ผู้เขียน: ทีมเนื้อหา Changan I Biteye
คนที่ไม่เคยตัดวิดีโอมาก่อน สามารถสร้างวิดีโอสั้น AI ที่มีเรื่องราว บทพูด และการเปลี่ยนมุมกล้องได้ไหม?
ได้ และกระบวนการทั้งหมดใช้เวลาไม่เกินครึ่งวัน
บทความนี้สอนคุณวิธีการจาก: คิดเรื่องราว → แยกเป็นฉาก → สร้างวิดีโอ → ตัดต่อให้เสร็จ
ไม่จำเป็นต้องมีพื้นฐานใดๆ แค่ทำตามขั้นตอนหนึ่งครั้ง คุณจะได้วิดีโอสั้น AI ที่สมบูรณ์
หนึ่ง: จากความคิดไปสู่เรื่องราว: วิดีโอ AI ไม่ได้ถูกสร้างขึ้นจากคำสั่งเพียงหนึ่งข้อ
หลายคนเริ่มต้นทำวิดีโอ AI โดยเปิด Ji Meng แล้วนั่งมองช่องป้อนข้อความโดยไม่รู้จะพิมพ์อะไร หลังจากพิมพ์คำไม่กี่คำ ผลลัพธ์ที่ได้กลับต่างจากที่จินตนาการไว้มาก จึงเริ่มสงสัยว่าเครื่องมือนี้ใช้งานไม่ดี หรือตัวเองเขียนคำสั่งไม่เป็น
ตัวอย่างเช่น “ฉันอยากทำเรื่อง ‘ไบท์อาย สาวน้อยผู้เกิดใหม่กลับมาเป็นใหญ่ในวงการคริปโต’” นี่คือความคิด ไม่ใช่เรื่องราว
ความคิดคือทิศทาง ซึ่งบอกคุณว่าควรทำอะไรโดยคร่าวๆ เรื่องราวคือโครงสร้าง ซึ่งบอกคุณว่าแต่ละฉากควรถ่ายอะไรบ้าง จากความคิดสู่เรื่องราว มีงานหนึ่งที่ต้องทำระหว่างกัน งานนั้นคือการวางแผนสคริปต์
วิธีที่ง่ายที่สุดคือเปิด LLM ใดๆ ก็ได้ แล้วบอกความคิดที่คลุมเครือในหัวของคุณไปตรงๆ ให้มันช่วยขยายเรื่องให้คุณ คุณไม่จำเป็นต้องคิดรายละเอียดทั้งหมดด้วยตัวเอง แค่ให้ทิศทางเบื้องต้นเท่านั้น ส่วนที่เหลือสามารถร่วมกันสรุปผลกับมันได้
หลังจากกำหนดเรื่องราวแล้ว อย่าแยกฉากทันที แต่ให้แบ่งเป็นช่วงใหญ่ๆ ตามจังหวะการเล่าเรื่อง โดยแต่ละช่วงต้องชัดเจนว่ามีสิ่งสำคัญอะไรเกิดขึ้น ขั้นตอนนี้มีจุดประสงค์เพื่อควบคุมจังหวะโดยรวม และป้องกันไม่ให้ช่วงใดช่วงหนึ่งยาวเกินไปหรือเร็วเกินไป
วิดีโอเดี่ยวของ Ji Meng มีความยาวสูงสุด 15 วินาที โดยในทางปฏิบัติ ความยาวต่ำกว่า 12 วินาทีจะมีความเสถียรที่สุดและมีความเป็นไปได้ต่ำที่สุดที่ภาพจะเกิดปัญหา สำหรับวิดีโอความยาว 1 นาที ถ้าคำนวณเฉลี่ยที่ละ 10 วินาทีต่อชิ้น จะต้องใช้ประมาณ 5 ชิ้น
เราแบ่งเรื่องนี้ออกเป็นห้าย่อหน้า:
ย่อหน้าหนึ่ง: เปิดตัว โดยงานหลักคือการแนะนำบริบทและตัวละคร
ย่อหน้าที่สอง: การข้ามเวลา มีเป้าหมายหลักในการอธิบายเส้นเวลา
ย่อหน้าที่สาม: แสดงการเปลี่ยนแปลงของตัวละครจากความสับสนไปสู่ความตื่นตัว
คำนวณความมั่งคั่ง ผลักดันอารมณ์ให้ถึงจุดสูงสุด
ย่อหน้าที่ห้า: สรุปการกลับตัวให้สมบูรณ์ และปิดวงจรให้สอดคล้องกับส่วนเปิดต้น
หลังจากกำหนดย่อหน้าแล้ว ให้แบ่งแต่ละย่อหน้าออกเป็นคำอธิบายฉากเฉพาะเจาะจง แต่ละฉากเขียนสี่องค์ประกอบ: วัตถุหลักในภาพ ตำแหน่งที่ตั้ง กำลังทำอะไรอยู่ มุมกล้อง อย่าเขียนการเคลื่อนไหวในสคริปต์ฉาก ให้บรรยายเฉพาะช่วงเวลาที่นิ่ง
คัดลอกสคริปต์ในย่อหน้าที่หนึ่งลงในช่องแชท AI แล้วพิมพ์ “ช่วยสร้างคำอธิบายฉากจากสคริปต์ในสถานการณ์ที่หนึ่งให้ฉัน” ผลลัพธ์ที่ได้จะเป็นดังนี้👇
สอง: จากเรื่องราวสู่ภาพ: กำหนดตัวละคร ฉาก และสตอรี่บอร์ดให้ชัดเจนก่อน
บทนี้เป็นบทที่สำคัญที่สุดในกระบวนการทั้งหมด คุณภาพของภาพที่คุณสร้างขึ้นที่นี่จะกำหนดขีดจำกัดสูงสุดของคุณภาพวิดีโอสุดท้าย
สร้างภาพสามมุมก่อน แล้วจับตัวเอกของคุณให้แน่น
ก่อนที่จะสร้างสตอรี่บอร์ดใดๆ ขั้นแรกคือต้องสร้างภาพสามมุมของตัวละครหลักก่อน
มุมมองสามด้านคือภาพสามภาพของตัวละครเดียวกัน ได้แก่ ด้านหน้า ด้านข้าง และด้านหลัง โดยมีจุดประสงค์เพื่อกำหนดรูปร่างของตัวละครให้คงที่ ซึ่งจะใช้เป็นแนวทางในการสร้างฉากต่างๆ ต่อไปเพื่อรักษาความสอดคล้องของตัวละคร
หากข้ามขั้นตอนนี้และสร้างสตอรี่บอร์ดทันที คุณจะพบว่าตัวละครที่สร้างขึ้นแต่ละครั้งมีลักษณะแตกต่างกัน ทรงผมเปลี่ยน รูปหน้าเปลี่ยน วิดีโอนี้จึงทำต่อไม่ได้
เปิด ChatGPT/Seedream แล้วพิมพ์ในช่องแชท:
ช่วยสร้างภาพสามมุมของ Xiao Shimei จาก Biteye ให้ฉัน
AI จะสร้างภาพที่มีบุคคลเดียวกันในสามมุมมอง หากบุคคลที่สร้างขึ้นไม่ตรงกับที่คุณต้องการ คุณสามารถอัปโหลดรูปอ้างอิงได้
หลังจากพอใจกับมุมมองสามด้านแล้ว ให้ดาวน์โหลดรูปนี้ไว้ และในทุกครั้งที่สร้างวิดีโอใหม่ ให้อัปโหลดมันกลับไปเป็นภาพอ้างอิง
สร้างภาพอ้างอิงสถานการณ์อีกครั้ง ยึดพื้นหลังของคุณให้มั่นคง
หลังจากกำหนดตัวละครแล้ว ให้ใช้ตรรกะเดียวกันในการสร้างรูปภาพอ้างอิงสำหรับฉากก่อน โดยพิมพ์ในช่องแชทว่า “ช่วยสร้างรูปภาพสำนักงานให้ฉันหน่อย”
ก่อนเริ่มสร้างสตอรี่บอร์ดอย่างเป็นทางการ จำเป็นต้องเข้าใจแนวคิดพื้นฐานก่อน: ช็อตคือหน่วยการแสดงผลที่เล็กที่สุดของวิดีโอ
กล้องก็สามารถสื่อสารได้เช่นกัน ระยะภาพที่แตกต่างกันจะส่งผ่านข้อมูลที่ต่างกัน ระยะภาพที่พบบ่อยมีดังนี้:
มุมกว้าง: ให้ข้อมูลที่จำเป็น ผู้ชมจะรู้ว่าฉากนี้เกิดขึ้นที่ไหนและมีตัวละครใดบ้าง
มุมกลาง: ใช้ขับเคลื่อนเรื่องราว มองเห็นการเคลื่อนไหวและสีหน้าได้ชัดเจน เป็นมุมที่ใช้บ่อยที่สุดในการเล่าเรื่อง
ซูมพิเศษ: สร้างอารมณ์ โดยถ่ายเฉพาะใบหน้า มือ หรืออุปกรณ์สำคัญบางชิ้น เน้นรายละเอียดเพื่อสร้างผลกระทบทางอารมณ์อย่างรุนแรงให้กับผู้ชม
หลังจากเข้าใจแต่ละฉากแล้ว คุณต้องก้าวขึ้นไปอีกขั้นหนึ่ง: วิดีโอหนึ่งเรื่องไม่ใช่แค่ฉากเดียว แต่เป็นผลลัพธ์ของการรวมกันของหลายฉากตามจังหวะ
ในการผลิตจริง เรามักใช้ “กริด 4 ช่อง” และ “กริด 9 ช่อง” เพื่อจัดโครงสร้างภาพในวิดีโอหนึ่งช่วง — นั่นคือ การจัดเรียงภาพ 4 หรือ 9 ภาพเพื่อสื่อสารอย่างสมบูรณ์ในวิดีโอหนึ่งช่วง
การเลือกระหว่างตารางสี่ช่องและตารางเก้าช่อง เกี่ยวข้องกับการควบคุมจังหวะโดยพื้นฐาน:
ช่วงจังหวะช้า: เช่น การแนะนำสภาพแวดล้อมในตอนต้น หรือการปิดท้ายด้วยอารมณ์ ใช้กริดสี่ช่องก็เพียงพอ ภาพสี่ภาพมีพื้นที่เพียงพอให้แต่ละภาพได้หายใจ
ช่วงที่จังหวะเร็ว: เช่น ฉากต่อสู้ที่ถึงจุดสูงสุด ต้องตัดภาพอย่างรวดเร็วเพื่อสร้างความตื่นเต้น ตอนนี้ใช้ตาราง 3x3 ใส่ภาพเก้าฉากไว้ในวิดีโอเดียวกัน ผลลัพธ์ที่ได้จะแตกต่างอย่างสิ้นเชิง
เมื่อเข้าใจกล้องและจังหวะแล้ว สามารถเริ่มต้นกระบวนการผลิตจริงได้: เปลี่ยนเรื่องราวที่เป็นนามธรรมให้เป็นภาพที่ชัดเจน
เมื่อเตรียมภาพมุมมองสามด้านของตัวละครและภาพอ้างอิงฉากเรียบร้อยแล้ว ขั้นตอนถัดไปคือการแปลงคำอธิบายสกีนที่เขียนไว้แต่ละเฟรมให้เป็นภาพที่มองเห็นได้ทีละภาพ เหตุผลก็คือ AI มีความสามารถในการจัดการกับ “เฟรมเดียวที่ชัดเจน” ได้ดีกว่า “กระบวนการที่เปลี่ยนแปลงอย่างต่อเนื่อง” และยังช่วยลดอัตราการดึงแบบสุ่มได้อย่างมาก
วิธีการคือ:
อัปโหลดรูปภาพมุมสามด้านของตัวละครและรูปอ้างอิงฉากที่เกี่ยวข้องลงในบทสนทนาของ ChatGPT แต่ละครั้ง แล้วป้อนคำสั่งสร้างภาพสตอรี่บอร์ดที่เพิ่งแยกไว้
ช่วยสร้างภาพกริดสี่ช่องจากเรื่องย่อและคำอธิบายสคริปต์ (รวมถึงคำสคริปต์ที่สร้างโดย AI มาก่อนหน้านี้) พร้อมภาพฉากและภาพตัวละคร
โมเดลจะแยกฉากนี้ออกเป็นสี่ภาพตามข้อมูลสตอรี่บอร์ดที่คุณให้มา และรับประกันความสอดคล้องของตัวละครและฉาก โดยมีผลลัพธ์ดังนี้:
💡 เคล็ดลับเล็กๆ ในการสร้างภาพจากข้อความมีจุดที่มักผิดพลาดบ่อยๆ ถ้ารู้ล่วงหน้าจะช่วยประหยัดครั้งได้มาก
ต้องการสร้างฉากที่ตัวละครถือโทรศัพท์เล่นเกม หน้าจอโทรศัพท์จะหมุนหันเข้าหาผู้ชมโดยอัตโนมัติ ตรรกะของ AI คือการทำให้ “เนื้อหาสามารถอ่านได้” ทำให้การเล่นเกมกลายเป็นสิ่งรบกวนในภาพ วิธีที่ถูกต้องคือ: “ถือโทรศัพท์แนวนอนด้วยสองมือ หน้าจอหันเข้าหาใบหน้าตัวละคร ด้านหลังของโทรศัพท์หันเข้าหาเลนส์กล้อง”
คำศัพท์อาชีพจะทำให้ AI นึกภาพทั้งฉากออก: เมื่อเขียนว่า “พยาบาล” AI จะนึกถึงโรงพยาบาล เมื่อเขียนว่า “เชฟ” AI จะนึกถึงครัว วิธีที่ถูกต้องคือ: อธิบายเฉพาะชุดที่คุณต้องการจริงๆ โดยไม่ต้องกล่าวถึงชื่ออาชีพ
การสร้างภาพจากข้อความสามารถสร้างภาพนิ่งเท่านั้น “กำลังหันหัว” ไม่มีสถานะภาพที่สอดคล้องกัน วิธีที่ถูกต้องคือ: อธิบายเฉพาะสิ่งที่มีอยู่ในเฟรมนี้เท่านั้น
สาม: จากภาพเป็นวิดีโอ: ต้องเขียนคำแนะนำให้ระบุการกระทำ ไม่ใช่เขียนใหม่ภาพ
สตอรี่บอร์ดทั้งหมดพร้อมแล้ว ตอนนี้เราต้องแปลงมันให้เป็นวิดีโอที่เคลื่อนไหว
🌟ลงทะเบียนเพื่อฝัน
เปิดเบราว์เซอร์ค้นหา 「Ji Meng AI」 แล้วเข้าสู่เว็บไซต์ทางการ คลิกที่ล็อกอินมุมขวาบน สามารถลงทะเบียนด้วยบัญชี Douyin หรือหมายเลขโทรศัพท์มือถือได้ ภายในประเทศสามารถเข้าถึงได้โดยตรง
ผู้ใช้ใหม่สามารถสร้างวิดีโอ 15 วินาทีได้ฟรี หากต้องการเป็นสมาชิกเริ่มต้น Biteye เจ้าหน้าที่เล็กได้เปรียบเทียบราคาของ Seedance 2.0 บนแพลตฟอร์มต่างๆ ทั่วทั้งอินเทอร์เน็ต รายละเอียดเพิ่มเติมดูได้ที่: 《คู่มือการสมัคร Seedance 2.0 ในราคาต่ำที่สุดทั่วอินเทอร์เน็ต!》
🌟เขียนคำแนะนำวิดีโออย่างไร
นี่คือจุดสำคัญที่สุดในขั้นตอนนี้ และเป็นจุดที่ผู้เริ่มต้นมักเขียนผิดมากที่สุด
ก่อนอื่นให้แนบภาพอ้างอิงทั้งหมดเข้าไป ซึ่งจีเมิ่งรองรับการอัปโหลดรูปภาพอ้างอิงหลายรูปพร้อมกัน แค่ลากภาพไปที่ช่องแชทได้ทันที ให้คุณลากภาพทั้งหมดที่คุณเตรียมไว้ในบทก่อนหน้า ได้แก่ ภาพมุมสามมิติของตัวละคร ภาพอ้างอิงฉาก ภาพสี่ช่องหรือเก้าช่องสตอรี่บอร์ด ใส่เข้าไปทั้งหมดในครั้งเดียว จีเมิ่งจะรวมข้อมูลจากภาพเหล่านี้ทั้งหมดเพื่อสร้างวิดีโอ
ผู้เริ่มต้นจำนวนมากมักทำผิดพลาดโดยการอธิบายซ้ำว่าในภาพมีอะไรบ้าง ซึ่งหมายความว่า Dream สามารถเห็นรูปที่คุณอัปโหลดแล้ว จึงไม่จำเป็นต้องบอกมันอีกว่าในภาพมีอะไร
คำแนะนำควรระบุว่า: ในภาพมีอะไรเคลื่อนไหว เคลื่อนไหวอย่างไร กล้องมีการเคลื่อนไหวหรือไม่ และเกิดอะไรขึ้นในแต่ละช่วงเวลา
ตามเทมเพลตด้านล่างนี้ แต่ละบรรทัดสอดคล้องกับช่วงเวลาในวิดีโอ:
ช่วยอ้างอิงภาพสตอรี่บอร์ดข้างต้น เพื่อสร้างวิดีโอหนึ่งชิ้น
[วินาทีเริ่มต้นถึงวินาทีสิ้นสุด] [มุมกล้อง] [วิธีการเคลื่อนกล้อง] [ตัวละครหรือวัตถุหลัก] + [การกระทำเฉพาะ] เสียง: [คำอธิบายเสียง]
🌟 การอธิบายเสียงเป็นส่วนที่ผู้เริ่มต้นมักละเลยมากที่สุด หากวิดีโอมีบทพูด การเขียนเพียงว่า “เสียงพูด” นั้นไม่เพียงพอ โมเดลจะสุ่มสร้างเสียงหนึ่งเป็นตัวอย่างอ้างอิง เพื่อให้แน่ใจว่าเสียงตัวละครคงที่ระหว่างวิดีโอหลายชิ้น มีวิธีสองวิธี:
1️⃣ ใช้เสียงจากย่อหน้าแรกเป็นตัวอ้างอิง
สร้างวิดีโอส่วนแรกก่อน หลังจากพอใจกับผลลัพธ์แล้ว ให้ส่งออกเสียงจากวิดีโอส่วนนั้นแยกออกมา สำหรับการสร้างส่วนถัดไปทุกส่วน ให้อัปโหลดเสียงนี้เป็นตัวอย่างเสียง เพื่อให้ระบบอ้างอิงโทนเสียงนี้ในการสร้างเสียงพูดสำหรับส่วนถัดไป ทำให้เสียงมีความสม่ำเสมอ
2️⃣ ใช้ Fish Audio ค้นหาเสียงอ้างอิง
เปิด Fish Audio ค้นหาเสียงที่ตรงกับบุคลิกตัวละคร ฟังตัวอย่างแล้วดาวน์โหลดหนึ่งชิ้นเป็นเสียงอ้างอิง ใช้เสียงอ้างอิงนี้อย่างสม่ำเสมอสำหรับทุกช่วงวิดีโอ เพื่อให้เสียงทั้งหมดสอดคล้องกัน
🌟ใช้เครื่องหมายวรรคตอนควบคุมน้ำเสียงของ AI
เขียนบทพูดสำหรับโมเดลเสียง AI ไม่ใช่แค่พิมพ์ข้อความเข้าไปแล้วจบ ประโยคเดียวกัน แต่เครื่องหมายวรรคตอนต่างกัน น้ำเสียงที่ออกมาก็สามารถแตกต่างกันอย่างสิ้นเชิง
ตรรกะหลักคือ: เครื่องหมายวรรคตอนควบคุมการหยุดชั่วคราว การหยุดชั่วคราวกำหนดอารมณ์
…… จุดสามจุดทำให้เสียงหยุดชั่วคราวแต่ยังคงลมหายใจไว้ เหมาะสำหรับสถานการณ์ที่คิด ลังเล หรือพูดไม่จบ
……! การใช้ร่วมกันคือการระเบิดอย่างฉับพลันหลังจากถูกกดดัน
เนื้อหาในวงเล็บจะลดระดับเสียงอัตโนมัติและเปลี่ยนเป็นเสียงกระซิบ เหมาะสำหรับการพูดกับตัวเองหรือการคิดในใจ
คำที่ล้อมรอบด้วยเครื่องหมายดอกจันจะมีความต่ำ ช้า และหนักกว่า เพื่อเน้นข้อมูลสำคัญ
[] ใส่คำสั่งในวงเล็บกำลัง ไม่ใช่บทพูด เช่น [หายใจลึกๆ] , [หยุด 1 วินาที] โมเดลจะดำเนินการแทนการพูด
💡เคล็ดลับเล็กๆ:
AI ไม่มีความรู้สึกเกี่ยวกับทิศทาง มักสับสนระหว่างซ้ายและขวา จึงจำเป็นต้องสร้าง “แผนภาพอ้างอิงความสัมพันธ์ของตำแหน่ง” เพื่อบอก AI ว่าตัวละครเคลื่อนไหวอย่างไร ดังแสดงในรูปที่หนึ่ง นอกจากนี้ยังมีวิธีง่ายๆ: ใช้ลูกศรเพื่ออธิบายเส้นทางการเคลื่อนไหวของตัวละคร และเพิ่มข้อความ “ลบลูกศรออก” ที่ท้ายสุด
เขียนช้า อย่าเขียนเร็ว โมเดลจัดการการเคลื่อนไหวช้าได้เสถียรกว่าการเคลื่อนไหวเร็วมาก สำหรับฉากที่ต้องการจังหวะเร็ว ให้ใช้ความเร็วในการตัดต่อเป็นหลัก แทนที่จะให้โมเดลสร้างการเคลื่อนไหวเร็ว
อัปโหลดรูปอ้างอิงสำหรับแต่ละวิดีโอ อย่าอัปโหลดเพียงครั้งเดียว โมเดลไม่มีความจำข้ามช่วง ถ้าไม่อัปโหลดรูปอ้างอิง ลักษณะภายนอกของตัวละครจะเบี่ยงเบน
สี่: จากชิ้นส่วนสู่วิดีโอสมบูรณ์: การตัดต่อกำหนดคุณภาพสุดท้ายของวิดีโอ
การตัดต่อและงานหลังการถ่ายทำเป็นขั้นตอนที่ช่วยเสริมจุดเด่นให้กับกระบวนการทั้งหมด วัสดุแต่ละชิ้นที่สร้างขึ้นมาก่อนหน้านี้ล้วนเป็นอิสระต่อกัน อาจมีโทนสีที่แตกต่างกัน จังหวะไม่ต่อเนื่อง และเสียงที่กระจายอยู่ การตัดต่อทำหน้าที่เชื่อมโยงชิ้นส่วนเหล่านี้ให้กลายเป็นเรื่องราวที่สมบูรณ์
การเพิ่มเพลงลงในวิดีโอจะช่วยกระตุ้นอารมณ์ของผู้ชมได้ดียิ่งขึ้น การใส่คำบรรยายทำให้บทพูดชัดเจนขึ้น วัสดุเดียวกัน แต่การตัดต่อที่ดีและไม่ดีอาจแตกต่างกันถึงหนึ่งระดับ
มีสี่ขั้นตอน: เรียงลำดับวัสดุ → ปรับสีให้สม่ำเสมอ → เพิ่มเสียง → เพิ่มคำบรรยาย แล้วส่งออก
ขั้นตอนที่หนึ่ง: เรียงลำดับวัสดุ
เปิด CapCut ลากทุกคลิปตามลำดับฉากลงบนเส้นเวลา ก่อนจะไม่สนใจสีและเสียง ตรวจสอบลำดับให้แน่ใจ ดูภาพรวมว่าจังหวะมีปัญหาหรือไม่ ตัดส่วนที่เกินออกจากรายการที่ยาวเกินไปในขั้นตอนนี้
ขั้นที่สอง: ปรับสีให้เป็นเอกภาพ
ชิ้นส่วนที่สร้างขึ้นในช่วงเวลาต่างกันอาจมีความแตกต่างเล็กน้อยในอุณหภูมิสีและความสว่าง เมื่อวางไว้ด้วยกันจะดูไม่ต่อเนื่อง วิธีจัดการ: เลือกชิ้นส่วนทั้งหมด แล้วเพิ่มฟิลเตอร์ทั้งหมดในส่วน「ปรับแต่ง」— ใช้โทนสีน้ำเงินเย็นสำหรับฉากที่หนึ่ง และเปลี่ยนเป็นโทนสีเหลืองอบอุ่นสำหรับฉากที่สองเป็นต้นไป เพียงแค่รักษาโทนสีให้สม่ำเสมอภายในแต่ละฉาก
ขั้นที่สาม: เพิ่มดนตรีพื้นหลังและเสียงเอฟเฟกต์
เสียงบทพูดได้รับการประมวลผลแล้วในระหว่างการสร้างวิดีโอ ขั้นตอนนี้เน้นเพิ่มเสียงสองประเภทหลัก: เพลงพื้นหลังและเสียงประกอบสภาพแวดล้อม
ดนตรีพื้นหลังกำหนดอารมณ์โดยรวม ลดระดับเสียงให้ต่ำกว่า 30% ของเสียงพูด เพื่อไม่ให้กลบเสียงพูด
ขั้นที่สี่: เพิ่มคำบรรยาย
ใช้คุณสมบัติ “คำบรรยายอัจฉริยะ” ของ JianYing เพื่อระบุบทพูดอัตโนมัติ หลังจากระบุแล้ว ตรวจสอบคำผิดให้แน่ใจ ปรับฟอนต์และตำแหน่งให้สม่ำเสมอ สำหรับบทพูดที่เป็นคำบรรยายหรือพูดกับตัวเอง แนะนำให้แยกแยะด้วยรูปแบบที่ต่างจากบทพูดปกติ เช่น ตัวเอียงหรือสีที่ต่างกัน
ห้า: จากเครื่องมือสู่การสื่อสาร: AI วิดีโอเปลี่ยนแปลงอะไรอย่างแท้จริง
ในบทความก่อนหน้า “GPT Image 2.0 ขับเคลื่อน Seedance 2.0: ทุกคนสามารถถ่ายภาพยนตร์ระดับฮอลลีวูด” เราเชื่อว่าในยุคปัญญาประดิษฐ์: “การถ่ายวิดีโอ” ได้รับการลดขั้นต่ำลง อนาคตทุกคนจะสามารถถ่ายภาพยนตร์ระดับฮอลลีวูดได้
แต่ขั้นต่ำต่ำไม่ได้หมายความว่าคุณจะทำได้
เครื่องมือทั้งหมดมีให้ใช้งานอย่างเปิดเผย และบทช่วยสอนก็มีอยู่ทั่วทุกที่ แต่คนส่วนใหญ่ติดอยู่ที่จุดเดียวกัน: ไม่เคยรันผ่านทั้งกระบวนการอย่างสมบูรณ์เลย
บทความนี้ Biteye ได้พาคุณจากความคิดที่คลุมเครือ มาตัดให้เป็นวิดีโอที่สมบูรณ์แบบขั้นตอนต่อขั้นตอน
ในอดีต กระบวนการนี้ต้องการบทบาทเฉพาะทางทั้งชุด: นักเขียนบท ภาพประกอบฉาก ศิลปะ ถ่ายทำ และตัดต่อ แต่ละขั้นตอนล้วนเป็นอุปสรรค
และในขณะนี้ ขั้นตอนเหล่านี้ไม่ได้หายไป แต่ถูกบีบอัดเข้าไปในกระบวนการเดียว
นั่นหมายถึงการเปลี่ยนแปลงที่ลึกซึ้งกว่าเดิม: วิดีโอไม่ใช่ผลผลิตของ “ความสามารถในการผลิต” อีกต่อไป แต่เริ่มกลายเป็นผลผลิตของ “ความสามารถในการแสดงออก”