การสร้างวิดีโอ AI มีกี่วิธี? Multi-reference และ First/Last Frame เหมาะกับสถานการณ์ใด

บทความนี้อธิบายวิธีสร้างวิดีโอ AI ที่พบบ่อย เปรียบเทียบสถานการณ์ที่เหมาะกับ Multi-reference และ First/Last Frame พร้อมวิธีเลือกเส้นทางตามเป้าหมายของช็อต เตรียมอินพุต และตรวจรับผลลัพธ์ใน NadouPro

การสร้างวิดีโอ AI มีวิธีใดบ้างกันแน่?

สำหรับครีเอเตอร์ การสร้างวิดีโอ AI มักแบ่งออกเป็นสองประเภทตาม “อินพุตคืออะไร”: Text to Video และ Image to Video Text to Video ใช้เพียงคำบรรยายเพื่อสร้างภาพ เหมาะกับการสำรวจฉากเชิงนามธรรม ส่วน Image to Video ใช้ภาพที่อัปโหลดเป็นจุดยึดทางภาพ ทำให้ผลลัพธ์คาดเดาได้มากกว่า หากมือใหม่มีภาพตัวละครหรือฉากอยู่แล้ว ควรเริ่มจากเส้นทาง Image to Video ก่อน

ใน Video node ของ NadouPro ยังสามารถเลือกเพิ่มเติมตาม “วิธีควบคุม” ได้อีก ได้แก่ Text to Video, First/Last Frame, Multi-reference, Motion Control โดย Multi-reference และ First/Last Frame มักถูกนำมาเปรียบเทียบกันบ่อยที่สุด แบบแรกถนัดการหลอมรวมคุณลักษณะหลายอย่างในครั้งเดียว ส่วนแบบหลังถนัดการล็อกจุดเริ่มต้น จุดสิ้นสุด และตำแหน่งลงท้ายของการเคลื่อนไหวในช็อต คุณสามารถใช้ Image node บนแคนวาสเพื่อกำหนดลุคก่อน แล้วเชื่อมต่อไปยัง Video node เพื่อสร้างวิดีโอได้ โดยไม่จำเป็นต้องส่งออกและนำเข้าไปมาทั้งกระบวนการ

Text to Video, Image to Video และการควบคุมด้วยข้อมูลอ้างอิงมีขอบเขตอย่างไร?

Text to Video มีอินพุตเพียงพรอมต์ จึงมีอิสระสูง แต่ตัวแบบอาจเลื่อนไหลได้ง่าย Image to Video ให้ภาพเป็นตัวกำหนดว่า “หน้าตาเป็นอย่างไร” ดังนั้นพรอมต์ควรเน้นการกระทำ การเคลื่อนกล้อง และบรรยากาศมากกว่า ส่วนการสร้างวิดีโอด้วยข้อมูลอ้างอิงไม่ได้เป็นทางเข้าลึกลับประเภทที่สามแยกเดี่ยว แต่เป็นการเสริมการควบคุมบนพื้นฐานของ Image to Video โดยใช้ภาพอ้างอิงหลายภาพหรือคีย์เฟรมเพื่อจำกัดอัตลักษณ์ สไตล์ และภาพเริ่มต้นกับภาพสิ้นสุด

จำง่าย ๆ ได้ดังนี้:

• มีเพียงไอเดีย ยังไม่มีภาพที่สรุปแล้ว: ใช้ Text to Video เพื่อทดลองทิศทาง
• มีภาพนิ่งที่พอใจแล้ว: ใช้ Image to Video เพื่อทำให้ภาพนั้นเคลื่อนไหว
• ต้องการล็อกตัวละคร ผลิตภัณฑ์ และสไตล์พร้อมกัน: ใช้ Multi-reference
• ต้องการกำหนดว่าช็อตเริ่มจากตรงไหนและไปจบที่ใด: ใช้ First/Last Frame

Multi-reference และ First/Last Frame เหมาะกับสถานการณ์ใดบ้าง?

Multi-reference: หลอมรวมคุณลักษณะหลายอย่างในครั้งเดียว

แก่นของ Multi-reference คือการหลอมรวมคุณลักษณะ คุณสามารถใส่ใบหน้าตัวละคร รูปลักษณ์ผลิตภัณฑ์ สไตล์ฉาก หรือแม้แต่การเคลื่อนกล้องและเสียงอ้างอิง เข้าไปในการสร้างครั้งเดียวกันได้ เหมาะกับ: ความสอดคล้องของตัวละครในซีรีส์สั้นข้ามช็อต โฆษณาผลิตภัณฑ์ที่ต้องรักษาทั้ง Logo และพรีเซนเตอร์ไว้พร้อมกัน และช็อตที่ต้องการทำให้ “คาแรกเตอร์ + ฉาก + สไตล์” อยู่ในเฟรมเดียวกันอย่างเป็นรูปธรรม

ตอนเตรียมควรให้น้อยแต่แม่นยำ: ตัวแบบชัดเจน พื้นหลังสะอาด และสไตล์ใกล้เคียงกัน พรอมต์ควรเขียนให้ชัดว่าแต่ละภาพอ้างอิงใช้เพื่ออะไร เช่น “ภาพอ้างอิง 1 ล็อกรูปลักษณ์ผลิตภัณฑ์ ภาพอ้างอิง 2 ล็อกอัตลักษณ์บุคคล พรอมต์เขียนการถ่ายตามแบบถือกล้องและเฟรมปลายทาง” โมเดลต่างกันอาจรองรับจำนวนภาพอ้างอิงสูงสุดไม่เท่ากัน ให้ยึดตามคำอธิบายของโมเดลที่คุณเลือกใน NadouPro

First/Last Frame: ล็อกจุดเริ่มต้น จุดสิ้นสุด และเส้นทางการเคลื่อนไหว

ในโหมด First/Last Frame เฟรมแรกกำหนดภาพเปิด เฟรมสุดท้ายกำหนดจุดลงท้าย และโมเดลจะเติมการเปลี่ยนผ่านตรงกลางให้ เหมาะกับ: การเชื่อมต่อระหว่างเฟรมสตอรีบอร์ด การจัดแนวคลิปให้เข้ากับฟุตเทจที่มีอยู่ การพาฉากไปสู่บทสรุปทางภาพที่เฉพาะเจาะจง รวมถึงทรานซิชันแบบ “จากสถานะ A ไปสู่สถานะ B” เช่น การแปลงร่าง การสลายตัว หรือการเปลี่ยนรูปทรง

พรอมต์ไม่จำเป็นต้องบรรยายรูปลักษณ์และฉากที่มีอยู่ในเฟรมซ้ำ ให้เน้นกระบวนการเคลื่อนไหว การเปลี่ยนขนาดภาพ และการเคลื่อนกล้องแทน เช่น ดันกล้องเข้าใกล้จากระยะกลาง หมุนรอบอย่างรวดเร็ว สโลว์โมชันเก็บดาบแล้วหยุดเฟรม หากให้เฉพาะเฟรมสุดท้าย โมเดลจะตัดสินใจเองว่าจะไปถึงอย่างไร ทำให้ควบคุมได้น้อยลง สำหรับช็อตสำคัญ แนะนำให้ให้ทั้งเฟรมแรกและเฟรมสุดท้าย

ใน NadouPro ควรเลือกอย่างไร และจัดเป็นกระบวนการที่ทำได้จริงแบบไหน?

แนะนำให้เลือกตามเป้าหมายของช็อต ไม่ใช่เริ่มจากการลังเลกับรายชื่อโมเดล:

1. ระบุให้ชัดว่าช็อตนี้ต้องล็อกอะไร: อัตลักษณ์ ผลิตภัณฑ์ ภาพเริ่มต้นและสิ้นสุด หรือเพียงสำรวจบรรยากาศ
2. เตรียมอินพุต: ภาพกำหนดลุคตัวละคร/ฉาก ชุดวัสดุ Multi-reference หรือคีย์เฟรมแรกและเฟรมสุดท้าย
3. เลือกโหมดวิดีโอที่สอดคล้องกันบนแคนวาสของ NadouPro และเขียนพรอมต์ให้ชัดเจนเรื่องตัวแบบ การกระทำ ฉาก และช็อต
4. ทดลองถ่ายด้วยความละเอียดต่ำก่อน ดูทั้งคลิปให้ครบ เพื่อยืนยันว่าการเคลื่อนกล้องและตัวแบบนิ่งพอหรือไม่
5. แก้เพียงตัวแปรเดียวในแต่ละครั้ง ไม่ว่าจะเป็นพรอมต์ ภาพอ้างอิง หรือเฟรม เมื่อพอใจแล้วค่อยเพิ่มความละเอียดเพื่อสร้างผลงาน

ผลลัพธ์ในแต่ละช่วงอาจเป็น: ภาพกำหนดลุคหรือคีย์เฟรม → คลิปทดลองถ่าย → วัสดุช็อตที่ผ่านการตรวจรับ เวลาตรวจสอบอย่าดูแค่เฟรมแรก ให้เน้นดูช่วงกลางว่าพังหรือไม่ ตัวละครเปลี่ยนหน้าหรือไม่ และเฟรมปลายทางไปถึงเจตนาของเฟรมสุดท้ายหรือไม่

เหมาะกับอะไรและไม่เหมาะกับอะไร

Multi-reference เหมาะกับสถานการณ์ที่ “หลายองค์ประกอบต้องถูกต้องพร้อมกัน” แต่ไม่เหมาะเมื่อข้อมูลอ้างอิงขัดแย้งกันเอง หรือพรอมต์ขัดกับคำสั่งจากข้อมูลอ้างอิง First/Last Frame เหมาะกับ “การเปลี่ยนผ่านที่มีเส้นทางชัดเจน” หากจุดเริ่มต้นกับจุดสิ้นสุดต่างกันมากเกินไปและไม่มีคำอธิบายการเคลื่อนไหว ช่วงกลางอาจกระโดดแข็งได้ ส่วน Text to Video ล้วนเหมาะกับการสำรวจคอนเซ็ปต์มากกว่า ไม่เหมาะกับซีรีส์ต่อเนื่องที่ต้องล็อกใบหน้าอย่างเข้มงวด

NadouPro สามารถครอบคลุมการเลือกแนวทาง การสร้าง และการจัดระเบียบช็อตได้ แต่จังหวะของผลงานสำเร็จ การเกลาบทพูด และการตัดต่อขั้นสุดท้ายยังต้องให้ครีเอเตอร์ตรวจดู ความสามารถขึ้นอยู่กับแพลตฟอร์มปัจจุบันและโมเดลที่เลือก

คำตอบสำหรับคำถามที่เกี่ยวข้อง

Text to Video, Image to Video และการสร้างวิดีโอด้วยข้อมูลอ้างอิงต่างกันอย่างไร?

Text to Video ใช้เพียงข้อความ จึงมีอิสระสูงแต่ไม่เสถียร Image to Video ใช้ภาพเป็นจุดยึด จึงคาดเดาได้มากกว่า การสร้างด้วยข้อมูลอ้างอิงคือการเสริมการควบคุมบน Image to Video โดยใช้ Multi-reference หรือ First/Last Frame เพื่อจำกัดอัตลักษณ์ สไตล์ และจุดเริ่มต้นกับจุดสิ้นสุด หากมีภาพที่สรุปแล้ว ให้เลือก Image to Video หรือการควบคุมด้วยข้อมูลอ้างอิงก่อน

ควรเตรียมวัสดุอ้างอิงสำหรับ Multi-reference อย่างไรให้เสถียรมากขึ้น?

เลือกข้อมูลอ้างอิงจำนวนน้อยที่ตัวแบบชัดเจน พื้นหลังสะอาด และสไตล์ใกล้เคียงกัน พร้อมระบุหน้าที่ของแต่ละภาพในพรอมต์ ควรแยกตัวละคร ผลิตภัณฑ์ และฉากออกจากกันให้มากที่สุด เพื่อหลีกเลี่ยงการยัดข้อมูลมากเกินไปในภาพเดียว ทดลองถ่ายด้วยความละเอียดต่ำก่อน ยืนยันทิศทางการหลอมรวมคุณลักษณะแล้วจึงเพิ่มคุณภาพ

First/Last Frame เหมาะกับช็อตแบบใด และหลังสร้างแล้วควรตรวจสอบอย่างไรว่าใช้งานได้หรือไม่?

เหมาะกับการเชื่อมสตอรีบอร์ด การจัดแนวกับฟุตเทจที่มีอยู่ การนำไปสู่เฟรมปลายทางที่เฉพาะเจาะจง และการเปลี่ยนรูปทรงจากสถานะ A ไป B หลังสร้างแล้วให้ดูทั้งคลิป: ช่วงกลางลื่นไหลหรือไม่ ตัวแบบเลื่อนไหลหรือไม่ และไปถึงเจตนาของเฟรมสุดท้ายจริงหรือไม่ หากเบี่ยงไป ให้ทำพรอมต์ให้เรียบง่ายขึ้น และให้สองเฟรมรับหน้าที่กำหนดทิศทางมากขึ้น

ใน NadouPro ควรเลือกวิธีสร้างตามเป้าหมายของช็อตและจัดเวิร์กโฟลว์อย่างไร?

เริ่มจากกำหนดว่าช็อตต้องล็อกอัตลักษณ์ หลายคุณลักษณะ หรือเส้นทางเริ่มต้นและสิ้นสุด จากนั้นเลือก Text to Video, Multi-reference หรือ First/Last Frame ใน Video node สามารถใช้ Image node สร้างภาพกำหนดลุค แล้วเชื่อมไปยัง Video node เพื่อทดลองถ่าย วนปรับภายในแคนวาส เมื่อผ่านแล้วค่อยเพิ่มความละเอียดและเข้าสู่การตัดต่อ

สรุปและขั้นตอนถัดไป

การสร้างวิดีโอ AI สามารถทำความเข้าใจเบื้องต้นได้จาก Text to Video / Image to Video แล้วจึงนำไปใช้งานใน NadouPro ผ่านวิธีควบคุมอย่าง Text to Video, First/Last Frame และ Multi-reference Multi-reference ถนัดการวางหลายคุณลักษณะไว้ในเฟรมเดียวกัน ส่วน First/Last Frame ถนัดการล็อกเส้นทางการเคลื่อนไหว ขั้นตอนถัดไป: เลือกช็อตจริงหนึ่งช็อต เตรียมอินพุตที่สอดคล้องกัน ทดลองถ่ายความละเอียดต่ำใน NadouPro หนึ่งครั้ง และตรวจรับจากทั้งคลิปเต็ม

เนื้อหานี้มีข้อมูลที่สร้างโดย AI ซึ่งอาจไม่ถูกต้อง โปรดตรวจสอบด้วยตนเอง