผลตรงกับเวอร์ชันเดิมทุกไบต์ รวมถึงวิดีโอที่เสร็จแล้วด้วย การตรวจใบหน้าและกล้องเสมือนจะตามภาพ ส่วนการตรวจเสียงพูด การปรับระดับเสียง และซับไตเติลจะตามเสียง
โหมดนี้เกิดจากการใช้งานจริง วิดีโอสามตัวที่ไม่มีคนพูดเข้ากล้อง เราตัดต่อเองด้วยมือก่อน สองตัวเป็นข้อความเสียงที่เล่นทับภาพกว้างแบบไม่มีเสียง และต้องเอาวิดีโอสีดำมารองแล้วต่อสองโปรเจกต์เข้าด้วยกันเอง อีกตัวไม่มีเสียงพูดเลย มีแต่ข้อความ เพลง และช็อตที่ปรับสีให้เข้ากับแต่ละช่วง จากวิดีโอเหล่านี้ได้สูตรออกมาสองสูตร และแผนของโหมดนี้ผ่านการรีวิวสามรอบจากโมเดลต่างกัน สิ่งสำคัญที่สุดที่รีวิวเจอก็คือรอยตัดร่วมของเสียงกับภาพนี่เอง
เสียงบรรยายนอกเฟรมทับช็อตของคุณเอง
ตั้งแต่เวอร์ชัน 1.29.0 คุณวางข้อความเสียงจากมือถือทับช็อตของตัวเองได้แล้ว เสียงที่คุณอัดจะกลายเป็นเสียงของวิดีโอ ใช้ได้ทั้ง ogg, opus, m4a, wav และ mp3 ส่วนภาพคือภาพกว้างที่ไม่มีเสียง คลิปอื่น ๆ และรูปถ่าย เมื่อก่อนวิดีโอแบบนี้ต้องเอาวิดีโอสีดำมารองใต้เสียง แล้วต่อสองโปรเจกต์เข้าด้วยกันเอง ตอนนี้ตัดต่อครั้งเดียว ใช้คำสั่งเดียว ก็ได้ไฟล์วิดีโอที่เสร็จพร้อมใช้ ปลั๊กอินวางช็อตตามเสียงพูดให้เอง เราทดสอบโหมดนี้กับวิดีโอจากข้อความเสียงสองชิ้นและภาพกว้าง 19 ช็อต รอยตัดและเฟรมตรงกับที่ตัดด้วยมือ และเสียงก็ตรงกันด้วย
แต่ละส่วนผสมกันได้ ช่วงแรกคุณพูดในเฟรม จากนั้นเสียงบรรยายนอกเฟรมทับภาพ แล้วกลับมาเป็นคุณอีก และจะจบวิดีโอด้วยข้อความบนพื้นหลังหลังเสียงพูดจบไปแล้วก็ได้
ช็อตผูกกับคำได้ ภาพจะเปลี่ยนตรงจังหวะที่คุณพูดคำนั้นพอดี ถ้าคลิปสั้นกว่าช่วงที่มันต้องอยู่ในวิดีโอ ปลั๊กอินจะไม่ค้างเฟรมสุดท้ายไว้ แต่จะหยุดและบอกว่าต้องใช้กี่วินาทีและมีอยู่กี่วินาที รูปถ่ายจะนิ่งอยู่ ค่อย ๆ ซูมเข้า ซูมออก หรือเลื่อนไปด้านข้างก็ได้ ถ้าในช็อตมีการเคลื่อนไหวอยู่แล้ว กล้องเสมือนจะไม่ทำงานในช็อตนั้น
สีตั้งแยกได้ทีละโลเคชัน เพราะออฟฟิศกับพระอาทิตย์ตกใช้ไวต์บาลานซ์เดียวกันไม่ได้ ถ้ามีคนแปลกหน้าที่ห้ามโชว์ติดมาในเฟรม ต้องมาร์กไว้ และวิดีโอจะไม่ออกจนกว่าฉากเต็มจอจะบังพวกเขา กฎที่กันไม่ให้อะไรมาบังหน้าคนพูด เช่น จำกัดจำนวนภาพแทรก และห้ามมีช่วงเต็มจอสองช่วงติดกัน ใช้เฉพาะตรงที่คนพูดอยู่ในเฟรมจริง ๆ ส่วนที่เป็นเสียงบรรยายนอกเฟรมไม่มีกฎเหล่านี้ เพราะตรงนั้นช็อตต่าง ๆ ก็คือภาพหลักอยู่แล้ว แต่เวลาที่ใช้อ่านข้อความและโทนของแบรนด์ยังถูกตรวจเหมือนเดิม
เอเจนต์เสนอวิดีโอแบบไม่ต้องถ่ายให้เอง
ไม่ต้องไปหาโหมดใหม่ในคู่มือ ตั้งแต่เวอร์ชัน 1.29.1 ถ้าคุณขอวิดีโอแบบไม่ต้องถ่าย เอเจนต์จะถามคำถามเดียวและเสนอสามทางเลือก คือ ฉากทับเสียงที่อัดจากมือถือ เสียงของคุณทับช็อตไม่มีเสียงหรือรูปถ่าย หรือโปรโมที่มีแต่ฉาก จะเริ่มก็แค่พิมพ์ว่า “ทำวิดีโอจากข้อความเสียงของฉัน” ถ้าเชื่อมส่วนเสริมออนไลน์ไว้ เอเจนต์จะบอกอีกทางหนึ่งด้วย คือเสียงบรรยายด้วยเสียงโคลนของคุณ
เอเจนต์จะเสนอมาสคอตให้เองด้วย แต่เฉพาะตอนที่เหมาะ คือในวิดีโอที่ไม่มีใครพูดอยู่ในเฟรม และกับแบรนด์ที่ยังไม่มีมาสคอต ในรายการมันจะมีป้ายว่าใหม่ จะเป็นตัวที่วาดด้วยโค้ดในสีของแบรนด์ หรือตัวละครสำเร็จรูปของคุณเองก็ได้ ถ้าเป็นโทนพรีเมียม เอเจนต์จะไม่เสนอ และถ้าคุณไม่เลือก มาสคอตก็จะไม่ไปอยู่ในวิดีโอ
ตอนรันครั้งแรก ปลั๊กอินจะบอกในสามบรรทัดว่าทำอะไรได้บ้าง รวมถึงวิดีโอแบบไม่ต้องใช้กล้อง และถ้าคุณอัปเดตข้ามหลายเวอร์ชันในครั้งเดียว ส่วน “มีอะไรใหม่” จะแสดงเรื่องหลักของแต่ละเวอร์ชัน แทนที่จะเป็นแค่ไม่กี่ข้อแรกของรายการ
วิดีโอที่ไม่มีเสียงพูด: ข้อความบนจอ เสียงเอฟเฟกต์ และเพลง
ตั้งแต่เวอร์ชัน 1.30.0 ไม่ต้องใช้เสียงพูดเลย ภาพคือช็อตไม่มีเสียงของคุณ หรือคนในเฟรมที่ไม่ได้พูด ส่วนเนื้อหาสื่อผ่านข้อความบนจอ ตรงตามบรีฟทุกคำ บรีฟแบ่งเป็นบล็อกตามบรรทัด เช่น ฮุก ป้ายกำกับ คำแปล และพันช์ไลน์ แต่ละบล็อกจะค้างอยู่นานแค่ไหน ปลั๊กอินคำนวณจากเวลาที่ใช้อ่าน ไม่ได้กะด้วยสายตา และวางคลิปไว้ใต้บล็อกให้เอง ถ้าข้อความมีคำเปลี่ยนไป บล็อกหายไป หรือแสดงซ้ำสองครั้ง การตรวจจะไม่ให้วิดีโอผ่าน ในฟุตเทจจริง ความยาวตามเวลาอ่านออกมา 14.43 วินาที ส่วนวิดีโอเดียวกันที่ตัดด้วยมือยาว 14.5 วินาที
วิดีโอที่ไม่มีเสียงพูดจบด้วยพันช์ไลน์ที่ค้างบนจอให้คนดูได้ตอบสนองได้ โดยไม่ต้องมีคำชวน ถ้าคลิปถูกทำให้ช้าลงเกินกว่า ×0.75 ปลั๊กอินจะเตือน เพราะเฟรมจะเริ่มซ้ำ
บรีฟแบบนี้จะถามเรื่องเสียงทุกครั้ง เสียงเอฟเฟกต์วางตามเหตุการณ์ในเฟรม ส่วนเพลงมีสามทางเลือก คือ สร้างด้วยโค้ด ใช้เพลงที่มีไลเซนส์ของคุณ หรือเลือกเพลงในแอปตอนโพสต์ ถ้าเลือกทางสุดท้าย วิดีโอจะออกมาพร้อมเสียงเอฟเฟกต์ และในรายงานจะมีข้อความเตือนให้เลือกเพลง เพลงที่มีไลเซนส์ซึ่งจบก่อนวิดีโอ ขั้นมาสเตอริงจะไม่รับ
ตั้งแต่เวอร์ชัน 1.37.0 ภาพปกของวิดีโอที่ไม่มีเสียงพูดคือเฟรมที่มีฮุก ซึ่งเป็นประโยคหลักของวิดีโอ ไม่ใช่ เช่น ป้ายชื่อรายการ
สำหรับรายการที่ทำเป็นตอน ๆ มีเครื่องหมายของซีรีส์แล้ว คือป้ายชื่อรายการด้านบนเฟรม และโลโก้มุมจอที่ขึ้นเฉพาะช่วงวินาทีท้าย ๆ พรีเซ็ตของซีรีส์จะจำค่าเหล่านี้ไว้พร้อมกับเสียงพูดและเพลง
เพลงที่สร้างด้วยโค้ด
พร้อมกับวิดีโอที่ไม่มีเสียงพูด ตัวหลักก็มีตัวสร้างเพลงของตัวเอง เป็นการสังเคราะห์ด้วยโค้ด ไม่ใช้โครงข่ายประสาทเทียมและไม่ใช้คลังเพลงสต็อก เพลงยาวเท่ากับวิดีโอพอดี รวมการ์ดปิดท้ายด้วย มีสี่สไตล์ที่ต่างกันทั้งเครื่องดนตรี จังหวะ และความหนาแน่น ได้แก่ กรูฟสม่ำเสมอ พัลส์ ความตึงเครียด และแอมเบียนต์ที่ไม่มีจังหวะชัด
เพลงปรับตามข้อความ ตรงจุดหักมุมของเรื่อง เพลงจะขาดหายเหมือนเทปที่ถูกหยุด กลับมาเบาลงตอนที่คนดูกำลังอ่าน และตรงพันช์ไลน์จะมีเสียงเน้นตามด้วยความเงียบให้คนดูได้ตอบสนอง ช่วงเงียบ จุดหยุด และเสียงเน้นอยู่ตรงจังหวะพอดี ฉากก็วางตามจังหวะเพลงได้ แต่เวลาที่ใช้อ่านสำคัญกว่าตารางจังหวะเสมอ ถ้าตั้งค่าเหมือนเดิม เพลงจะออกมาเหมือนเดิมทุกครั้ง และถ้าอยากได้แบบอื่น ปลั๊กอินจะเรียบเรียงใหม่ให้
ตอนนี้มาสเตอริงคุมความดังที่ −14 LUFS ได้แม้หลังใส่เสียงเอฟเฟกต์ เมื่อก่อนถ้ามีเพลง ความดังหลังใส่เอฟเฟกต์จะไหลขึ้นไปถึง −12.3 มาสเตอริงจะไม่รับเพลงที่สร้างไว้สำหรับความยาวอื่นหรือวิดีโออื่น และไม่ถือว่าช่วงเงียบที่ตั้งใจใส่ไว้ในเพลงคือเพลงหมด
วิดีโอจากรูปถ่าย
ตั้งแต่เวอร์ชัน 1.35.0 รูปถ่ายใต้เสียงบรรยายนอกเฟรมและในวิดีโอที่ไม่มีเสียงพูดกลายเป็นวัตถุดิบเต็มตัว แต่ละรูประบุสิ่งสำคัญได้ จะเป็นพื้นที่หนึ่งบนภาพหรือ “ใบหน้า” ก็ได้ การซูมเข้าจะจบที่สิ่งสำคัญโดยเผื่อพื้นที่รอบ ๆ ไว้ ลึกได้เท่าที่พิกเซลของรูปเอื้อ แต่ไม่เกินสองเท่า การซูมออกจะเริ่มจากมัน เฟรมนิ่งจะวางมันไว้ตรงกลาง และการแพนจะเลื่อนไปตามกลุ่มคนหรือภาพพาโนรามา การเคลื่อนไหวทั้งหมดถูกตรวจทีละเฟรมล่วงหน้า ถ้าสิ่งสำคัญอยู่ในเฟรมไม่ได้ ปลั๊กอินจะหยุด แสดงตัวเลข และแนะนำทางออก เช่น แพน แสดงรูปทั้งรูป หรือใช้กรอบที่เล็กลง ฉากที่วางทับรูปก็จะจัดเฟรมตามสิ่งสำคัญ ไม่ใช่ใบหน้าตามค่าเริ่มต้น
ตั้งแต่เวอร์ชัน 1.37.0 รูปจาก iPhone แบบ HEIC ก็ใช้ได้แล้ว ไม่ต้องแปลงเป็น JPEG เองอีก แต่ต้องใช้ ffmpeg รุ่นใหม่ ถ้าเป็นรุ่นเก่า ปลั๊กอินจะบอกตรง ๆ ให้ส่งออกรูปเป็น JPEG และเฟรมที่เสียจะไม่หลุดเข้าไปในวิดีโอ
เราทดสอบโหมดนี้กับเฟรมเจ็ดเฟรมจากฟุตเทจจริงที่บันทึกเป็นรูป สองรูปถูกบันทึกแบบตะแคง และหนึ่งรูปมีขนาดเล็ก จากรูปเหล่านี้เราประกอบวิดีโอเสียงบรรยายนอกเฟรมยาว 16.5 วินาที และวิดีโอที่ไม่มีเสียงพูดพร้อมเพลงจากโค้ดยาว 13.3 วินาที วิดีโอที่เสร็จแล้วซึ่งไม่ได้ใช้ฟีเจอร์ใหม่ของรูปถ่ายตรงกับเวอร์ชันก่อนหน้าทุกไบต์
ตรวจฟุตเทจก่อนตัดต่อ
ตั้งแต่เวอร์ชัน 1.38.0 ก่อนทำวิดีโอที่ไม่มีคนพูดหน้ากล้อง ปลั๊กอินจะดูคลิปของคุณก่อน และบอกว่าตรงไหนอาจมีปัญหา
- กล้องสั่น
- ท้ายคลิปมีส่วนที่ติดมาจากแอปตัดต่อ
- มีช่วงที่มืดหรือสว่างจ้าเกินไป หรือเฟรมดำหรือภาพค้าง
- คนในเฟรมกำลังพูดอะไรบางอย่าง และปากจะไม่ตรงกับเสียงบรรยายนอกเฟรม
- มีคนหันมามองกล้อง
- มีใบหน้าในเฟรมมากกว่าปกติ อาจเป็นคนแปลกหน้า
ทั้งหมดนี้เป็นแค่คำแนะนำ ไม่ใช่คำตัดสิน ปลั๊กอินไม่ทิ้งอะไรและไม่เปลี่ยนอะไรในโปรเจกต์ คุณเป็นคนตัดสินใจ ส่วนสิ่งที่มันประเมินไม่ได้ เช่น ท้องฟ้าที่ไม่มีรายละเอียด หรือใบหน้าที่เล็กเกินไป มันก็จะบอกไว้ตรง ๆ
เสียงบรรยายด้วยเสียงโคลนของคุณเอง
ตอนนี้เรื่องเสียงพูดมีสามทาง คือ อัดข้อความเสียงด้วยมือถือ ทำวิดีโอที่ไม่มีเสียงพูด หรือให้เสียงโคลนของคุณเองอ่านสคริปต์ ทางที่สามมีเฉพาะในส่วนเสริมออนไลน์ it-reelsmaker-online ตั้งแต่เวอร์ชัน 1.6.0 ผ่าน ElevenLabs ส่วนในตัวหลักยังไม่มีการสังเคราะห์เสียงพูดเหมือนเดิม ส่วนเสริมจะอ่านสคริปต์ของรีลด้วยเสียงของคุณ จากนั้นตัวหลักจะตัดต่อไฟล์เสียงนั้นเหมือนข้อความเสียงจากมือถือ
- ใช้ได้เฉพาะเสียงของคุณเอง เลือกจากบัญชี ElevenLabs ของคุณ หรือโคลนจากไฟล์เสียงใหม่ที่อัดมาอย่างสะอาด พร้อมยืนยันความยินยอม
- บอกราคาก่อน แล้วค่อยตอบ “ตกลง” ส่วนเสริมจะแสดงว่าจะใช้กี่เครดิต และเริ่มทำเสียงบรรยายหลังคุณตกลงเท่านั้น ถ้าข้อความ เสียง หรือการตั้งค่าเปลี่ยน ต้องตอบ “ตกลง” ใหม่
- ไม่เสียเงินซ้ำสองครั้ง แม้การเชื่อมต่อจะหลุดกลางคัน และถ้าหยุดงานไว้กลางทาง ส่วนเสริมจะทำเสียงเฉพาะท่อนที่ยังขาดอยู่
เพื่อเป็นแนวทาง เสียงบรรยายของรีลยาว 27 วินาทีใช้ไป 147 เครดิต ตามราคาของ ElevenLabs ณ เดือนพฤศจิกายน 2569 แพ็กเกจ Starter ราคา $6 ต่อเดือน ได้ 30,000 เครดิต ทำได้ประมาณ 200 วิดีโอแบบนี้ต่อเดือน แพ็กเกจของบริการเปลี่ยนได้ ตัวเลขนี้จึงเป็นการประมาณ
วิธีติดตั้งและอัปเดต IT Reelsmaker
ปลั๊กอินยังอยู่ในแคตตาล็อกทางการของ Claude โดยตามสถิติของแคตตาล็อกเดือนพฤศจิกายน 2569 ปลั๊กอินมีการติดตั้งมากกว่า 16,000 ครั้ง และมีบัญชีที่ใช้งานในช่วง 28 วันล่าสุดมากกว่า 5,000 บัญชี แต่ตอนนี้แคตตาล็อกไม่รับเวอร์ชันใหม่ที่มีโค้ดแล้ว ผู้ใช้จากแคตตาล็อกจึงค้างอยู่ที่เวอร์ชันแรก ๆ อย่าง 1.6.1 เรื่องนี้เราเล่าไว้ละเอียดในบทความทำไมแคตตาล็อกรับโค้ดจาก Verified เท่านั้น การตัดต่อทำไม่ได้ถ้าไม่มีสคริปต์บนเครื่อง เราจึงเลิกปรับปลั๊กอินให้เข้ากับแคตตาล็อกแล้ว ทุกอย่างที่เล่าในบทความทั้งสองตอนติดตั้งได้จาก marketplace ของเราบน GitHub
claude plugin marketplace add https://github.com/itpartypattaya/reels-montage.git
claude plugin install it-reelsmaker@itpartyถ้าติดตั้งปลั๊กอินจาก marketplace ไว้แล้ว อัปเดตด้วยสองคำสั่ง จากนั้นสกิลจะแสดงบล็อก “มีอะไรใหม่” หนึ่งครั้ง
claude plugin marketplace update itparty
claude plugin update it-reelsmaker@itpartyใครอัปเดตจากเวอร์ชันก่อน 1.22 ควรรู้การเปลี่ยนแปลงสองอย่าง อย่างแรก ปลั๊กอินไม่อ่าน environment variable แล้ว ถ้าคุณเคยตั้งโฟลเดอร์โปรเจกต์หรือพาธไปยังโมเดลใบหน้าผ่าน REELS_PROJECT หรือ REELS_FACE_MODEL ให้ย้ายไปไว้ใน it-reelsmaker.json หรือในค่าตั้งของโปรเจกต์ reel-defaults.json อย่างที่สอง คำสั่งเปลี่ยนชื่อ export กลายเป็น stage และ set กลายเป็น change เอเจนต์รู้ชื่อใหม่เอง แต่ถ้าคุณมีโน้ตหรือสคริปต์ของตัวเองที่ใช้คำสั่งเก่า ต้องแก้ตาม
ในส่วนเสริมออนไลน์ it-reelsmaker-online การถอดเสียงบนคลาวด์รับไฟล์ยาว ๆ ได้แล้ว บริการนี้จำกัดไฟล์ละ 25 MB ซึ่งเท่ากับเสียงราว 13 นาทีในรูปแบบที่ตัวหลักเตรียมไว้ ไฟล์ที่ยาวกว่านั้นจึงส่งเป็น mp3 โมโนแบบบีบอัด ทอล์กยาว 34 นาทีหนักแค่ 8.3 MB ไทม์มิงของคำไม่เปลี่ยนเพราะเรื่องนี้ และไฟล์ mp3 จะถูกสร้างหลังคุณตกลงเรื่องราคาแล้วเท่านั้น และถูกลบหลังส่งคำขอเสร็จ
หน้าหลักของรีโพสิทอรีก็เขียนใหม่ด้วย ตอนนี้เป็นหน้าโชว์ผลงาน ว่าเทคดิบเทคเดียวกลายเป็นอะไรได้บ้าง มีวิธีเริ่มเร็วด้วยสองคำสั่ง และเจ็ดขั้นตอนพร้อมแผนภาพ ข้าง ๆ ยังมี README ภาษาจีนเพิ่มเข้ามาด้วย
โอเพนซอร์สและฟีดแบ็ก
IT Reelsmaker ยังเผยแพร่ภายใต้ไลเซนส์ MIT ซอร์สโค้ดและสคริปต์ทั้งหมดอยู่ในรีโพสิทอรีบน GitHub และอะไรเปลี่ยนไปในแต่ละเวอร์ชันดูได้ใน CHANGELOG (ภาษาอังกฤษ) ถ้าทำคลิปอธิบายตัวแรกจากข้อความเสียงได้แล้ว สร้างมาสคอตของตัวเองแล้ว หรือเจอบั๊ก เขียนมาที่ Issues ได้เลย เราใช้ฟีดแบ็กแบบนี้แหละในการเลือกว่าจะทำอะไรต่อ
