นี่คือวิธีเตรียมรูปหมู่ เตรียมเสียงบทสนทนา และกำกับว่าใครทำอะไร
เตรียมรูปสำหรับวิดีโอ AI หลายคน
ทุกคนที่ควรขยับต้องเห็นใบหน้าชัด ขนาดใกล้เคียงกัน และไม่ซ้อนทับกัน สองถึงสี่คนเรียงกันในเฟรมแนวนอนคือจุดเริ่มต้นที่ง่ายที่สุด นึกถึงโต๊ะพอดแคสต์ โซฟาสัมภาษณ์ หรือแถวบนเวที แสงที่สม่ำเสมอทุกใบหน้าช่วยไม่ให้ใครดูแบนกว่าคนอื่น
ถ้าแต่ละคนอยู่ห่างจากกล้องต่างกันมาก ใบหน้าที่อยู่ใกล้กว่าจะเด่นกว่า ครอปให้ผู้พูดเป็นจุดสนใจ
เตรียมเสียงบทสนทนา
อัปโหลดไฟล์เสียงมิกซ์ไฟล์เดียวที่มีบทสนทนาทั้งหมด เรียงตามลำดับที่ควรเล่น เว้นช่องว่างเล็กน้อยระหว่างผู้พูดเพื่อให้การผลัดกันพูดชัดเจน และหลีกเลี่ยงช่วงที่สองคนพูดทับกันนานๆ
ไฟล์อัดพอดแคสต์และบทสัมภาษณ์ใช้ได้ดีตามสภาพเดิม แค่ตัดช่วงที่ต้องการ ปรับระดับเสียงให้เท่ากัน แล้วอัปโหลดเป็น MP3 หรือ WAV ยาวได้ถึงห้านาที
กำกับว่าใครพูดและใครแสดงปฏิกิริยา
บรรยายแต่ละคนตามตำแหน่งในพรอมต์ เขียนให้สั้น
- “Left host speaks first, right host nods and laughs, then answers.” (พิธีกรฝั่งซ้ายพูดก่อน ฝั่งขวาพยักหน้าและหัวเราะ แล้วตอบ)
- “Woman on the right leads the verse, man on the left joins on the chorus.” (ผู้หญิงฝั่งขวานำท่อนเวิร์ส ผู้ชายฝั่งซ้ายร้องร่วมท่อนฮุก)
- “Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.” (ผู้สัมภาษณ์ฝั่งซ้ายถาม แขกฝั่งขวาใช้มือประกอบขณะอธิบาย กล้องมุมกว้างนิ่ง)
- “Whole family waves at the end, gentle push-in.” (ทั้งครอบครัวโบกมือตอนจบ กล้องดันเข้านุ่มนวล)
ฟอร์แมตที่เป็นไปได้ขึ้นมาทันที
วิดีโอพอดแคสต์จากภาพนิ่งภาพเดียว สเก็ตช์ตลกที่มีสองตัวละคร ทีเซอร์บทสัมภาษณ์ คลิปร้องคู่และคณะประสานเสียง คำอวยพรจากครอบครัว และบทบาทสมมติในห้องเรียน แต่ละอย่างเคยต้องถ่ายทำหลายคนพร้อมกัน ตอนนี้ใช้แค่รูปเดียวกับเสียงที่อัดไว้
ปัญหาที่พบบ่อยในฉากกลุ่ม
ถ้าดูเหมือนคนผิดเป็นคนพูด ให้ระบุตำแหน่งในพรอมต์ให้ชัดเจน เช่น “the person on the left” (คนฝั่งซ้าย) แทนชื่อที่โมเดลมองไม่เห็น และตรวจว่าใบหน้าของผู้พูดมีขนาดใกล้เคียงกันในเฟรม ถ้าทุกคนขยับมากเกินไป ให้สั่ง “listeners stay mostly still” (ผู้ฟังนิ่งเป็นส่วนใหญ่) เพื่อให้ผู้พูดโดดเด่น
กลุ่มใหญ่มากจะกระจายรายละเอียดไปบนใบหน้าเล็กๆ จำนวนมาก สำหรับภาพคณะประสานเสียงหรือภาพทีม ให้ครอปเหลือแถวหน้าและทำคลิปให้สั้น
เขียนบทสนทนาสำหรับสองเสียง
การโต้ตอบสั้นๆ ได้ผลดีที่สุด คนหนึ่งถาม อีกคนตอบในหนึ่งหรือสองประโยค แล้วผลัดกันพูดเร็วๆ การพูดคนเดียวยาวๆ ในรูปหมู่ทำให้ผู้ฟังแทบไม่มีอะไรทำ ให้แทรกด้วยปฏิกิริยาหรือคำถามต่อเนื่อง
คำถามที่พบบ่อย
หนึ่งวิดีโอมีได้กี่คน?
ใช้กับกลุ่มได้ แต่ใบหน้าที่เห็นชัดสองถึงสี่คนให้ผลลัพธ์ที่เชื่อถือได้มากที่สุด
ต้องแยกไฟล์เสียงของแต่ละคนไหม?
ไม่ต้อง อัปโหลดไฟล์มิกซ์บทสนทนาไฟล์เดียว แล้วบรรยายในพรอมต์ว่าใครพูด
คนอื่นแสดงปฏิกิริยาขณะที่อีกคนพูดได้ไหม?
ได้ ผู้ฟังจะพยักหน้า ยิ้ม และเหลือบมองผู้พูด เมื่อคุณสั่งในพรอมต์
OmniHuman 1.5 รองรับหลายคนไหม?
เวอร์ชัน 1.5 ใช้มาสก์เลือกผู้พูดได้คนเดียว การแสดงแบบหลายคนเป็นความสามารถใหม่ใน 2.0
ใช้รูปครอบครัวได้ไหม?
ได้ เมื่อได้รับอนุญาตจากทุกคน ใบหน้าที่ชัดและหันตรงได้ผลดีที่สุด
ฉากยาวได้เท่าไร?
สูงสุด 5 นาทีในเทกเดียว
แต่ละคนมีเสียงต่างกันได้ไหม?
ได้ อัดหรือมิกซ์บทสนทนาที่มีเสียงของแต่ละคนรวมไว้ในไฟล์เสียงเดียว เรียงตามลำดับการพูด
ผู้ฟังจะนิ่งสนิทไหม?
ไม่ พวกเขาจะขยับเล็กน้อยอย่างเป็นธรรมชาติ ถ้าต้องการมากกว่านั้นให้สั่งปฏิกิริยาอย่างการพยักหน้าหรือยิ้ม
รูปหมู่ต้องเป็นแนวนอนไหม?
ไม่บังคับ แต่เฟรมกว้างให้พื้นที่แต่ละใบหน้ามากกว่า รูปหมู่แนวตั้งได้ผลดีที่สุดเมื่อมีสองคนยืนชิดกัน