Huasheng AI: ใส่บทเดียว ได้วิดีโอพร้อมเผยแพร่ในสามนาที

Huasheng AI คือเครื่องมือสร้างวิดีโอจาก Bilibili ที่ทำงานแบบข้อความเข้า วิดีโอออก คุณใส่บทหรือไฟล์เสียงเข้าไป ระบบจะประกอบภาพ เสียงบรรยาย และคำบรรยายให้เป็นวิดีโอที่สมบูรณ์ ผู้พัฒนาระบุว่าเร็วที่สุดคือสามนาที สิ่งที่หายไปไม่ใช่ทักษะการตัดต่อ แต่เป็นงานสามอย่างที่กินเวลาที่สุด คือการหาภาพ การปรับความยาวให้ตรงกับแต่ละประโยค และการอัดเสียงบรรยายให้ไม่สะดุด

อุปสรรคของการผลิตวิดีโอไม่เคยอยู่ที่การตัดสินใจว่าจะพูดอะไร แต่อยู่ที่การเปลี่ยนสิ่งนั้นให้เป็นภาพ บท 300 คำใช้เวลาสิบนาทีในการเขียน แต่การหาสามสิบช็อตที่เข้ากับบท ปรับความยาวของทุกประโยคให้พอดี และอัดเสียงบรรยายให้ไม่ต้องหยุดหายใจ มักใช้เวลาทั้งบ่าย Huasheng AI ยกช่วงนี้ให้โมเดลดูแล โดยมีบทเป็นอินพุตเดียว ส่วนการจับคู่ภาพ การสังเคราะห์เสียง และจังหวะคำบรรยายเป็นหน้าที่ของเครื่องมือ

มีสองเส้นทางไปสู่ไฟล์ที่เสร็จสมบูรณ์ เส้นแรกคือการจับคู่ภาพอัตโนมัติ ที่ปัญญาประดิษฐ์เลือกภาพตามเนื้อหาบท เหมาะกับคอนเทนต์เชิงความเห็นและเชิงอธิบายที่ภาพทำหน้าที่ประกอบ ไม่ได้เป็นตัวแบกเนื้อหา เส้นที่สองคือการผลิตด้วยเทมเพลต ที่คุณใช้เลย์เอาต์ที่ตั้งไว้ วิธีนี้คุ้มที่สุดกับรายการที่เป็นซีรีส์ เพราะระบบภาพชุดเดิมวนซ้ำทุกตอน ผู้ชมจำได้ทันที และคุณไม่ต้องออกแบบใหม่ทุกครั้ง

ความสามารถที่คนมักมองข้ามคือการโคลนเสียง อัปโหลดเสียงของคุณเองสิบวินาที ระบบจะสร้างเสียงเฉพาะบุคคลที่ใกล้เคียงกับเสียงคุณ หรือถ้าไม่อยากโคลนก็มีเสียงสาธารณะให้เลือกหลายแบบ สำหรับบัญชีที่ลงวิดีโอพูดทุกวัน นี่หมายความว่าคุณไม่ต้องเปิดปากจริงทุกครั้ง แก้บทแล้ววิดีโอก็ออกได้

Huasheng AI ทำอะไรได้

จับคู่ภาพอัตโนมัติ

หลังใส่บทหรืออัปโหลดเสียง ปัญญาประดิษฐ์จะจับคู่ภาพให้แต่ละประโยคและประกอบเป็นวิดีโอเต็มเรื่อง โดยผู้พัฒนาระบุเวลาเร็วที่สุดคือสามนาที เหมาะกับคอนเทนต์อธิบาย รวบรวม และแสดงความเห็นที่คุณไม่ได้ถ่ายภาพเอง

ผลิตด้วยเทมเพลต

มีเทมเพลตให้เลือกหลายแบบ ใช้แล้วได้วิดีโอมาตรฐานอย่างรวดเร็ว คุณค่าสูงสุดอยู่ที่ช่องแบบซีรีส์ เลย์เอาต์คงที่ ผู้ชมจำได้ทันที และเวลาผลิตเหลือเพียงการใส่บท

โคลนเสียง

อัปโหลดเสียงของคุณสิบวินาที ปัญญาประดิษฐ์จะสร้างเสียงเฉพาะบุคคลที่ใกล้เคียงกับเสียงคุณ ถ้าไม่อยากโคลนก็ใช้เสียงสาธารณะที่มากับระบบได้ เหมาะกับบัญชีที่ต้องการเสียงผู้ดำเนินรายการคงที่โดยไม่ต้องอัดเสียงคนจริงทุกครั้ง

แปลหลายภาษา

ทำงานบน Index ซึ่งเป็นโมเดลภาษาขนาดใหญ่ที่ Bilibili พัฒนาเอง รองรับการแปลแบบเรียลไทม์ในเกือบสิบบภาษา โดยผู้พัฒนาอ้างความแม่นยำถึง 90 เปอร์เซ็นต์ ช่วยเมื่อคอนเทนต์ชิ้นเดียวต้องไปหลายตลาดภาษา

เผยแพร่ไปยัง Bilibili ด้วยคลิกเดียว

วิดีโอที่เสร็จแล้วอัปโหลดตรงไปยัง Bilibili ได้ จึงไม่ต้องส่งออกไฟล์แล้วกรอกข้อมูลซ้ำด้วยมือ

วิธีทำวิดีโอ

1. เข้าสู่ huasheng.cn ด้วยบัญชี Bilibili ไม่ต้องสมัครบัญชีแยก
2. ใส่บทในหน้าสร้าง หรืออัปโหลดไฟล์เสียงเป็นฐานของเนื้อหา บทเป็นตัวกำหนดคุณภาพของการจับคู่ภาพ ยิ่งเฉพาะเจาะจง ภาพยิ่งไม่หลุดทิศ
3. เลือกวิธีผลิต ใช้การจับคู่อัตโนมัติถ้าอยากให้ปัญญาประดิษฐ์หาภาพ หรือเลือกเทมเพลตถ้าต้องการเลย์เอาต์เป็นแบบเดียวกัน
4. เลือกเสียง จะเป็นเสียงสาธารณะที่มากับระบบ หรือโคลนเสียงคุณจากไฟล์อัดสิบวินาที
5. ดูตัวอย่างและตรวจทีละช่วงว่าภาพตรงกับข้อความหรือไม่ หากไม่ตรงให้เปลี่ยนช็อตหรือปรับเสียง
6. เผยแพร่ตรงไปยัง Bilibili หรือส่งออกเก็บไว้ก่อน

เหมาะกับใคร

• ครีเอเตอร์รายบุคคลที่ไม่มีพื้นฐานตัดต่อและไม่มีเวลาเรียน แต่มีหัวข้อในหัวและต้องเปลี่ยนบทเป็นวิดีโอที่เผยแพร่ได้อย่างรวดเร็ว
• ทีมขนาดเล็กและกลางที่กำลังผลิตตามรอบการลงไม่ทัน และใช้เครื่องมือนี้ลดจำนวนวันคนต่อวิดีโอหนึ่งเรื่อง
• ผู้ดูแลวิดีโอสั้นที่กระจายคอนเทนต์เดียวกันไปหลายแพลตฟอร์มและหลายบัญชี ต้องการปริมาณ ความสม่ำเสมอ และเลย์เอาต์ที่เป็นแบบเดียวกัน
• ช่องความรู้ด้านประวัติศาสตร์ การเงิน หรือบันเทิง ที่การเล่าเป็นตัวแบกเนื้อหาและภาพเป็นตัวเสริม การทำงานอัตโนมัติจากบทไปสู่ภาพจึงให้ผลมากที่สุด
• นักเรียนและครูที่ทำวิดีโอสอนหรือสื่อการเรียน ซึ่งให้ความสำคัญกับการอธิบายแนวคิดให้ชัดมากกว่าเทคนิคการถ่าย

ข้อจำกัดที่ควรรู้

• ข้อมูลสาธารณะไม่ระบุราคา โควตาฟรี หรือสิทธิประโยชน์สมาชิก จึงควรตรวจสอบรูปแบบการคิดค่าบริการบนเว็บไซต์ทางการก่อนใช้ในการผลิตจริง
• ความยาวสูงสุดของวิดีโอ ความละเอียดตอนส่งออก และรูปแบบไฟล์ ไม่ได้อธิบายต่อสาธารณะ โปรเจกต์ที่ต้องการรูปแบบยาวหรือความละเอียดสูงควรทดสอบก่อน
• สามนาทีคือกรณีที่เร็วที่สุด เวลาจริงขึ้นกับความยาวบท ความยากของการจับคู่ภาพ และคิวในขณะนั้น
• ความแม่นยำการแปล 90 เปอร์เซ็นต์เป็นคำกล่าวอ้างของผู้พัฒนา คำศัพท์เฉพาะ ชื่อบุคคล ชื่อสถานที่ และการเล่นคำยังต้องมีคนตรวจ ไม่ควรนำไปใช้เป็นคำบรรยายฉบับสมบูรณ์โดยไม่ตรวจ
• เครื่องมือผูกกับระบบนิเวศของ Bilibili อย่างใกล้ชิด การเผยแพร่คลิกเดียวพุ่งเป้าไปที่นั่น ส่วนแพลตฟอร์มอื่นยังต้องส่งออกและอัปโหลดเอง
• การโคลนเสียงเกี่ยวข้องกับสิทธิในเสียงของบุคคล การโคลนเสียงผู้อื่นต้องได้รับอนุญาตจากเจ้าของเสียง และคอนเทนต์ที่สร้างด้วยปัญญาประดิษฐ์ต้องติดป้ายตามที่แพลตฟอร์มกำหนด
• ภาพที่จับคู่อัตโนมัติจะใช้เชิงพาณิชย์ได้หรือแก้ไขได้หรือไม่ ขึ้นกับขอบเขตสัญญาอนุญาตของคลังสื่อของแพลตฟอร์ม ต้องยืนยันทีละข้อก่อนใช้เชิงพาณิชย์

คำถามที่พบบ่อย

ต้องตัดต่อเป็นไหมจึงใช้ Huasheng AI ได้

ไม่ต้อง ขั้นตอนคือเขียนบท เลือกเทมเพลตหรือให้ปัญญาประดิษฐ์จับคู่ภาพ เลือกเสียง ดูตัวอย่าง เผยแพร่ ไม่มีการทำงานบนไทม์ไลน์ การเขียนสำคัญกว่าการตัดต่อ เพราะความเฉพาะเจาะจงของบทเป็นตัวกำหนดเพดานของคุณภาพภาพ

เผยแพร่วิดีโอบนแพลตฟอร์มอื่นนอก Bilibili ได้ไหม

ส่งออกแล้วอัปโหลดที่อื่นได้ แต่การเผยแพร่คลิกเดียวออกแบบมาสำหรับ Bilibili เมื่อกระจายหลายแพลตฟอร์ม ควรระบุว่าข้อกำหนดการติดป้ายคอนเทนต์ที่สร้างด้วยปัญญาประดิษฐ์ของแต่ละแห่งไม่เหมือนกัน

โคลนเสียงต้องใช้เสียงอัดนานแค่ไหน

ผู้พัฒนาระบุว่าเสียงสิบวินาทีก็เพียงพอต่อการสร้างเสียงเฉพาะบุคคล สิบวินาทีเป็นตัวอย่างที่สั้นมาก ความเสถียรของผลลัพธ์จึงขึ้นกับสภาพการอัด ควรอัดครั้งเดียวในห้องเงียบและเลี่ยงเสียงรบกวนรอบข้าง

โคลนเสียงคนอื่นได้ไหม

ไม่ได้หากไม่ได้รับอนุญาต เสียงเป็นสิทธิส่วนบุคคลเช่นเดียวกับภาพ การโคลนเสียงผู้อื่นจึงต้องมีความยินยอมชัดเจนจากเจ้าของ และคอนเทนต์ที่สร้างด้วยปัญญาประดิษฐ์มักต้องติดป้ายกำกับ