ทำอย่างไรให้ตัวละคร AI คงความสม่ำเสมอข้ามฉากและข้ามตอน?

หยุดบรรยายตัวละครใหม่ซ้ำ ๆ แล้วเริ่ม “ใช้เพอร์โซนาเดิม” ให้เป็น สร้างใบหน้า เสียง และลุคครั้งเดียวในรูปแบบอวาตาร์ที่บันทึกไว้ จากนั้นสร้างทุกฉากถัดไปโดยยึดเพอร์โซนานั้น แทนการเขียนพรอมป์ต์ใหม่ทุกครั้ง และทำลิสต์สั้น ๆ ไว้ว่าอะไร “ห้ามเปลี่ยน” เช่น เธอดูอายุประมาณไหน แสกผมอยู่ตรงไหน ใส่อะไรเป็นประจำ และเสียงเป็นแบบไหน แล้วเช็กเฟรมแรกของแต่ละฉากใหม่เทียบกับตอนล่าสุด เพราะอาการ “เพี้ยน” มักเริ่มจากรายละเอียดเล็ก ๆ ก่อนที่ใครจะอธิบายออกมาได้

ทำวิดีโอตัวละคร AI แบบทีละขั้นได้อย่างไร?

มี 6 ขั้นตอน ตามลำดับนี้: ตัดสินใจก่อนว่าตัวละครคือใคร แล้วล็อกการตัดสินใจนั้นให้เป็นเพอร์โซนาที่ใช้ซ้ำได้ 1 ชุดก่อนจะสร้างอะไร จากนั้นทำให้เพอร์โซนาเคลื่อนไหวทีละช็อต ใส่ “เสียง” เดียวให้มัน สร้างห้อง พร็อพ และตัวประกอบรอบ ๆ ตัวละคร เคลียร์การอนุญาตเป็นลายลักษณ์อักษรสำหรับใบหน้าหรือเสียงของคนจริงก่อนจะมีแม้แต่เฟรมเดียว แล้วค่อยยกระดับอาร์ตให้ถึงความละเอียดที่งานปล่อยต้องใช้ เครื่องมือออกแบบตัวละครอาจจบที่รูปภาพ และเครื่องมือสร้างวิดีโอตัวละคร AI อาจได้มาเป็นคลิปเดียว แต่ขั้นตอนเหล่านี้คือหน้าตาของงานจริงเมื่อคุณต้องให้ตัวละครเดิมกลับมาในตอนถัดไป และผลลัพธ์ที่ได้คือชุดช็อตและแอสเซ็ตตัวละครที่คุณนำไปตัดต่อเองได้

ตัวละคร 2 ตัวคุยกันในฉากเดียวกันได้ไหม?

สร้างฉากบทสนทนาในแบบที่คนตัดต่อได้รับงานจริง ๆ: แยกเป็นช็อตตามตัวละคร แล้วคัตสลับกันไปมาได้ แต่ละตัวละครถูกสร้างจาก persona ที่ล็อกไว้ของตัวเอง จึงทำให้ใบหน้าทั้งสองคงที่ และคุณเป็นคนตัดสินใจว่าแต่ละประโยคให้ใครอยู่บนจอ มองไปทางไหน และเว้นจังหวะก่อนคำตอบนานแค่ไหน จังหวะที่ทำให้การโต้ตอบหลายตัวละคร “เวิร์ก” เป็นการตัดสินใจของผู้กำกับ ไม่ใช่การตั้งค่าการสร้าง

ตัวละครเป็นสัตว์ มาสคอต หรือสิ่งที่ไม่ใช่มนุษย์ได้ไหม?

ได้ แต่มีข้อจำกัดที่ต้องบอกกันตรง ๆ อยู่หนึ่งข้อ สิ่งมีชีวิตแบบสไตล์จัด สัตว์ หรือมาสคอตของแบรนด์สามารถยึดเป็น persona และทำให้เคลื่อนไหวได้แบบเดียวกับตัวละครมนุษย์ และกติกาเรื่อง “ลุค” ก็ใช้ได้เหมือนกัน ข้อจำกัดคือ “ปาก”: การขยับพูดถูกโมเดลจากใบหน้ามนุษย์ ดังนั้นปากกระบอก จะงอยปาก หมวกกันน็อก หรือกรามที่สไตล์จัดมาก ๆ จะดูใกล้เคียงมากกว่าตรงเป๊ะ และปากยาว ๆ/จะงอยปากยาว ๆ จะยากที่สุด ทีมที่ทำงานกับตัวละครไม่ใช่มนุษย์มักจะทำช็อตพูดให้สั้น เลือกมุม 3/4 และมุมด้านข้าง และให้เสียงกับจังหวะคัตเป็นตัวพาไลน์มากกว่าปาก

ภาพต้นฉบับของตัวละครควรมีลักษณะอย่างไร?

ใช้ภาพตัวละครที่คมชัด แสงดี หันหน้าเข้ากล้อง จัดเฟรมประมาณตั้งแต่ช่วงไหล่ขึ้นไป และต้องเห็นใบหน้าครบทั้งหน้า: ไม่ใส่แว่นกันแดด ไม่เอามือบังแนวกราม ไม่มีผมปิดตาข้างใดข้างหนึ่ง ไม่มี motion blur หนัก ๆ และไม่ใช่ใบหน้าเล็ก ๆ ที่ครอปมาจากรูปหมู่ ถ้าภาพต้นฉบับไม่ดี ปัญหาจะ “เดาได้” มากกว่าเกิดแบบสุ่ม: ตาลอย ปากเสียรูปทันทีที่มีบทพูด และหน้าเปลี่ยนไปมาระหว่างช็อต ซึ่งก็คืออาการ drift ที่ persona ถูกสร้างมาเพื่อกันนั่นเอง การเปลี่ยนภาพต้นฉบับช่วยแก้ได้มากกว่าการกดสร้างใหม่จากภาพแย่ ๆ กี่ครั้งก็ตาม

ฉันสามารถสร้างตัวละครจากใบหน้าหรือเสียงของคนจริงได้ไหม?

ได้ เฉพาะเมื่อมีหนังสือยินยอมเป็นลายลักษณ์อักษรจากเจ้าตัวเท่านั้น โดยต้องได้รับก่อนจะสร้างอะไรทั้งสิ้น และต้องระบุชื่อตัวละคร เนื้อหาที่จะไปปรากฏ ช่องทาง/สถานที่ที่จะเผยแพร่ และระยะเวลาที่ใช้ Face Swap ใช้ภาพลักษณ์ที่ได้รับอนุญาตไปวางลงบนภาพนิ่ง และ Voice Changer ใช้แทนที่เสียงที่ส่งมอบในไฟล์บันทึกเสียงที่คุณเป็นเจ้าของ แต่ทั้งสองอย่างไม่ได้ “สร้างสิทธิ์อนุญาต” ให้คุณ และตัวละครที่สร้างขึ้นก็ห้ามนำเสนอให้เหมือนเป็นฟุตเทจจริงของคนจริงด้วย

วิดีโอตัวละคร AI เพื่อการเล่าเรื่อง: คงตัวละครเดิมในทุกตอน

ซีรีส์ที่ขับเคลื่อนด้วยตัวละครจะรอดหรือร่วงก็อยู่ที่ “การจดจำได้” ผู้ชมต้องยอมรับได้แบบไม่ต้องคิดว่า ใบหน้าในฉากนี้คือใบหน้าเดียวกับฉากก่อน เสียงเป็นของคนเดิม และตัวละครไม่ได้ค่อย ๆ กลายเป็นคนละคนระหว่างตอน หน้านี้อธิบายแบบเป็นขั้นตอนว่าทีมเล่าเรื่องจะทำวิดีโอตัวละคร AI ให้กลมกลืนต่อเนื่องทั้งซีรีส์ได้อย่างไร: กำหนดตัวละครเพียงครั้งเดียวให้เป็น persona ที่ล็อกใบหน้า เสียง และลุคให้คงที่ จากนั้นสร้างฉากและช็อตบทสนทนาบน persona เดิม แทนการเขียนคำบรรยายใหม่ทุกครั้ง และทำให้อาร์ตตัวละครคมพอสำหรับไฟล์มาสเตอร์ส่งมอบ VisionStory สร้างแอสเซ็ตตัวละครและช็อตต่าง ๆ ให้ แต่ไม่ได้เขียนเรื่องให้คุณ ไม่ได้ตัดต่อทั้งตอนให้ และไม่ได้ตัดสินใจว่าอะไรจะถูกเผยแพร่ หากตัวละครสร้างจากใบหน้าหรือเสียงของบุคคลจริง ต้องมีหนังสือยินยอมเป็นลายลักษณ์อักษรจากเจ้าของก่อนเสมอ

ลองเลยตอนนี้

เวิร์กโฟลว์วิดีโอตัวละคร AI ที่ทำให้ใบหน้า เสียง และลุคของตัวละครเดียวกันคงที่ตลอดทุกฉากและทุกตอน

สิ่งที่ใส่เข้าไปและสิ่งที่ได้กลับมา

เหมาะสำหรับใคร

ทีมเล่าเรื่องและทีม IP

ทีมที่เล่าเรื่องแบบเป็นตอน: ซีรีส์สั้นที่ขับเคลื่อนด้วยตัวละคร งานเล่าเรื่องแบบแอนิเมชัน และตัวละครแบรนด์ IP ที่ต้องกลับมาอีกในเดือนหน้าแล้วยังต้องถูกจำได้

เริ่มต้นด้วยอะไร

ตัวละครที่คุณกำหนดไว้แล้ว

คำอธิบายตัวละครที่เขียนไว้หรือภาพอ้างอิง สคริปต์หรือบทสนทนาของคุณ และหนังสือยินยอมเป็นลายลักษณ์อักษรสำหรับใบหน้าหรือเสียงของบุคคลจริงที่นำมาใช้เป็นพื้นฐานของตัวละคร

คุณจะได้อะไร

persona ที่ใช้ซ้ำได้และช็อตของมัน

โปรไฟล์ตัวละครแบบล็อกคงที่ 1 ชุด พร้อมภาพฉาก ช็อตแอนิเมชัน และคีย์อาร์ตขนาดสำหรับส่งมอบที่สร้างจากโปรไฟล์นั้น ส่งคืนเป็นไฟล์เพื่อให้คุณนำไปตัดต่อและเผยแพร่เอง

อะไรจะเปลี่ยนไปเมื่อตัวละครไม่หลุดโทนอีกต่อไป

งานที่ขับเคลื่อนด้วยตัวละครมักพลาดในแบบเฉพาะ ไม่ใช่พลาดที่การเขียน และไม่ใช่พลาดที่การเรนเดอร์ แต่พลาดในวินาทีที่ผู้ชมหยุดเชื่อว่า “คนบนจอ” ในตอนที่ 5 คือคนเดียวกับที่พวกเขาเจอในตอนที่ 1 ทุกอย่างด้านล่างนี้ว่าด้วยการยึดความเชื่อนั้นให้คงอยู่ข้ามฉาก ข้ามซีซัน และข้ามมือคนทำงานในแต่ละสัปดาห์ รวมถึงแยกให้ชัดว่าส่วนไหนที่เวิร์กโฟลว์ช่วยแบกได้ และส่วนไหนที่ต้องเป็นการตัดสินใจของคนจริง ๆ

ตอนที่ 9 ยังดูเหมือนตอนที่ 1

พอตอนที่ 3 ขึ้นไป คอมเมนต์แรกใต้คลิปกลับถามว่า “นี่ใช่เด็กผู้หญิงคนเดียวกับตอนที่ 1 ไหม” ในทางเทคนิคใช่ แต่กรามแคบลง แสกผมสลับข้าง และสีตาอ่อนลงนิดหนึ่ง พอผู้ชมสังเกตได้เมื่อไร เขาจะมองหน้าแทนที่จะตามเรื่อง การใส่พรอมป์ต์คำบรรยายเดิมที่เคยใช้ได้ผลในตอนที่ 1 กลับได้ “ญาติ” มา ไม่ใช่ตัวละครคนเดิม

วิธีแก้คือหยุด “อธิบาย” ตัวละคร แล้วเริ่ม “ใช้ซ้ำ” persona ที่สร้างไว้ครั้งเดียวจะยึดใบหน้า เสียง และลุคให้เป็นจุดอ้างอิงแบบคงที่ และทุกฉากถัดไปจะถูกสร้างจากอ้างอิงนั้น แทนที่จะสร้างจากย่อหน้าที่ใครสักคนเขียนใหม่จากความจำ VisionStory ช่วยให้ตัวละครยังถูกจำได้ แต่ไม่ได้ตัดสินว่าเธอคือใคร คุณยังต้องเขียนตัวละครให้ชัด และยังต้องดูเฟรมแรกของทุกฉากใหม่เพื่อจับรายละเอียดที่ชอบหลุด: ชุด ทรงผม แนวไรผม หรือรอยแผลเล็ก ๆ ที่ต้องอยู่แก้มข้างเดิมเสมอ

เขียนฉากบทสนทนาให้เป็นงานตัดต่อ ไม่ใช่พรอมป์ต์

บีตของฉากนี้อธิบายง่ายแต่สร้างยาก: ตัวละคร 2 คนอยู่ที่โต๊ะ คนหนึ่งโกหก อีกคนจับได้ช้ากว่าไป 1 วินาที แต่พอขอด้วยพรอมป์ต์เดียว ฉากหลายตัวละครมักกลายเป็นคน 2 คนพูดใส่กล้องพร้อมกัน ไม่มีใครมองอีกคน และจังหวะเงียบที่พยุงทั้งบีตก็หายไป ฟุตเทจจึงแทบไม่มีอะไรให้ตัด เพราะช็อตนั้นไม่ได้ถูกออกแบบมาเพื่อให้ตัดต่อได้ตั้งแต่แรก

สร้างฉากในแบบที่ทีมตัดต่ออยากได้รับจริง ๆ ตัวละครแต่ละคนได้ช็อตของตัวเอง สร้างจากโปรไฟล์ที่ล็อกไว้ของตัวเอง จึงทำให้ใบหน้าคงที่ตลอด ขณะที่คุณตัดสินใจว่าแต่ละประโยคให้ใครอยู่บนจอ และตอนประโยคนั้นลงจังหวะเขาควรมองไปทางไหน การสลับพูด การรีแอ็กชันที่มาช้า ความเงียบก่อนคำตอบ—ทั้งหมดนั้นคือ “คัต” ที่คุณเลือก ไม่ใช่การตั้งค่า VisionStory สร้างช็อตและเสียงให้ ส่วนจังหวะที่ทำให้ฉากมันเวิร์กยังเป็นการตัดสินใจของผู้กำกับอยู่ดี

ตัวละครคือชุดของกฎ ไม่ใช่โฟลเดอร์รวมสกรีนช็อต

คนที่ “รู้จัก” ตัวละครจริง ๆ มักมีแค่ฟรีแลนซ์คนเดียว และสิ่งที่เขารู้ก็อยู่ในโฟลเดอร์อ้างอิงบนแล็ปท็อปของเขา กับอยู่ในหัวของเขาเอง พอจบซีซันสัญญาก็หมด คนถัดไปมาเปิดอาร์ไคฟ์ แล้วไล่ย้อนจากภาพนิ่งเพื่อเดาเอา: แจ็กเก็ตนี่เป็นส่วนหนึ่งของคาแรกเตอร์ หรือแค่อีพี 4 เธอเคยพูดวลีติดปากในองก์แรกไหม เธอควรถูกอ่านว่าอายุเท่าไหร่ ผ่านไป 10 ตอนแล้วก็ไม่มีใครตอบได้โดยไม่ต้องเลื่อนหา

มองตัวละครเป็น 4 อย่างที่ต้องไปด้วยกันเสมอ: ใบหน้า เสียง วิธีการพูด และรายการกฎด้านลุคแบบสั้น ๆ ที่ “ห้ามเปลี่ยน” เก็บทั้งหมดไว้เป็นเพอร์โซนาที่ใช้ซ้ำได้หนึ่งชุด พร้อมไลบรารีฉากที่ตั้งชื่อไว้ข้าง ๆ ชุดนี้ส่งต่อกันได้จริง ผู้ร่วมงานคนใหม่แค่เปิดโปรไฟล์แล้วสร้างฉากถัดไปจากมัน แทนที่จะต้องถอดรหัสย้อนจากฉากก่อนหน้า กฎทั้งหมดคุณเป็นคนเขียนเอง และมันคุ้มที่จะเขียนก่อนอีพี 2 ไม่ใช่มาเขียนหลังอีพี 9

เมื่อสร้างตัวละครจากคนจริง

ตัวละครในเรื่องจำนวนมากเริ่มจาก “คนจริง” เช่น ผู้ก่อตั้งที่กลายเป็นมาสคอตของแบรนด์ นักแสดงที่ถูกแคสต์ในซีรีส์ หรือเพื่อนร่วมงานที่ทุกคนคุ้นเสียงและโยงกับรายการนั้นอยู่แล้ว คำว่า “ตกลง” ที่เริ่มทุกอย่างอาจเกิดขึ้นแค่ครั้งเดียวในห้องประชุม เพื่อไพล็อตที่ตอนนั้นก็ไม่มีใครมั่นใจว่าจะไปไกลเกิน 6 ตอน แต่สองซีซันถัดมา ใบหน้าเดิมกลับไปโผล่ในงานโฆษณาแบบเสียเงินในอีกตลาดหนึ่ง เป็นอีกภาษา—ภาษาที่เจ้าตัวพูดไม่เป็น—และทั้งหมดนี้ไม่เคยอยู่ในการคุยครั้งแรกเลย

การอนุญาตไม่ใช่ประตูที่ผ่านครั้งเดียวแล้วจบ แต่มันคือ “ขอบเขต” ที่มีเส้นขอบ—และเส้นขอบนี่แหละที่รายการที่กำลังโตจะก้าวข้ามอยู่เรื่อย ๆ หนังสือยินยอมที่ระบุชัดเจนถึงตัวละคร เนื้อหา ตลาด และระยะเวลา คือสิ่งที่ทำให้งาน “นำไปใช้ได้จริง” ดังนั้นทุกครั้งที่มีการขยาย จึงควรกลับไปทบทวนและขยายขอบเขตก่อนสร้างเฟรม ไม่ใช่หลังแคมเปญออกอากาศแล้ว: ซีซันใหม่ พื้นที่ใหม่ การวางสินค้าแบบเสียเงิน สปินออฟ หรือแบรนด์พาร์ทเนอร์ ภายในขอบเขตนั้น งานก็เป็นงานปกติ—เอาใบหน้าไปวางในภาพนิ่งโดยคงแสงและองค์ประกอบเดิมไว้ และการอ่านที่บันทึกไว้ยังคงจังหวะและน้ำหนักเสียงเดิม ขณะที่เสียงที่ส่งมอบกลายเป็นเสียงของตัวละคร แต่ถ้าอยู่นอกขอบเขตนี้ ไม่มีเวิร์กโฟลว์ไหนทำให้ฟุตเทจเผยแพร่ได้

ตัวละครที่พูดได้ถูกตัดสินที่ “ปาก” และ “ดวงตา”

คาแรกเตอร์ชีตที่ทุกคนอนุมัติแล้ว อาจพังทันทีที่ตัวละครต้องมีบทพูด คนดูจะหยุด “อ่านภาพ” แล้วเริ่ม “อ่านปาก”: รูปปากตรงกับพยัญชนะไหม สายตาอยู่ที่คนที่กำลังคุยด้วยหรือเลยเลนส์ไปนิด ๆ ศีรษะยังค่อย ๆ ลอยหลังจากประโยคจบแล้วหรือเปล่า สิ่งพวกนี้มองไม่เห็นในภาพนิ่ง และก็แก้ไม่ได้ด้วยการทำภาพนิ่งให้ดีขึ้น

เพราะงั้นให้มองช็อตพูดเป็น “ช็อตที่มีความยาว” ไม่ใช่คลิปที่ต้องยาวเท่าเสียงเสมอ เทคต่อเนื่องเทคเดียวของตัวละครที่สร้างขึ้นมาจะเอาอยู่ได้แค่ไม่กี่วินาที ก่อนที่ความผิดพลาดเล็ก ๆ จะสะสมจนหน้าดูสังเคราะห์ ซึ่งคำตอบที่ซื่อสัตย์สำหรับบทพูดยาว ๆ ก็คือ “คัต”: ไปที่คนฟัง ไปที่รีแอ็กชัน ไปที่มือ แล้วค่อยกลับมา ตัดสินใจเรื่องแนวสายตาก่อนสร้าง แทนที่จะมาทะเลาะกับมันทีหลัง ทำให้แต่ละเทคสั้นพอเพื่อให้ภาพยังสะอาด และคัตตามประโยค แทนการยืดช็อตให้เกินกว่าที่มันรับไหว ถ้าช่วงหนึ่งจำเป็นต้องยาวจริง ๆ วิธีแก้คือการกำกับ ไม่ใช่เรนเดอร์ให้ยาวขึ้น

ทีมที่ขับเคลื่อนด้วยตัวละครใช้ VisionStory อย่างไร

คำตอบแบบสั้น ๆ ของการทำวิดีโอตัวละคร AI คือ “ทำให้ตัวละครนิ่งก่อน” แล้วทุกอย่างหลังจากนั้นค่อยสร้างอิงตามมัน โปรไฟล์ตัวละครมีค่ามากกว่าคำบรรยายตัวละคร และความต่างอยู่ที่สิ่งที่คุณใส่ลงไป: ใบหน้าเดียว เสียงเดียว วิธีการพูด และรายการกฎด้านลุคแบบสั้น ๆ ที่ห้ามขยับ ทำให้ 4 อย่างนี้ลงตัว แล้วที่เหลือส่วนใหญ่คือการลงมือทำ 6 ขั้นตอนด้านล่างยังชี้จุดที่มนุษย์ต้องตัดสินใจอยู่ โดยเฉพาะเมื่อเกี่ยวข้องกับใบหน้าหรือเสียงของคนจริง และกับสิ่งที่จะถูกเผยแพร่ออกไปจริง ๆ

ก่อนเผยแพร่อะไรก็ตาม หัวหน้าคอนเทนต์ต้องยืนยันขอบเขตการอนุญาตของใบหน้าและเสียงของตัวละคร ตรวจสอบว่าภาพต้นฉบับและไฟล์บันทึกได้รับการเคลียร์สิทธิ์สำหรับการใช้งานนี้แล้ว และยืนยันว่าตัวละครที่สร้างขึ้นจะไม่ถูกนำเสนอว่าเป็นคนจริง

01
ล็อกตัวละครให้เรียบร้อยก่อนมีฉากแรก
สร้างตัวละครครั้งเดียวให้เป็นเพอร์โซนาที่ใช้ซ้ำได้ โดยให้ใบหน้า เสียง และลุคคงที่ในทุกวิดีโอที่สร้างจากมัน แล้วใช้เพอร์โซนานั้นเป็นตัวอ้างอิงให้ทุกอย่างถัดไป ในผลิตภัณฑ์ เพอร์โซนานี้คืออวาตาร์: โปรไฟล์ที่บันทึกไว้หนึ่งอันที่คุณชี้ให้ทุกฉากในอนาคตใช้อ้างอิง แทนการพิมพ์คำบรรยายใหม่ทุกครั้ง จดกำกับไว้ข้าง ๆ ว่าอะไร “ห้ามเปลี่ยน”: อายุที่ตัวละครควรถูกอ่านว่าเป็น แนวไรผม กฎเรื่องเสื้อผ้า สำเนียง และนิสัยการพูด 2 อย่างที่ทำให้บทสนทนาฟังแล้วเป็นเธอ VisionStory ทำให้เพอร์โซนานิ่งข้ามฉากได้ ส่วนการตัดสินใจว่าตัวละครคือใคร และอะไรทำให้คนจำเธอได้—นั่นคือส่วนที่คุณต้องเป็นเจ้าของ
เครื่องมือ อินฟลูเอนเซอร์ AI
สร้างเพอร์โซนาเสมือนที่ใช้ซ้ำได้ 1 แบบ โดยกำหนดใบหน้า เสียง และลุคให้คงที่ เพื่อให้จดจำได้เหมือนเดิมในทุกวิดีโอ
02
ทำให้ตัวละครขยับได้ก่อน แล้วค่อยสร้างทุกอย่างรอบตัวมัน
เมื่อกำหนดเพอร์โซนาเรียบร้อยแล้ว สิ่งถัดไปที่ต้องพิสูจน์คือมัน “ขยับได้” ใช้ ภาพเป็นวิดีโอ เพื่อเปลี่ยนภาพตัวละครที่ได้รับอนุญาต 1 ภาพให้เป็นคลิปสั้นที่ควบคุมการเคลื่อนไหวได้ ทำทีละช็อตแทนการทำทั้งฉากในครั้งเดียว ช็อตที่ตัดต่อได้คือสิ่งที่บทสนทนาสลับกันสร้างขึ้นมา และยังเป็นที่สำหรับใส่รีแอ็กชันที่มา “ช้ากว่า” หนึ่งจังหวะ คุมการขยับให้เท่าที่โมเมนต์นั้นต้องการ เพราะตัวละครที่ลอยไปลอยมาในเฟรมจะดูเหมือนเอฟเฟกต์มากกว่าการแสดง การได้เห็นตัวละครเคลื่อนไหวตั้งแต่เนิ่น ๆ ยังช่วยบอกด้วยว่าโปรไฟล์/คาแรกเตอร์มันใช่ไหม ในช่วงที่ยังเปลี่ยนได้แบบไม่เปลืองมาก งานตัดต่อที่รวมคลิปเหล่านั้นให้กลายเป็นฉาก เป็นของคุณ
เครื่องมือ ภาพเป็นวิดีโอ
ทำให้ภาพพอร์ตเทรต สินค้า หรือฉากที่ได้รับอนุมัติ 1 ภาพเคลื่อนไหวเป็นคลิปวิดีโอสั้น พร้อมควบคุมการเคลื่อนไหวได้
03
ให้ตัวละครมี “เสียง” เดียว โดยไม่ต้องแสดงฉากนั้นใหม่
พูดบทสนทนาด้วยตัวคุณเอง หรือใช้เทคที่มีอยู่แล้ว จากนั้นนำไปผ่าน เปลี่ยนเสียง เพื่อให้เสียงที่ได้กลายเป็นเสียงของตัวละคร ขณะที่จังหวะการพูด น้ำหนัก และการหยุดของการแสดงต้นฉบับยังคงอยู่ตามที่นักแสดงวางไว้ เครื่องมือนี้คุ้มค่ามากเมื่อทุกอย่างดีหมดแล้ว “ยกเว้นเสียง” และเมื่อจำเป็นต้องให้ตัวละครฟังเหมือนเดิมตลอดทั้งซีซันที่อัดโดยคนละคนคนละวัน หากเสียงเป้าหมายอ้างอิงจากบุคคลจริง ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรก่อนที่คุณจะสร้างอะไรทั้งนั้น
ฟีเจอร์ เปลี่ยนเสียง
เปลี่ยนเสียงในไฟล์บันทึกที่มีอยู่ โดยคงจังหวะเวลาและอารมณ์การพูดเดิมไว้
04
สร้างโลกที่ตัวละครอาศัยอยู่
พอตัวละครเคลื่อนไหวแล้ว “ดูใช่” ให้ใช้ เครื่องมือสร้างภาพด้วย AI สร้างทุกอย่างรอบตัวมัน: ตัวประกอบ ห้องและถนนที่ฉากต้องใช้ พร็อพ ภาพหน้าปก และภาพขนาดย่อของแต่ละตอน เก็บผลลัพธ์ไว้ในคลังฉาก โดยตั้งชื่อแยกตามตอนและบีต เพื่อให้นักเขียนคนที่ 3 ในโปรเจกต์หา “ห้องครัวจากตอน 2” ได้ทันที แทนการสร้างใหม่ ความต่อเนื่องมักพังตรงนี้บ่อยกว่าที่ตัวละครเอง ดังนั้นให้ตรวจภาพใหม่ทุกภาพเทียบกับกฎของตัวละครก่อนเข้าคลัง และเทียบกับตอนล่าสุดในรายละเอียดที่ผู้ชมจะสังเกตเห็น
เครื่องมือ เครื่องมือสร้างภาพด้วย AI
สร้างภาพหน้าปก ตัวละคร ฉาก และภาพประกอบที่เกี่ยวข้องจากพรอมป์ต์หรือภาพอ้างอิง
05
สลับหน้าได้เฉพาะใบหน้าที่คุณได้รับอนุญาตให้ใช้เท่านั้น
Face Swap แทนที่ใบหน้าในภาพนิ่งด้วยใบหน้าที่ได้รับอนุญาต พร้อมคงแสงและการจัดเฟรมเดิมไว้ นี่คือวิธีทำให้ตัวละครที่สร้างบนพื้นฐานของคนจริงคงความสม่ำเสมอทั้งในคีย์อาร์ตและภาพนิ่งของฉาก เครื่องมือนี้ใช้กับ “ภาพนิ่ง” ไม่ใช่คลิปที่ทำเสร็จแล้ว ก่อนเฟรมแรก ให้ขออนุญาตเป็นลายลักษณ์อักษรจากเจ้าของใบหน้า โดยระบุชื่อตัวละคร เนื้อหา และช่องทาง/สถานที่ที่จะเผยแพร่ และห้ามนำเสนอผลลัพธ์ว่าเป็นฟุตเทจจริงของเขาหรือเธอ หากการอนุญาตไม่ชัดเจน ให้สร้างตัวละครขึ้นมาแทน
เครื่องมือ สลับใบหน้า
แทนที่ใบหน้าในภาพนิ่งด้วยใบหน้าที่ได้รับอนุญาต โดยคงแสงและการจัดเฟรมเดิมไว้
06
ขยายอาร์ตตัวละครให้พร้อมขนาดส่งมอบ
นำคีย์อาร์ต ภาพพอร์ตเทรตตัวละคร ภาพอ้างอิงฉาก และภาพขนาดย่อ ไปผ่าน อัปสเกลภาพ เพื่อให้คมชัดและคงคุณภาพได้ในขนาดที่ไฟล์มาสเตอร์สุดท้ายจะส่งมอบจริง รวมถึงคลอสอัป 4K ที่ใบหน้าเต็มจอ สิ่งที่มักพังตรงนี้คือชีตตัวละครที่ทำเร็ว ๆ ด้วยขนาดเท่าที่เทสแรกต้องใช้ ดังนั้นให้เช็กผลลัพธ์ในขนาดเต็ม โดยโฟกัสส่วนที่ผู้ชมมองจริง: ดวงตา แนวไรผม ปาก การอัปสเกลช่วยเพิ่มความคมชัดและขนาดที่ใช้งานได้ แต่มันไม่สามารถเติมรายละเอียดที่ต้นฉบับไม่เคยมี ดังนั้นหน้าที่ผิดตอนเล็ก ก็จะผิดตอนใหญ่เหมือนกัน ทางออกคือสร้างใหม่อีกครั้งจากเพอร์โซนา
เครื่องมือ อัปสเกลภาพ
เพิ่มความคมชัดและขนาดที่ใช้งานได้ของภาพพอร์ตเทรต ภาพสินค้า ภาพขนาดย่อ และภาพอ้างอิง

บทเรียนสำหรับเวิร์กโฟลว์นี้

คำถามที่พบบ่อย

หยุดบรรยายตัวละครใหม่ซ้ำ ๆ แล้วเริ่ม “ใช้เพอร์โซนาเดิม” ให้เป็น สร้างใบหน้า เสียง และลุคครั้งเดียวในรูปแบบอวาตาร์ที่บันทึกไว้ จากนั้นสร้างทุกฉากถัดไปโดยยึดเพอร์โซนานั้น แทนการเขียนพรอมป์ต์ใหม่ทุกครั้ง และทำลิสต์สั้น ๆ ไว้ว่าอะไร “ห้ามเปลี่ยน” เช่น เธอดูอายุประมาณไหน แสกผมอยู่ตรงไหน ใส่อะไรเป็นประจำ และเสียงเป็นแบบไหน แล้วเช็กเฟรมแรกของแต่ละฉากใหม่เทียบกับตอนล่าสุด เพราะอาการ “เพี้ยน” มักเริ่มจากรายละเอียดเล็ก ๆ ก่อนที่ใครจะอธิบายออกมาได้
มี 6 ขั้นตอน ตามลำดับนี้: ตัดสินใจก่อนว่าตัวละครคือใคร แล้วล็อกการตัดสินใจนั้นให้เป็นเพอร์โซนาที่ใช้ซ้ำได้ 1 ชุดก่อนจะสร้างอะไร จากนั้นทำให้เพอร์โซนาเคลื่อนไหวทีละช็อต ใส่ “เสียง” เดียวให้มัน สร้างห้อง พร็อพ และตัวประกอบรอบ ๆ ตัวละคร เคลียร์การอนุญาตเป็นลายลักษณ์อักษรสำหรับใบหน้าหรือเสียงของคนจริงก่อนจะมีแม้แต่เฟรมเดียว แล้วค่อยยกระดับอาร์ตให้ถึงความละเอียดที่งานปล่อยต้องใช้ เครื่องมือออกแบบตัวละครอาจจบที่รูปภาพ และเครื่องมือสร้างวิดีโอตัวละคร AI อาจได้มาเป็นคลิปเดียว แต่ขั้นตอนเหล่านี้คือหน้าตาของงานจริงเมื่อคุณต้องให้ตัวละครเดิมกลับมาในตอนถัดไป และผลลัพธ์ที่ได้คือชุดช็อตและแอสเซ็ตตัวละครที่คุณนำไปตัดต่อเองได้
สร้างฉากบทสนทนาในแบบที่คนตัดต่อได้รับงานจริง ๆ: แยกเป็นช็อตตามตัวละคร แล้วคัตสลับกันไปมาได้ แต่ละตัวละครถูกสร้างจาก persona ที่ล็อกไว้ของตัวเอง จึงทำให้ใบหน้าทั้งสองคงที่ และคุณเป็นคนตัดสินใจว่าแต่ละประโยคให้ใครอยู่บนจอ มองไปทางไหน และเว้นจังหวะก่อนคำตอบนานแค่ไหน จังหวะที่ทำให้การโต้ตอบหลายตัวละคร “เวิร์ก” เป็นการตัดสินใจของผู้กำกับ ไม่ใช่การตั้งค่าการสร้าง
ได้ แต่มีข้อจำกัดที่ต้องบอกกันตรง ๆ อยู่หนึ่งข้อ สิ่งมีชีวิตแบบสไตล์จัด สัตว์ หรือมาสคอตของแบรนด์สามารถยึดเป็น persona และทำให้เคลื่อนไหวได้แบบเดียวกับตัวละครมนุษย์ และกติกาเรื่อง “ลุค” ก็ใช้ได้เหมือนกัน ข้อจำกัดคือ “ปาก”: การขยับพูดถูกโมเดลจากใบหน้ามนุษย์ ดังนั้นปากกระบอก จะงอยปาก หมวกกันน็อก หรือกรามที่สไตล์จัดมาก ๆ จะดูใกล้เคียงมากกว่าตรงเป๊ะ และปากยาว ๆ/จะงอยปากยาว ๆ จะยากที่สุด ทีมที่ทำงานกับตัวละครไม่ใช่มนุษย์มักจะทำช็อตพูดให้สั้น เลือกมุม 3/4 และมุมด้านข้าง และให้เสียงกับจังหวะคัตเป็นตัวพาไลน์มากกว่าปาก
ใช้ภาพตัวละครที่คมชัด แสงดี หันหน้าเข้ากล้อง จัดเฟรมประมาณตั้งแต่ช่วงไหล่ขึ้นไป และต้องเห็นใบหน้าครบทั้งหน้า: ไม่ใส่แว่นกันแดด ไม่เอามือบังแนวกราม ไม่มีผมปิดตาข้างใดข้างหนึ่ง ไม่มี motion blur หนัก ๆ และไม่ใช่ใบหน้าเล็ก ๆ ที่ครอปมาจากรูปหมู่ ถ้าภาพต้นฉบับไม่ดี ปัญหาจะ “เดาได้” มากกว่าเกิดแบบสุ่ม: ตาลอย ปากเสียรูปทันทีที่มีบทพูด และหน้าเปลี่ยนไปมาระหว่างช็อต ซึ่งก็คืออาการ drift ที่ persona ถูกสร้างมาเพื่อกันนั่นเอง การเปลี่ยนภาพต้นฉบับช่วยแก้ได้มากกว่าการกดสร้างใหม่จากภาพแย่ ๆ กี่ครั้งก็ตาม
ได้ เฉพาะเมื่อมีหนังสือยินยอมเป็นลายลักษณ์อักษรจากเจ้าตัวเท่านั้น โดยต้องได้รับก่อนจะสร้างอะไรทั้งสิ้น และต้องระบุชื่อตัวละคร เนื้อหาที่จะไปปรากฏ ช่องทาง/สถานที่ที่จะเผยแพร่ และระยะเวลาที่ใช้ Face Swap ใช้ภาพลักษณ์ที่ได้รับอนุญาตไปวางลงบนภาพนิ่ง และ Voice Changer ใช้แทนที่เสียงที่ส่งมอบในไฟล์บันทึกเสียงที่คุณเป็นเจ้าของ แต่ทั้งสองอย่างไม่ได้ “สร้างสิทธิ์อนุญาต” ให้คุณ และตัวละครที่สร้างขึ้นก็ห้ามนำเสนอให้เหมือนเป็นฟุตเทจจริงของคนจริงด้วย

ผู้ใช้ชื่นชอบ VisionStory

ค้นพบว่าทำไมครีเอเตอร์และนักการตลาดถึงไว้วางใจ VisionStory สำหรับการสร้างวิดีโอ AI ตั้งแต่ฟีเจอร์ทรงพลังไปจนถึงประสบการณ์ใช้งานที่ง่ายดาย ชุมชนของเราต่างพูดถึงผลลัพธ์ที่ยอดเยี่ยมที่ได้รับจาก VisionStory

4.6/5 บน G2 · 212 รีวิว

VisionStory AI Delivers Strong ROI with Fast, High-Quality Video Creation
I like VisionStory AI because it delivers strong ROI through intelligent automation. It helps me create high-quality video content much faster and at a lower cost than traditional production. The AI understands prompts well, produces natural results, and makes it easy to test creative ideas quickly.
AKI G.Small-Business · International Trade and Development
High-Quality Talking Videos at a Competitive Price
VisionStory is able to create high-quality talking videos at a very competitive cost. The video generation cost can be less than $1 per minute, while the final result is comparable to leading AI video models.
Tony L.Small-Business · Animation
Easy-to-Use Tool, Ideal for Educational Content
I like that VisionStory AI is very easy to apply and extremely easy to use. You don't really need to know much about AI or these types of systems to get started. I also appreciate that it helps me a lot by simply saying what I want to generate, I make a brief speech or what the character is going to say and let VisionStory AI do everything. Moreover, the initial setup was very simple, as I did it through my Google account and it was extremely easy. Apart from a few details, it is an excellent application.
Aaron Misael G.Small-Business · Animation
Podcast Feature That Auto-Splits Two Speakers—A Huge Time Saver
I love the podcast feature the best, although making other videos work great too. I can't believe that you can upload one audio file with 2 different people talking back and forth, and the program can automatically put the correct sections of the audio to the right character. That is such a time saver!
Jill H.Small-Business · Entertainment
Fast, Efficient PPT-to-Video Creation for Training and Team Updates
What I like best about VisionStory AI is its PPT-to-video feature. As a technical team leader, I often need to create internal training materials, project updates, and presentation videos for my team. VisionStory AI lets me turn slides into video content much faster, without having to spend extra time recording, editing, or coordinating production resources. Overall, it makes knowledge sharing and internal communication far more efficient.
Yanlong D.Mid-Market · Computer Software
VisionStory Turns PPTs into Ready-to-Use Presentation Videos in Minutes
In my daily work, I often need to present slides in video format, and VisionStory handles that perfectly. I just upload my PPT, add my own photo and voice, and it quickly creates a presentation video that’s ready to use. It saves me a lot of time and really improves my workflow.
liu s.Small-Business · Legal Services

ดูรีวิวทั้งหมดบน G2

เวิร์กโฟลว์การผลิตสื่อทั้งหมด

วิดีโอตัวละคร AI เพื่อการเล่าเรื่อง: คงตัวละครเดิมในทุกตอน

สิ่งที่ใส่เข้าไปและสิ่งที่ได้กลับมา

ทีมเล่าเรื่องและทีม IP

ตัวละครที่คุณกำหนดไว้แล้ว

persona ที่ใช้ซ้ำได้และช็อตของมัน

อะไรจะเปลี่ยนไปเมื่อตัวละครไม่หลุดโทนอีกต่อไป

ตอนที่ 9 ยังดูเหมือนตอนที่ 1

เขียนฉากบทสนทนาให้เป็นงานตัดต่อ ไม่ใช่พรอมป์ต์

ตัวละครคือชุดของกฎ ไม่ใช่โฟลเดอร์รวมสกรีนช็อต

เมื่อสร้างตัวละครจากคนจริง

ตัวละครที่พูดได้ถูกตัดสินที่ “ปาก” และ “ดวงตา”

ทีมที่ขับเคลื่อนด้วยตัวละครใช้ VisionStory อย่างไร

ล็อกตัวละครให้เรียบร้อยก่อนมีฉากแรก

ทำให้ตัวละครขยับได้ก่อน แล้วค่อยสร้างทุกอย่างรอบตัวมัน

ให้ตัวละครมี “เสียง” เดียว โดยไม่ต้องแสดงฉากนั้นใหม่

สร้างโลกที่ตัวละครอาศัยอยู่

สลับหน้าได้เฉพาะใบหน้าที่คุณได้รับอนุญาตให้ใช้เท่านั้น

ขยายอาร์ตตัวละครให้พร้อมขนาดส่งมอบ

บทเรียนสำหรับเวิร์กโฟลว์นี้

คำถามที่พบบ่อย

ผู้ใช้ชื่นชอบ VisionStory

VisionStory AI Delivers Strong ROI with Fast, High-Quality Video Creation

High-Quality Talking Videos at a Competitive Price

Easy-to-Use Tool, Ideal for Educational Content

Podcast Feature That Auto-Splits Two Speakers—A Huge Time Saver

Fast, Efficient PPT-to-Video Creation for Training and Team Updates

VisionStory Turns PPTs into Ready-to-Use Presentation Videos in Minutes