จะเลือกเส้นทางสร้างวิดีโอ AI อย่างไร? ใช้พรอมต์หรือภาพอ้างอิง? ตรรกะและแนวปฏิบัติของสองเส้นทางสร้างสรรค์ใน NadouPro

คนทำวิดีโอ AI ไม่ช้าก็เร็วจะเจอทางแยกนี้: งานครั้งนี้ควรเขียนไอเดียเป็นพรอมต์ให้โมเดลตีความเอง หรืออัปโหลดวัสดุอ้างอิงให้โมเดลรับช่วงต่อ? สองเส้นทางนี้มีขอบเขตความสามารถ สถานการณ์ที่เหมาะ และวิธีเขียนที่ต่างกันโดยสิ้นเชิง หากเลือกผิด ต้นทุนการแก้งานจะเพิ่มขึ้นหลายเท่า บทความนี้จะแยกอธิบายสองเส้นทางให้ชัดเจน พร้อมวิธีเลือกใช้อย่างเป็นรูปธรรมใน NadouPro

ความแตกต่างหลักของสองเส้นทาง

ขับเคลื่อนด้วยพรอมต์: เขียนทิศทางของฉากลงในข้อความ แล้วให้โมเดลแปลเป็นภาพ มีอิสระในการสร้างสรรค์สูงสุด เหมาะกับโปรเจกต์ที่ไอเดียยังอยู่ในช่วงสำรวจ และแอสเซ็ตภาพยังไม่ถูกกำหนดแน่นอน

ขับเคลื่อนด้วยภาพอ้างอิง: ใช้ภาพที่มีอยู่ การกำหนดตัวละคร หรือภาพถ่ายสินค้าเพื่อชี้นำการสร้าง โดยโมเดลมีหน้าที่ทำให้ภาพใหม่สืบต่อข้อมูลภาพเดิม มีความแน่นอนสูงสุด เหมาะกับโปรเจกต์ที่มีแอสเซ็ตภาพอยู่แล้วและจำเป็นต้องคงความสอดคล้อง

เกณฑ์ตัดสินมีเพียงข้อเดียว: วัสดุอ้างอิงเป็นส่วนหนึ่งของความต้องการสร้างสรรค์ หรือเป็นแค่แรงบันดาลใจที่มีก็ได้ไม่มีก็ได้? หากตัวละครแบรนด์ของลูกค้า แพ็กเกจจริงของสินค้า หรือตัวเอกของเนื้อหาแบบต่อเนื่องต้องถูกถ่ายทอดอย่างแม่นยำ ให้ใช้เส้นทางภาพอ้างอิง; หากทุกอย่างเริ่มจากจินตนาการศูนย์ ให้ใช้เส้นทางพรอมต์

ขับเคลื่อนด้วยพรอมต์: เขียนฉากให้ชัดอย่างไร

สำหรับโปรเจกต์ที่ขับเคลื่อนด้วยพรอมต์ ข้อความต้องรับหน้าที่เป็นคำสั่งสร้างสรรค์ทั้งหมด คำอธิบายฉากที่ดีควรประกอบด้วยสี่อย่าง:

ใครอยู่ในฉาก: ระบุรูปลักษณ์ เสื้อผ้า และตำแหน่งของแต่ละตัวละครให้ชัด ฉากที่มีหลายตัวละครยิ่งต้องให้ป้ายกำกับแต่ละคนอย่างชัดเจน—ตัวละคร ก ทำอะไร ตัวละคร ข ทำอะไร การกระทำและบทพูดต้องเป็นของใครของมัน เพื่อหลีกเลี่ยงไม่ให้โมเดลสลับพฤติกรรมผิดคน

เกิดอะไรขึ้น: การกระทำควรเฉพาะเจาะจงจนทำได้จริง เช่น "สองคนโต้เถียงกัน" ยังไม่ดีเท่า "คนหนึ่งก้าวเข้าไปข้างหน้าหนึ่งก้าว อีกคนถอยหลังครึ่งก้าวและกางมือทั้งสองออก"

กล้องเคลื่อนอย่างไร: ขนาดภาพ มุมกล้อง และทิศทางการเคลื่อนที่ หากภาษาภาพยนตร์คลุมเครือ โมเดลจะเลือกเอง และผลลัพธ์จะคาดเดาได้ยาก

อารมณ์และเสียง: บรรยากาศโดยรวม เนื้อหาบทสนทนา และเสียงแวดล้อม โมเดลวิดีโอทั้งหมดของ NadouPro รองรับการซิงก์เสียงกับภาพ จึงสามารถเขียนเสียงไว้ในคำสั่งสร้างเดียวกันได้; สำหรับฉากที่ต้องการความแม่นยำของบทพูดสูง ให้ใช้ความสามารถพากย์บทพูดแยกต่างหากแล้วค่อยนำมาประกอบ

เส้นทางขับเคลื่อนด้วยพรอมต์ต้องการความเข้าใจเชิงความหมายของโมเดลสูง ใน NadouPro, Seedance 2.0 เน้นความสามารถในการเข้าใจความหมายที่สูงมาก ส่วน Seedance 2.5 เข้าใจคำสั่งได้แข็งแรงและจัดวางกล้องได้เสถียร จึงเป็นตัวเลือกอันดับต้น ๆ สำหรับเส้นทางนี้

ขับเคลื่อนด้วยภาพอ้างอิง: ส่งวัสดุให้ถูกจุดอย่างไร

สำหรับโปรเจกต์ที่ขับเคลื่อนด้วยภาพอ้างอิง จุดชี้ขาดอยู่ที่คุณภาพการจัดระเบียบวัสดุอ้างอิง โหนดวิดีโอของ NadouPro มีวิธีรับช่วงต่อหลายแบบ:

โหมดหลายภาพอ้างอิง: ป้อนภาพอ้างอิงหลายภาพพร้อมกัน โดยแยกตัวละคร ฉาก และพร็อพให้เข้าที่ ประเด็นสำคัญคือแบ่งหน้าที่ให้ชัด—ภาพไหนกำหนดหน้าตา ภาพไหนกำหนดเสื้อผ้า ภาพไหนกำหนดสภาพแวดล้อม หากป้อนแบบคลุมเครือจะรบกวนกันเอง

เฟรมต้นและเฟรมท้าย: เมื่อกำหนดทั้งภาพเริ่มต้นและภาพสิ้นสุด โมเดลจะเติมกระบวนการตรงกลาง เหมาะกับการออกแบบทรานซิชันและการเชื่อมต่อท่าทาง

การควบคุมการเคลื่อนไหว: ใช้ท่าทางอ้างอิงขับเคลื่อนการเคลื่อนไหวของตัวละคร เหมาะกับฉากที่มีต้นแบบการเคลื่อนไหวชัดเจน เช่น การเต้นหรือการต่อสู้

โปรเจกต์ทั่วไปที่ใช้ภาพอ้างอิงขับเคลื่อน ได้แก่ โฆษณาแบรนด์ (สินค้าและภาพลักษณ์พรีเซนเตอร์ต้องจดจำได้), เรื่องเล่าต่อเนื่อง (ตัวละครเดียวกันปรากฏข้ามตอน), เนื้อหาแบบซีรีส์ (ใช้แอสเซ็ตภาพคงที่ซ้ำ ๆ) ขั้นตอนมาตรฐานของโปรเจกต์ประเภทนี้ใน NadouPro คือ: ใช้ฝั่งภาพแบบหลายช่องสร้างวัสดุกำหนดลุคของตัวละครก่อน (ภาพตัวละครเต็มตัวสามมุมมอง, ภาพใบหน้าตัวละครสามมุมมอง, ตารางเก้าช่องสีหน้าตัวละคร) แล้วใช้ภาพกำหนดลุคเป็นภาพอ้างอิงตลอดการสร้างวิดีโอทุกครั้ง พร้อมจัดการทุกช็อตรวมไว้ในแคนวาสเดียว

ในการใช้งานจริง สองเส้นทางทำงานร่วมกัน

โปรเจกต์ที่เป็นผู้ใหญ่มักไม่ใช้เส้นทางเดียวล้วน ๆ รูปแบบผสมที่พบบ่อยคือ:

ช่วงสำรวจแรกใช้พรอมต์ขับเคลื่อน: เมื่อทิศทางยังไม่แน่ชัด ใช้ text-to-video ทดลองเวอร์ชันภาพหลายแบบอย่างรวดเร็ว โดยมีต้นทุนต่ำที่สุด

เมื่อแอสเซ็ตลงตัวแล้วเปลี่ยนเป็นภาพอ้างอิงขับเคลื่อน: หลังเลือกตัวละครและฉากแล้ว ให้ผลิตวัสดุกำหนดลุค จากนั้นการสร้างทั้งหมดต่อไปใช้หลายภาพอ้างอิง

ช่วงทำผลงานสำเร็จใช้โหนดตัดต่อ: นำวัสดุหลายช็อตเข้าสู่โหนดตัดต่อเพื่อประกอบและพรีวิวออนไลน์ ส่วนช่วงที่ต้องจัดวางมุมกล้องละเอียดให้ใช้แท่นผู้กำกับ 3D ผลิตแยกต่างหาก

ยกตัวอย่างฉากทั่วไป: โปรเจกต์ละครสั้นของแบรนด์หนึ่ง สัปดาห์แรกใช้พรอมต์ขับเคลื่อนเพื่อสำรวจภาพลักษณ์ตัวเอกและโทนฉาก; หลังสรุปแบบแล้วสร้างภาพตัวละครสามมุมมองและตารางสี่ช่องบรรยากาศฉาก; จากนั้นช็อตอีกยี่สิบช็อตทั้งหมดสร้างโดยอ้างอิงวัสดุกำหนดลุค ทำให้ความสอดคล้องของตัวละครเสถียรและควบคุมได้; สุดท้ายส่งออกผลงานผ่านโหนดตัดต่อ

เลือกโมเดลอย่างไร: ตามเส้นทางและฉาก

โมเดลวิดีโอทั้งยี่สิบสองตัวของ NadouPro รองรับการซิงก์เสียงกับภาพทั้งหมด โดยจับคู่ตามเส้นทางและฉาก:

ตัวเลือกแรกสำหรับพรอมต์ขับเคลื่อน: Seedance 2.0 (ความสามารถในการเข้าใจความหมายสูงมาก), Seedance 2.5 (เข้าใจคำสั่งได้แข็งแรง จัดวางกล้องได้เสถียร)

ตัวเลือกแรกสำหรับภาพอ้างอิงขับเคลื่อน: Seedance 2.5 (อ้างอิงได้รอบด้าน ทั้งปริมาณและคุณภาพดี), Kling 3.0 Omni (อินพุตหลายโมดัล)

การเล่าเรื่องหลายช็อต: Wan 3.0 (หลายช็อตอัจฉริยะ), MiniMax H3 (ออกหลายช็อตพร้อมกัน), Happy Horse 1.1 (หลายช็อตอัจฉริยะ), Vidu Q3 (รองรับสตอรีบอร์ดวิดีโอ)

ความต้องการพิเศษ: สไตล์อนิเมะเลือก MiniMax-2.3 (การแสดงออกแบบอนิเมะดีที่สุด); หากต้องการความสมเหตุสมผลทางฟิสิกส์สูง เลือก Bach 1.0

คำถามที่พบบ่อย

Q: โปรเจกต์เดียวกันสามารถเปลี่ยนเส้นทางกลางคันได้ไหม?
ได้ และพบได้บ่อย ช่วงสำรวจใช้พรอมต์ขับเคลื่อน หลังแอสเซ็ตลงตัวแล้วเปลี่ยนเป็นภาพอ้างอิงขับเคลื่อน จังหวะที่ควรเปลี่ยนคือ "ทิศทางภาพชัดเจนแล้วและเข้าสู่การผลิตจำนวนมาก" ส่วนการเปลี่ยนคือจัดระเบียบภาพที่เลือกให้เป็นคลังวัสดุอ้างอิง

Q: เมื่อใช้ภาพอ้างอิงขับเคลื่อน โมเดลจะคัดลอกภาพอ้างอิงตรง ๆ ไหม?
ไม่ ภาพอ้างอิงชี้นำตัวตน สไตล์ และรายละเอียดสำคัญ ส่วนองค์ประกอบภาพ การกระทำ และแสงยังคงถูกกำหนดโดยพรอมต์ หากต้องการเพิ่มระดับการคงรูปให้มากที่สุด ให้ระบุในพรอมต์อย่างชัดเจนว่า "คงเสื้อผ้า ทรงผม และองค์ประกอบฉากในภาพอ้างอิงไว้ไม่เปลี่ยน"

Q: ฉากบทสนทนาหลายตัวละครควรเขียนอย่างไรไม่ให้สับสน?
มีสามกฎ: เขียนคำอธิบายรูปลักษณ์ของแต่ละตัวละครให้ครบและใช้คำเดิมอย่างคงที่; วางการกระทำและบทพูดต่อท้ายคำอธิบายของตัวละครที่สอดคล้องกันทันที; บทสนทนาให้ใช้การพากย์บทพูดแยกผลิตแล้วค่อยประกอบ ซึ่งควบคุมได้มากกว่าการพึ่งการซิงก์เสียงกับภาพตอนสร้าง

Q: เสียงจากการสร้างแบบซิงก์เสียงกับภาพควรทำงานร่วมกับการพากย์บทพูดอย่างไร?
การซิงก์เสียงกับภาพรับผิดชอบชั้นบรรยากาศ เช่น เสียงแวดล้อม เอฟเฟกต์เสียง และดนตรีพื้นหลัง; บทพูดผลิตแยกด้วยการพากย์บทพูด เพื่อให้โทนเสียงเสถียรและควบคุมอารมณ์ได้ แล้วนำมาประกอบในโหนดตัดต่อในขั้นสุดท้าย แยกสองชั้นนี้ออกจากกันเพื่อทำซ้ำและแก้ไขได้ โดยแก้บทพูดได้โดยไม่ต้องสร้างภาพใหม่

Q: จะตัดสินได้อย่างไรว่าโมเดลเข้าใจพรอมต์ของฉันลึกพอหรือไม่?
ใช้การทดสอบตัวอย่างขนาดเล็ก: ใช้พรอมต์เดียวกันสร้างหนึ่งครั้งบนโมเดลที่เป็นตัวเลือกแต่ละตัว แล้วเปรียบเทียบสี่จุด—ตัวละครปรากฏตามคำอธิบายหรือไม่, การกระทำถูกดำเนินการหรือไม่, กล้องตรงตามคำสั่งหรือไม่, รายละเอียดมีตกหล่นหรือไม่ สคริปต์ที่มีความหมายซับซ้อนควรทดสอบ Seedance 2.0 ก่อน

ยินดีต้อนรับให้ไปทดลองฟังก์ชันเพิ่มเติมได้ที่ NadouPro: NadouPro

เนื้อหานี้มีข้อมูลที่สร้างโดย AI ซึ่งอาจไม่ถูกต้อง โปรดตรวจสอบด้วยตนเอง