คลิปสั้นสายความรู้ที่ภาพเป็นโมเดล 3D มีเส้นวัดระยะสีแดงพาดทั้งจอ ทำจบได้ใน 30 นาที ด้วย Gemini กับ Google Flow ฝั่งที่แกะโครงเรื่องและเขียนพรอมต์คือ Gemini ผู้ช่วย AI ของ Google ส่วนการแปลงพรอมต์ให้กลายเป็นภาพเคลื่อนไหวเป็นหน้าที่ของ Google Flow เครื่องมือทำวิดีโอในเครือ Google Labs

กระบวนการทั้งหมดนี้มาจากคลิปสอนของช่องเกาหลี 원카AI Wonka ที่ถ่ายหน้าจอให้ดูตั้งแต่เปิดแท็บแรกจนกดอัปโหลด หัวใจสำคัญสรุปได้ในประโยคเดียวว่า ลอกโครง ไม่ลอกเนื้อ หลักนี้หมายถึงให้ AI แกะก่อนว่าคลิปที่ทำยอดวิวได้ดีในหมวดเดียวกันเรียงเรื่องไว้อย่างไร จากนั้นจึงนำลำดับนั้นมาใช้เล่าเรื่องของตัวเองด้วยหัวข้อใหม่และประโยคใหม่ทั้งหมด คนที่อยากทำคลิปสั้นแต่ติดตรงที่ตัดต่อไม่เป็นจึงเริ่มได้จริง เพราะงานที่เหลือให้ทำเองมีแค่เลือกเรื่องและเขียนประโยคของตัวเอง

ลอกโครง ไม่ลอกเนื้อ คือขอบเขตที่ห้ามล้ำ

โครงเรื่องในที่นี้คือลำดับการเดินเรื่องของคลิป ไม่ใช่เนื้อหาที่พูด คลิปสายความรู้ที่คนดูจนจบมักใช้ลำดับแบบเดียวกัน เรียกง่ายๆ ว่าโครงแบบพาให้เดาผิด โดยเปิดด้วยการหักล้างความเชื่อที่คนคุ้นเคย จากนั้นตั้งคำถามให้สงสัย แล้วปิดด้วยคำเฉลยที่คนดูเดาไม่ถูก

ตัวอย่างจากคลิปอ้างอิงที่ Gemini แกะออกมาคือเรื่องแม่น้ำฮันในกรุงโซล ซึ่งขึ้นต้นด้วยประโยคว่าจริงๆ แล้วมันไม่ใช่แม่น้ำธรรมชาติ แต่เป็นทะเลสาบที่เกิดจากการสร้างเขื่อนกั้น พอความเชื่อเดิมสั่นคลอนตั้งแต่วินาทีแรก คนดูก็ดูต่อเพื่อรอคำเฉลย กลไกนี้เหมือนมายากลที่พาสายตาไปทางหนึ่ง แล้วเฉลยจากอีกทางที่ไม่มีใครมอง

ส่วนที่ห้ามหยิบมาคือเนื้อหา หัวข้อ ประโยค และภาพในคลิปต้นแบบ ทั้งหมดนั้นต้องอยู่กับเจ้าของเดิม สิ่งที่ยืมได้มีแค่ลำดับการเล่า ซึ่งเป็นความรู้ที่ใครก็หยิบไปใช้กับเรื่องของตัวเองได้

ให้ Gemini แกะโครงคลิปที่ยอดวิวดีในหมวดเดียวกัน

เริ่มจากเลือกช่องอ้างอิงที่ทำผลงานดีในหมวดที่ตัวเองอยากทำ ในคลิปต้นทาง คนทำเลือกช่องสถาปัตยกรรมของเกาหลีที่เพิ่งแตะผู้ติดตาม 500,000 คน แล้วคัดลอก URL ของคลิปที่ยอดวิวสูงที่สุดในช่องนั้นมาหนึ่งคลิป

เอา URL นั้นวางลงใน Gemini ตรงๆ แล้วสั่งงานประมาณนี้

วิเคราะห์คลิปนี้ให้หน่อย: <วาง URL คลิป>
- โครงเรื่องเรียงลำดับยังไง ตั้งแต่วินาทีแรกจนจบ
- สไตล์ภาพและการจัดองค์ประกอบเป็นแบบไหน
- เหตุผลที่คลิปนี้ทำยอดวิวได้ดีคืออะไร

Gemini อ่านลิงก์ YouTube ได้ค่อนข้างดี เพราะทั้งสองอย่างเป็นผลิตภัณฑ์ของ Google เหมือนกัน คำตอบที่ได้ไม่ใช่แค่คำชม แต่ยังชี้ให้เห็นว่าคลิปออกแบบจังหวะให้คนดูคิดผิดตรงไหนบ้าง

ขั้นถัดไปคือถามต่อในแชทเดิมว่ามีหัวข้ออะไรอีกบ้างที่เล่าด้วยโครงเดียวกันนี้ได้ ในคลิปต้นทาง Gemini เสนอหัวข้อมาหลายเรื่อง เช่น อุโมงค์ที่เจาะทะลุกลางภูเขา แล้วคนทำเลือกเรื่อง London Millennium Bridge สะพานคนเดินข้ามในลอนดอน เพราะเคยเห็นเรื่องนี้มาก่อนและรู้ว่าเรื่องราวน่าสนใจพอ

เขียนสคริปต์ใหม่ แล้วส่งกลับให้ Gemini ตรวจข้อเท็จจริง

สคริปต์เขียนตามโครงเดิม แต่ทุกประโยคเขียนขึ้นใหม่ เรื่องสะพานลอนดอนมีข้อมูลพร้อมอยู่แล้ว สะพานเปิดใช้วันที่ 10 มิถุนายน 2000 คนขึ้นไปเดินปุ๊บก็เริ่มแกว่งซ้ายขวา และแกว่งสูงสุดถึง 7 เซนติเมตรด้วยความถี่หนึ่งครั้งต่อวินาที จากนั้นต้องปิดภายใน 2 วันหลังเปิด การซ่อมใช้เวลา 20 เดือนกว่าจะเปิดใหม่ได้ โดยติดตัวหน่วงการสั่นใต้พื้นสะพาน 37 ตัว และเพิ่มตัวถ่วงน้ำหนักกันแกว่งอีกกว่า 50 ตัว

ประโยคเปิดที่คนทำเขียนขึ้นเอาสองอย่างมาชนกัน คืองบก่อสร้างสามหมื่นล้านวอนเพื่อฉลองสหัสวรรษ กับการที่สะพานต้องปิดแทบจะทันทีหลังเปิด ตัวเลขใหญ่บวกกับผลลัพธ์ที่ขัดความคาดหมาย คือรูปแบบเดียวกับโครงที่แกะมา

พอสคริปต์เสร็จ ให้นำไปใส่ใน Gemini อีกรอบแล้วสั่งให้ตรวจข้อเท็จจริง ในคลิปต้นทางพบวันที่ผิดหนึ่งจุดและแก้ได้ทัน ขั้นนี้ข้ามไม่ได้ เพราะคลิปสายความรู้ขายความน่าเชื่อถือเป็นหลัก ตัวเลขผิดเพียงตัวเดียวก็จะถูกคนดูจับได้ในคอมเมนต์ทันที ความเสียหายไม่ได้จบแค่คลิปนั้นคลิปเดียว

ข้ามขั้นทำภาพนิ่ง สร้างวิดีโอจากสคริปต์ได้เลย

ลำดับที่คุ้นกันในสายทำคลิป AI คือสร้างภาพนิ่งให้สวยก่อน แล้วค่อยเอาภาพนั้นไปทำให้ขยับ ขั้นตอนนี้ตัดทิ้งได้ วิธีสังเกตคือดูคลิปของช่องอ้างอิงแล้วจะเห็นว่าภาพแต่ละช็อตไม่ได้หน้าตาเป๊ะเท่ากัน แปลว่าช่องนั้นก็ข้ามขั้นภาพนิ่งเหมือนกัน และนั่นคือเหตุผลที่เขาปล่อยได้วันละ 6-7 คลิป

ให้ Gemini แปลงสคริปต์เป็นพรอมต์ทีละช็อตในแชทเดิม คลิปต้นทางได้พรอมต์ออกมา 18 พรอมต์ ทริกที่ช่วยได้มากคือแนบพรอมต์ตัวอย่างที่เคยใช้ได้ผลไปด้วยหนึ่งอัน แล้วบอกให้เลียนแบบโครงสร้างและความยาว โดยเปลี่ยนแค่เนื้อหาให้ตรงกับสคริปต์ใหม่

คลิปต้นทางล็อกข้อกำหนดไว้ชุดหนึ่ง ซึ่งก็อปไปปรับใช้ได้เลย

เขียนพรอมต์วิดีโอจากสคริปต์นี้ให้ครบทุกช็อต ตามข้อกำหนดนี้
- คลิปละ 8 วินาที มีได้มากสุด 2 จังหวะภาพต่อหนึ่งคลิป
- การเคลื่อนกล้องใช้แบบเลื่อนด้านข้างเท่านั้น แล้วปิดท้ายด้วยการพุ่งเข้าใกล้แบบเร็ว
- เส้นวัดระยะและสเกลทั้งหมดเป็นสีแดง
- คำอธิบายเขียนเป็นภาษาไทย ส่วนพรอมต์ที่ก็อปไปวางได้ให้อยู่ในกล่องโค้ดภาษาอังกฤษ
- ทำตารางสรุปการตั้งค่าและจำนวนตัวอักษรของแต่ละพรอมต์มาด้วย
- ตรวจให้ด้วยว่าช็อตไหนมีโอกาสขัดกันเอง

บรรทัดสุดท้ายมีประโยชน์กว่าที่คิด เพราะพรอมต์ทั้ง 18 อันที่เขียนแยกกันมักมีรายละเอียดขัดกัน เช่น ช็อตหนึ่งบอกว่าฟ้าใส แต่อีกช็อตบอกว่าฝนตก ให้ Gemini ไล่ตรวจก่อน ประหยัดกว่าต้องมาแก้หลังสร้างเสร็จแล้ว

พอได้พรอมต์ครบแล้ว ให้ย้ายไปที่ Google Flow และกด New project จากนั้นเลือกโหมดวิดีโอ แล้วตั้งอัตราส่วน 9:16 สำหรับคลิปสั้น โมเดลที่ใช้คือ Omni Flash ซึ่งเป็นโมเดลสร้างวิดีโอในตระกูล Veo ของ Google ที่รันอยู่ใน Flow สุดท้ายตั้งความยาว 8 วินาที วางพรอมต์ แล้วกดสร้าง

การสร้างคลิปความยาว 8 วินาทีหนึ่งครั้งใช้ 12 เครดิต ซึ่งเป็นหน่วยที่ Flow ใช้คิดค่าบริการสร้างวิดีโอแทนเงิน ใครยังไม่เคยเปิดหน้าจอนี้มาก่อน มีบทความ สร้าง VLOG การ์ตูน 3D พูดได้ด้วย Gemini OMNI บน Google Flow ที่พาดูทีละปุ่มตั้งแต่ต้น

ภาพที่ได้ไม่ได้ผ่านทุกครั้ง ในคลิปต้นทาง ช็อตที่ 4 เป็นฉากสะพานสั่นไหว แต่ครั้งแรกที่สร้าง พื้นหลังกลับไม่มีน้ำเลย ภาพจึงดูจืด วิธีแก้คือบอก Gemini ให้ปรับเฉพาะพรอมต์ช็อตนั้น โดยเพิ่มน้ำในภาพและเติมฉากหน้า จากนั้นบอกให้ใส่ตัวเลข 7 เซนติเมตรเป็นข้อความในภาพด้วย แล้วนำพรอมต์ที่แก้แล้วไปสร้างใหม่ วิธีแก้เฉพาะช็อตมีอยู่หลายแบบ ซึ่งเคยรวมไว้ใน สี่ท่าแก้วิดีโอด้วย Gemini Omni จากทีมงาน Gemini

แต่ถ้าคลิปที่ได้เสียตรงจุดเล็กๆ เช่น ตัวหนังสือในภาพเบลอหรือแตก คำแนะนำจากคลิปต้นทางคือปล่อยไป แล้วไปสร้างคลิปถัดไปแทน เพราะสำหรับคลิปสั้น การมีของให้เลือกเยอะคุ้มกว่าการนั่งเกลาช็อตเดียวให้สมบูรณ์ คนทำเทียบว่าเหมือนไปเที่ยวแล้วถ่ายมาร้อยรูป สุดท้ายได้รูปที่ใช้จริงประมาณห้ารูป วิดีโอก็เหมือนกัน คลิป 8 วินาทีหนึ่งคลิปมักมีช่วงที่ดีจริงอยู่แค่ราว 3 วินาที

multi-shot คือจุดที่ประหยัดเครดิตได้จริง

จุดที่ทำให้ค่าใช้จ่ายต่างกันหลายเท่าอยู่ที่วิธีคิดเงินของ Google Flow ซึ่งคิดเครดิตต่อการสร้างหนึ่งครั้ง ไม่ได้คิดต่อจำนวนฉากที่อยู่ในคลิป สร้างหนึ่งครั้งได้คลิป 8 วินาที ราคา 12 เครดิตเท่าเดิม ไม่ว่าข้างในจะมีฉากเดียวหรือสามฉาก

เทคนิค multi-shot คือการเขียนพรอมต์ให้คลิป 8 วินาทีหนึ่งคลิปมีหลายฉาก เช่น แบ่งเป็น 3 วินาที บวก 3 วินาที บวก 2 วินาที รวมเป็นสามฉากในการสร้างครั้งเดียว จ่าย 12 เครดิตเท่าเดิม แต่ได้ภาพที่นำไปตัดต่อมากขึ้นถึงสามเท่า

ผลพลอยได้อีกข้อคือโทนภาพสม่ำเสมอกว่า เพราะทั้งสามฉากออกมาจากพรอมต์เดียวกันในรอบเดียวกัน ต่างจากการสั่งสร้างทีละฉากที่สีและแสงมักเพี้ยนไปคนละทาง ในคลิปต้นทางใช้ประมาณสองฉากต่อการสร้างหนึ่งครั้ง ส่วนช่องอ้างอิงตัดถี่กว่านั้นอีก

ต้นทุนจริงต่อคลิป พอคิดเป็นเครดิตแล้วเห็นชัด

สิทธิ์ที่ใช้ในคลิปต้นทางมาจากแพ็กเกจ Google One AI Pro ราคา 29,000 วอนต่อเดือน ซึ่งให้ทั้งโมเดล Omni Flash และเครดิต Google Flow เดือนละ 1,000 เครดิต เมื่อคำนวณย้อนกลับ หนึ่งเครดิตเท่ากับ 29 วอน

ตัวเลขแถวกลางคือคำตอบว่าคุ้มหรือไม่คุ้ม คลิปสั้นหนึ่งชิ้นอยู่ในระดับราคากาแฟหนึ่งแก้ว ส่วนคลิปตัวอย่างในวิดีโอต้นทางใช้ไป 18 คลิป เท่ากับ 216 เครดิต หรือ 6,264 วอน เพราะตั้งใจสร้างเผื่อไว้มากกว่าปกติ

ราคาทั้งหมดนี้เป็นวอนเกาหลีตามแพ็กเกจที่คลิปต้นทางใช้ ฝั่งไทยคิดคนละเรตและเคยสรุปไว้แล้วใน Gemini Omni คู่แข่งวิดีโอ AI ตัวใหม่ของ Google ที่คนไทยเริ่มใช้ได้

ส่วนใครที่ยังไม่อยากจ่ายรายเดือน ช่วงที่คลิปต้นทางเผยแพร่ Google Flow แจกโบนัสวันละ 50 เครดิตถึงวันที่ 30 สิงหาคม ซึ่งพอทำคลิปความยาว 6 วินาทีได้ราว 5 คลิป อีกทางคือลดความยาวคลิปจาก 8 วินาทีเหลือ 6 วินาที ซึ่งช่วยประหยัดเครดิตได้จริง แลกกับระยะเผื่อตอนตัดต่อที่หายไป

ใส่เสียงด้วย Typecast แล้วตัดต่อใน CapCut โดยยึดกฎสองข้อ

คลิปต้นทางชี้ว่าเสียงบรรยายที่คุ้นหูในคลิปสายความรู้ไม่ได้มาจากคนพากย์ แต่มาจากเว็บสังเคราะห์เสียงอย่าง Typecast ขั้นตอนสั้นมาก คือกด New project ตั้งชื่องาน ค้นหาตัวละครเสียงที่ต้องการ วางสคริปต์ทั้งก้อนลงไป แล้วระบบอ่านให้ทั้งหมด ในคลิปต้นทางเลือกเสียงชื่อ 필제 (Pilje) และบอกว่าอีกเสียงที่ช่องสายความรู้เกาหลีนิยมใช้กันคือ 모건 (Morgan)

หลักการเลือกสำคัญกว่าชื่อของเสียง คือฟังแล้วต้องเข้ากับน้ำหนักของเนื้อหา เรื่องจริงจังกับเรื่องเบาๆ ใช้เสียงคนละแบบ

ขั้นตัดต่อใช้ CapCut แอปตัดต่อวิดีโอที่ใช้ได้ทั้งบนมือถือและคอม ตั้งอัตราส่วนเป็น 9:16 ก่อน แล้วดาวน์โหลดไฟล์ต้นฉบับจาก Google Flow ทีละคลิป ลากเข้าไปวางเรียงบนไทม์ไลน์ จากนั้นเอาไฟล์เสียงจาก Typecast วางเป็นแทร็กเสียงไว้ใต้วิดีโอ แล้วเติมคำบรรยายด้วยการพิมพ์เอง หรือใช้ฟังก์ชันถอดเสียงอัตโนมัติอย่าง auto-caption

กฎการตัดต่อที่คลิปต้นทางสรุปไว้มีแค่สองข้อ ข้อแรกคือเปลี่ยนฉากตรงจุดที่ประโยคพูดจบพอดี ห้ามตัดตอนเสียงยังพูดค้างอยู่ เพราะคนดูจะรู้สึกสะดุดโดยไม่รู้ว่าสะดุดเพราะอะไร ข้อสองคือใส่ซับไตเติลทุกคลิป เพราะคลิปต้นทางย้ำว่าคนดูคลิปสั้นจำนวนมากเปิดดูแบบปิดเสียง คลิปที่ไม่มีตัวหนังสือจึงเท่ากับคลิปเปล่าสำหรับคนกลุ่มนั้น

สิ่งที่แยกคนทำได้จริงออกจากคนที่ลองแล้วเลิก

ประเด็นที่คลิปต้นทางย้ำหนักที่สุดกลับไม่ใช่เรื่องพรอมต์หรือเครื่องมือ แต่เป็นความสม่ำเสมอในการปล่อยคลิป ช่องที่ไปได้ไกลไม่ใช่ช่องที่คลิปแรกสวยที่สุด แต่เป็นช่องที่ยังปล่อยคลิปอยู่ในเดือนที่สาม

อุปสรรคของความสม่ำเสมอคือการต้องทำขั้นตอนเดิมซ้ำๆ เอง ถ้าทุกคลิปต้องเปิด Gemini เขียนพรอมต์ใหม่ตั้งแต่ศูนย์ และไล่ตั้งค่าเดิมซ้ำทุกครั้ง ความเหนื่อยจะสะสมจนหยุดไปเอง ทางแก้ที่คลิปต้นทางเสนอคือทำทุกขั้นตอนให้เป็นสูตรที่สั่งรันซ้ำได้ บันทึกไว้ว่าต้องถามอะไร ตั้งค่าอะไร และล็อกข้อกำหนดอะไรบ้าง แล้วรอบต่อไปแค่เปลี่ยนหัวข้อกับวัตถุดิบ คนทำเทียบว่าเหมือนสอนพนักงานใหม่ครั้งแรกให้ละเอียดแล้วทำเป็นคู่มือไว้ ครั้งต่อไปไม่ต้องสอนใหม่ทั้งชุด

เรื่องนี้ตรงกับสิ่งที่คนทำเองยอมรับไว้ในคลิปด้วย ว่าผลงานที่ออกมายังสู้ช่องต้นแบบไม่ได้ทุกจุด เพราะตั้งใจไม่ทำให้เหมือนเป๊ะ ความสมบูรณ์ของคลิปเดียวจึงไม่ใช่ตัวชี้วัดของงานสายนี้ ตัวชี้วัดจริงคือความเร็วในการทำรอบถัดไป

ลองเริ่มจากหัวข้อที่ตัวเองรู้ดีอยู่แล้วสักเรื่อง ทำให้จบหนึ่งคลิป แล้วจับเวลาดูว่ารอบที่สองใช้เวลาเท่าไร ตัวเลขนั้นแหละคือคำตอบว่าจะไปต่อได้อีกไกลแค่ไหน

ที่มา: คลิป AI 건축 쇼츠 30분 만에 만드는 법 전부 공개합니다 (+프롬프트 제공) | 제미나이, Veo Omni จากช่อง 원카AI Wonka