สร้างคลิป AI Avatar

คนพูดที่สร้างจากบท ไม่ใช่จากกล้อง

AI Avatar คือการให้ระบบสร้างคลิปคนพูดขึ้นมาจากบทที่เราพิมพ์ — ได้หน้า ได้ปากที่ขยับตรงกับเสียง โดยไม่ต้องเข้าหน้ากล้อง ไม่ต้องจัดไฟ และไม่ต้องอัดใหม่เวลาแก้บท แก้บทแล้วสั่งสร้างใหม่ก็จบ

สิ่งที่ต้องเตรียมครั้งเดียวคือ look — หน้าตาและท่าทางของตัวคนพูด · ทำครั้งแรกแล้วเรียกใช้ซ้ำได้ทุกคลิป ทำให้ทุกคลิปของช่องใช้คนคนเดิม

มีหน้าคนในคลิป ไม่ได้แปลว่าคลิปดีขึ้น

ข้อผิดที่เสียเวลาที่สุดคือคิดว่าใส่ avatar แล้วคลิปจะน่าดูขึ้นเอง · ในคลิปสั้นที่ขายข้อมูล สิ่งที่ทำให้คนดูต่อคือภาพที่สอนอะไรบางอย่างกับซับที่ตามเสียงทัน ไม่ใช่หน้าคนพูด — หน้าคนพูดเฉยๆ กินพื้นที่จอไปโดยไม่เพิ่มข้อมูลสักอย่าง

ที่ใช้แล้วได้ผลจริงคือเอาไว้ช่วงเปิดคลิป ไม่เกิน 5 วินาที ให้มีหน้าคนโผล่ในฟีดตอนคนกำลังเลื่อนผ่าน แล้วปล่อยให้ภาพกับซับเล่าต่อจนจบ · และวางเป็นกรอบเล็กมุมล่างขวา ไม่ใช่เต็มจอ

สามข้อนี้เจอมาแล้วกับตัว

1. ใส่เต็มจอ แล้วภาพทั้งคลิปเลื่อนหนีไป 5 วินาที

พอตั้ง avatar เป็นแบบเต็มจอ ระบบจะนับช่วง avatar เป็นช่วงเปิดคลิป แล้วเลื่อนภาพชุดที่เหลือไปเริ่มหลังจากนั้นทั้งหมด — ผลคือทุกภาพไปโผล่ช้ากว่าประโยคที่มันควรจะคู่กันอยู่ราว 5 วินาที ตลอดทั้งคลิป

ที่เจ็บคือไม่มีอะไรฟ้อง ไฟล์เรนเดอร์ออกมาปกติ ต้องนั่งดูเองถึงจะรู้ว่าภาพกับเสียงไม่ตรงกัน · กับดักนี้ทำพลาดซ้ำสองครั้งในวันเดียว

ทางแก้: ใช้กรอบมุมล่างขวาเท่านั้น · ถ้าอยากมีภาพเฉพาะของช่วงฮุกจริงๆ ให้เพิ่มเป็นอีกช่วงหนึ่งต่างหาก ไม่ใช่แทรกเข้าไปในลำดับภาพเดิม

2. look ผิดอัตราส่วน แล้วได้ขอบดำ

look ผูกกับอัตราส่วนภาพ · เอา look ที่ทำไว้สำหรับคลิปแนวนอนไปใส่คลิปแนวตั้ง จะได้ขอบดำคาดบนล่างแทนที่จะเต็มกรอบ — ต้องทำ look แยกต่อหนึ่งอัตราส่วน

และ look ใหม่มีค่าใช้จ่าย ตอนที่ทำอยู่ที่ราว 1 ดอลลาร์ต่อ look · ไม่แพง แต่เป็นเหตุผลที่ควรรู้อัตราส่วนที่จะใช้ให้แน่ก่อนสั่งทำ ไม่ใช่ทำไปก่อนแล้วค่อยคิด (ราคาเปลี่ยนได้ เช็คหน้าราคาก่อนทุกครั้ง)

3. ปล่อยให้พูดยาวเกินช่วงเปิด

คลิปสั้นมีเวลา 30–60 วินาที ทุกวินาทีต้องทำงาน · avatar ที่พูดยาว 15 วินาทีกินไปหนึ่งในสี่ของคลิปโดยที่จอไม่ได้แสดงอะไรใหม่เลย — คนดูที่กำลังตัดสินใจว่าจะอยู่ต่อไหมจะเจอแต่หน้าคนพูดพอดี

ทางแก้: เขียนประโยคเปิดให้จบใน 5 วินาที แล้วตัด avatar ออกตรงนั้น