← กลับหน้าภาพรวม
🎬 สร้างวิดีโอ · VIDEO

การสร้างวิดีโอสั้นพร้อมเสียงด้วย Veo

Veo จาก Google DeepMind คือเครื่องมือสร้างวิดีโอของ Gemini จะพิมพ์ข้อความให้มันสร้างวิดีโอ หรือเอารูปมาทำให้ขยับก็ได้ ตอนนี้เวอร์ชันล่าสุดคือ Veo 3 (เปิดตัวในงาน I/O 2025) และ Veo 3.1 / 3.1 Fast (ตัวทดลอง) ของเด็ดที่ทำให้มันต่างจากตัวอื่นจริง ๆ คือเป็นเจ้าแรกที่ใส่เสียงมาให้ในตัวเลย ทั้งเสียงพูด เสียงเอฟเฟกต์ และเสียงบรรยากาศรอบข้าง แถมยังขยับปากได้ตรงกับเสียงพูด (lip-sync) แบบเป๊ะ ๆ การเคลื่อนไหวก็สมจริงเหมือนของจริง และคุมให้ออกมาดูเหมือนหนังได้ด้วย คลิปหนึ่งยาวราว ๆ 8 วินาที คนทั่วไปใช้ได้ผ่าน Google Flow โดยใช้เครดิต (มีมาให้ในแพ็กเกจ AI Plus/Pro/Ultra) ส่วนองค์กรใหญ่ ๆ จะใช้ผ่าน Vertex AI

🛠 Veo (Veo 3 / Veo 3.1) ผ่าน Google Flow

Veo ทำอะไรได้บ้าง และมีข้อจำกัดอะไร

Veo สร้างวิดีโอสั้น ๆ ราว 8 วินาทีต่อคลิป ไม่ใช่หนังยาวนะ สิ่งที่ทำให้มันเด่นกว่าตัวอื่นคือ "เสียงในตัว" คือมันสร้างทั้งบทสนทนา เสียงเอฟเฟกต์ และเสียงบรรยากาศออกมาพร้อมกับภาพเลย แถมขยับปากได้ตรงกับเสียงพูด (lip-sync) แบบแม่น ๆ ส่วน Veo 3.1 ยังเพิ่มความสามารถต่อคลิปให้ยาวขึ้นได้ (clip extension) อีกอย่างที่ต้องจำไว้คือ ตัว Gemini ที่เราแชตคุยกันตามปกติมันสร้างวิดีโอเองไม่ได้ ต้องไปทำผ่าน Veo (ใน Flow หรือ Vertex AI) เท่านั้น และตอนแรก Veo 3 แบบความละเอียดสูงเปิดให้ใช้เฉพาะแพ็กเกจ Ultra ในอเมริกาก่อน แล้วค่อย ๆ ขยายออกไป เพราะฉะนั้นจะมีเรื่องจำกัดว่าใช้ได้ในประเทศไหน และแพ็กเกจไหนบ้าง

ตัวอย่าง PROMPT
(ใน Google Flow, Veo) คลิป 8 วินาที: โดรนบินต่ำเหนือทุ่งดอกทานตะวันยามเช้า กล้องค่อย ๆ เชิดขึ้นเผยภูเขาไกล ๆ, แสงทองอบอุ่น, ฟิสิกส์การไหวของดอกไม้ตามลมสมจริง, มีเสียงลมและเสียงนกเบา ๆ เป็นเสียงบรรยากาศ

เขียนคำสั่งสร้างวิดีโอ (prompt) ยังไงให้ได้ผล

คำสั่ง (prompt) วิดีโอที่ดีควรบอกให้ครบ 6 อย่าง คือ (1) ในภาพมีอะไรเป็นตัวเอก (2) มันทำอะไรในช่วง 8 วินาทีนั้น บอกให้ชัด ๆ (3) กล้องขยับยังไง เช่น เลื่อนกล้องเข้าไปใกล้ (dolly in) กวาดกล้องไปด้านข้าง (pan) หรือถ่ายจากมุมสูง (aerial) (4) แสงและอารมณ์ภาพเป็นแบบไหน เช่น แสงทองยามเย็น (golden hour) หรือแสงนีออนตอนกลางคืน (5) สไตล์ภาพ เช่น แบบหนัง (cinematic) หรือแบบสารคดี (documentary) และ (6) อยากได้เสียงแบบไหน เช่น บทพูด เสียงเอฟเฟกต์ หรือเสียงบรรยากาศ เพราะ Veo ใส่เสียงมาให้ในตัว ถ้าเราบอกเรื่องเสียงให้ครบ คลิปที่ได้จะสมบูรณ์กว่ากันเยอะ และอย่าลืมออกแบบเนื้อเรื่องให้พอดีกับเวลาสั้น ๆ ด้วย

ตัวอย่าง PROMPT
คลิปสไตล์ cinematic 8 วินาที: เชฟกำลังโรยเกลือลงบนสเต็กในครัวมืด, สโลว์โมชัน, dolly in ช้า ๆ เข้าหามือเชฟ, แสงไฟอุ่นจากด้านข้าง, มีเสียงสเต็กฉ่าบนกระทะและเสียงเกลือตกกระทบ, ปิดท้ายเชฟพูดเบา ๆ ว่า 'Perfect.' พร้อม lip-sync

สร้างจากข้อความ สร้างจากภาพ และการต่อคลิปให้ยาวขึ้น

Veo สร้างวิดีโอได้สองแบบ คือสร้างจากข้อความที่เราพิมพ์บรรยาย (text-to-video) กับสร้างจากภาพนิ่งแล้วทำให้มันขยับได้ (image-to-video) แบบเอาภาพนิ่งมาทำจะดีตรงที่เราคุมองค์ประกอบตอนเริ่มต้นได้แม่นกว่า เช่น เริ่มจากภาพสินค้าที่เราจัดวางไว้เรียบร้อยแล้ว เนื่องจากคลิปหนึ่งยาวแค่ราว 8 วินาที ถ้าอยากเล่าเรื่องยาว ๆ ก็ต้องวางแผนแบ่งเป็นหลายคลิป แล้วค่อยต่อให้ยาวขึ้นด้วย clip extension (ใน Veo 3.1) หรือเอามาตัดต่อร้อยเข้าด้วยกันใน Flow โดยพยายามให้แสง มุมกล้อง และโทนสีต่อเนื่องกันไปให้เนียน

ตัวอย่าง PROMPT
(image-to-video) ใช้ภาพนิ่งขวดน้ำผลไม้ที่ฉันอัปโหลด ทำให้มีชีวิต 8 วินาที: หยดน้ำค่อย ๆ ไหลลงข้างขวด, พื้นหลังผลไม้สดเบลอเบา ๆ ขยับตามลม, กล้องหมุนรอบขวดช้า ๆ, มีเสียงน้ำซ่าเบา ๆ เป็นเสียงประกอบ

ใช้งานยังไง เสียเครดิตแค่ไหน และวางแผนใช้จริง

คนทั่วไปสร้างวิดีโอ Veo ผ่าน Google Flow (เครื่องมือทำหนัง) โดยใช้เครดิตที่มากับแพ็กเกจ AI Plus/Pro/Ultra ส่วนองค์กรใช้ผ่าน Vertex AI เนื่องจากการสร้างแต่ละคลิปต้องเสียเครดิต และได้ความยาวแค่ราว 8 วินาที เราจึงควรวางสตอรีบอร์ด (storyboard คือแผนภาพเล่าเรื่องทีละช็อต) และเขียน prompt ให้ชัดก่อนสั่งสร้าง จะได้ไม่ต้องสร้างซ้ำหลายรอบให้เปลืองเครดิต ถ้าเป็นงานเล่าเรื่องยาว ให้ซอยเป็นช็อตสั้น ๆ ที่ออกแบบให้ต่อเนื่องกัน แล้วเอามาต่อกันใน Flow อีกอย่างคือราคาและเครดิตมันเปลี่ยนไปตามประเทศและตามช่วงเวลา ก่อนจะวางแผนผลิตจริงควรเช็กเงื่อนไขของแพ็กเกจล่าสุดอีกทีให้ชัวร์

ตัวอย่าง PROMPT
ช่วยวางสตอรีบอร์ดโฆษณาสินค้า 24 วินาที แบ่งเป็น 3 ช็อต ช็อตละ 8 วินาทีสำหรับ Veo โดยเขียน prompt แยกแต่ละช็อตให้แสง มุมกล้อง และโทนสีต่อเนื่องกัน พร้อมระบุเสียงบรรยากาศและบทพูดปิดท้ายในช็อตสุดท้าย
← กลับหน้าภาพรวมหลักสูตร Gemini