Drama S1E1: สายจากแม่ (The Voice That Isn't)
วิดีโอ (60 วินาที, 9:16)
ทิปของตอนนี้ (Tip)
ตั้งคำลับในครอบครัว และถ้ามีสายแปลก ให้วางสาย แล้วโทรกลับเบอร์ที่บันทึกไว้ (สายสำนักงานตำรวจไซเบอร์ AOC 1441 ยังไม่ได้ยืนยันจากหน้าทางการวันนี้).
วิธีทำและต้นทุน
| ขั้น | เครื่องมือ | ต้นทุน |
|---|---|---|
| บท (Beat) 1-10 | STORY.md: เสียงโทร, ความกดดัน, หักมุม, ค้างภาพ (cliffhanger) | ฟรี |
| ตัวละครและฉาก | Codex image gen (gpt-6-luna, max): ภาพหลัก 11 ชอต (รวมรีเทก T11), แผ่นต้นแบบแม่ 1 ชุด, ภาพข้อความแม่ 1 ภาพ | สมาชิก Codex |
| เสียง (Voice) | Gemini 3.8 Flash TTS: 1 คำขอ (Owner = Umbriel, Mom = Gacrux), ตัดเป็นบรรทัดตามเวลา | 1 คำขอ จาก 2 ที่อนุญาต |
| วิดีโอ (LTX) | LTX-2.5 บน Colab L4: 16 เทค (รวมรีเทก C14, S3, T11 และ A2V คู่ S4), ความยาวเทคละ 5 วินาที | ประมาณ 1.7 หน่วย (ลดจากยอดคงเหลือ, อาจรวมช่วงที่ EP6 ใช้ด้วย) |
| Step Buddy | rig กำหนดตำแหน่งภายในเครื่อง (render.mjs), ไม่อยู่ใน keyframe หรือ prompt | CPU ภายในเครื่อง |
| ประกอบ (assemble) | ffmpeg: ตัดเฟรม, การ์ด MG (Playwright), ซับไตเติลจาก ASS, SFX, เพลง EP1 ลดเสียงใต้บทพูด, -14 LUFS, TP -1.5 | CPU ภายในเครื่อง |
| ตรวจ (audit) | Vertex gemini-3.8-flash (high thinking) ตามรายการข้อบกพร่องปิดของ AUDIT-BRIEF | น้อยกว่า 0.02 USD ต่อรอบ |
ผลการทดลอง A2V (เสียงเป็นเงื่อนไข)
A2V (เสียงเป็นเงื่อนไข LTX): latent เสียงที่ตรึงด้วย noise mask 0 ทำให้ปากตามคำพูดในช็อต S4 และใบหน้าคงที่ตลอด 5 วินาที. เกณฑ์ที่ใช้คือปากเปิดในช่วงพูดและปิดในช่วงเงียบ. กฎ 2 เทค: ถ้าเลนส์หรือมือยังดริฟต์ ให้ใช้ keyframe เป็นภาพนิ่งที่เลื่อนกล้อง. คะแนน Vertex: รอบ 1 = 6/10, รอบ 2 = 6/10, รอบ 3 = PASS 7/10.
จุดอ่อนที่รู้ (เรียงตามผลกระทบ)
- เลนส์แว่นเข้มขึ้นเล็กน้อยในช็อต S4 (A2V, ปากตามเสียงผ่านการตรวจ) เพราะ LTX ดันเลนส์ให้เข้ม. ไม่ได้แก้ในรอบนี้.
- T11 (หักมุม) เป็นภาพนิ่งจาก keyframe ที่เลนส์สว่าง เลื่อนกล้อง 1.00 ถึง 1.04 เพราะเทค LTX 2 เทคยังเลนส์เข้ม (กฎ 2 เทค จึงหยุดที่ภาพนิ่ง).
- E5 (ช่วงหยุด, มือบนแทร็กแพด) และ E6 (ใบหน้าช่วงหยุด) เป็นภาพนิ่งเลื่อนกล้อง ไม่มีการเคลื่อนไหวของ LTX. E5 มีแขนซ้อนกันเล็กน้อย (Vertex r3 PASS 7/10, ตรวจด้วยตาแล้วเบา).
- ปากตามเสียงใช้ได้เฉพาะ S4 (A2V pilot). S9 เข้าใกล้ตาจนไม่มีปากให้วัด จึงใช้ปากปิดแทน (ไม่มีการ lip-sync ในชอตนี้).
- AOC 1441 ยังไม่ได้ยืนยันกับหน้าทางการ (เว็บ aoc.go.th ไม่ตอบวันนี้). ต้องตรวจก่อนเผยแพร่.
- ปุ่ม รับสาย (MG) วางตามตำแหน่งนิ้วในเฟรม C14-43. ไม่ได้ผูกกับนิ้วจริงตลอดเฟรม.
ช็อตทั้งหมด
อภิธานศัพท์ (Glossary)
- A2V (audio to video)
- สร้างภาพให้ตามเสียง: ใส่เสียงเป็นเงื่อนไข ปากขยับตามคำพูด
- LTX-2.5
- โมเดลวิดีโอแบบเปิดน้ำหนัก ทำภาพและเสียงพร้อมกันจากภาพนิ่งหนึ่งภาพ
- ECU / CU / MCU / MS / WS
- ระยะภาพจากใกล้สุดถึงกว้างสุด (Extreme close-up, Close-up, Medium close-up, Medium shot, Wide shot)
- 180 องศา (180-degree line)
- เส้นสมมติระหว่างสองคน ห้ามข้ามเพื่อให้ทิศทางหันของตัวละครสอดคล้องกัน
- Freeze frame (ค้างภาพ)
- หยุดเฟรมสุดท้ายไว้ มักใส่เอฟเฟกต์ลดสีและซูม เพื่อสร้างความค้างคา
- Step Buddy rig
- ตัวการ์ตูนที่ประกอบทับวิดีโอด้วยการคำนวณ ไม่ใช่วิดีโอที่สร้างโดยโมเดล
- LUFS, TP (True Peak)
- ความดังเฉลี่ยของเสียงตามมาตรฐาน EBU และยอดพีคจริงของสัญญาณ (ต้องไม่เกิน -1.5 dBTP ในงานนี้)
- Vertex audit
- การตรวจวิดีโอด้วย AI โดยมีรายการข้อบกพร่องปิด ให้คะแนนและบอก PASS หรือ FIX