เพื่อนทักมาว่า “นี่เสียงคนพากย์จริงใช่ไหม” — เรื่องจริงของการพากย์วิดีโอสินค้าด้วย AI

คืนวันพุธเกือบเที่ยงคืน พี่หน่อยทัก LINE มาประโยคเดียว “เสียงในคลิปเมื่อกี้ ใครพากย์”

คลิปที่เขาพูดถึงคือคลิปกระติกน้ำเก็บความเย็นที่ผมลง TikTok Shop ตอนบ่าย ผมตอบกลับไปสั้น ๆ ว่า AI พากย์ เขาส่งสติกเกอร์งงมาสามตัว “เป็นไปไม่ได้ ตรงที่มันหายใจ ตรงที่มันเว้นจังหวะ เหมือนคนพูดเลย”

ผมเข้าใจปฏิกิริยาเขานะ สองปีก่อนผมก็เคยลองพากย์ด้วยเสียงหุ่น เสียงออกมาเหมือนประกาศในห้าง เอาไปแปะในคลิปสินค้า ยอดดูร่วงไปครึ่งหนึ่งเลย ฉะนั้นวันที่เขาถาม ผมแอบภูมิใจนิด ๆ ที่ใช้ โคลนเสียงฟรี เอาตัวอย่างเสียงตัวเองอัดไว้สามนาทีกว่า ๆ แล้วคลิปที่เหลือทั้งหมดให้มันพากย์แทน

พากย์พลาดที ภาพสวยแค่ไหนก็ไม่ช่วย

คนขายของออนไลน์รู้กันดีว่า ภาพปก รายละเอียดสินค้า แล้วก็วิดีโอสั้น คือชุดสามอย่างที่ต้องมี สองอย่างแรกยังพอแต่งภาพเอาได้ แต่พอวิดีโอเปิดปากปุ๊บ ทุกอย่างก็จบ

ผมเห็นมาเยอะ ภาพตัดสะอาด เพลงก็ใส่แล้ว แต่พอเสียงคนขึ้นมา — แบน เรียบ ความเร็วคงที่ ทุกคำหนักเท่ากันหมด ฟังเหมือนอ่านคู่มือ ลูกค้าปัดหนีภายในหนึ่งวินาทีครึ่ง

ปัญหาคือเสียงคนจริงแพงและช้าด้วย คลิป 30 วินาที ถ้าจ้างนักพากย์ก็หลักร้อยถึงหลายร้อย แก้สคริปต์อีกรอบก็บวกเพิ่ม ร้านที่ต้องลงคลิปวันละห้าชิ้นไม่ไหวหรอก ส่วนเสียงหุ่นก็ฟังไม่รู้เรื่อง ตรงกลางระหว่างสองอย่างนี้แหละ คือสิ่งที่การโคลนเสียงออนไลน์ทำได้

กับดักของคำว่า “ฟรี” ที่ผมเจอมากับตัว

บอกเลย — ของฟรีที่แพงที่สุดคือเวลาของเรา

ผมลองมาแล้วเจ็ดแปดเจ้า บางเจ้าป้ายว่า ข้อความเป็นเสียง ฟรี พอเข้าไปจริง ๆ สังเคราะห์ได้แค่ 30 วินาที เกินกว่านั้นจ่ายเงิน บางเจ้าต้องสมัคร ต้องผูกเบอร์ ต้องยืนยันตัวตน กว่าจะผ่านครบผมตัดคลิปเสร็จไปแล้ว บางเจ้ายิ่งกว่านั้น ใส่เสียงลายน้ำ หรือไม่ก็แทรกเสียง “คลิปนี้ผลิตโดย...” ทุกสิบวินาที

ตอนนั้นผมลองเสิร์ช voice clone thai free กับ text to speech ภาษาไทย ฟรี อยู่หลายคืน ก็ยังไม่เจออะไรที่เข้าท่า จนเพื่อนส่ง VoxClone มาให้ ตอนแรกผมก็ระแวง มันเขียนว่าโคลนเสียงฟรีถาวร ยุคนี้ใครจะเชื่อ แต่พอลองเข้าไป ไม่ต้องสมัครสมาชิก text to speech เปิดหน้าเว็บ อัดเสียงหรืออัปโหลดไฟล์ รอไม่กี่นาที เสียงก็ออกมา

เรื่องไม่ต้องสมัครนี่สำคัญกับผมมาก เพราะผมชอบแก้สคริปต์ที่ออฟฟิศลูกค้า ใช้คอมเขา จะให้สมัครบัญชีเพื่อพากย์ประโยคเดียวก็ใช่ที่

หลักการมันไม่ซับซ้อน เราให้เสียงคนที่อัดสะอาด ๆ ไปหนึ่งช่วง มันเรียนรู้โทนเสียงเรา จากนั้นเอาสคริปต์ไปวาง มันก็อ่านออกมาด้วยเสียงเรา ในกลุ่มเครื่องมือ สร้างเสียงพูด ai ฟรี ตัวนี้จัดการคำลงท้ายไทยอย่าง “ครับ” “ค่ะ” “นะ” ได้ดีกว่าที่ผมคิด ไม่แข็งอย่างที่กลัว

จริง ๆ ผมเริ่มจากงาน พากย์เสียงวิดีโอด้วย ai ฟรี อย่างเดียว แต่พอใช้ไปสักพักก็เริ่มเอาไปใช้อย่างอื่นด้วย เพื่อนอีกคนทำพอดแคสต์นิยาย เขาใช้มัน ทำ audiobook ด้วย ai ฟรี อ่านนิยายยาว ๆ หลายตอน ประหยัดค่าจ้างอ่านไปได้เยอะ ใครขายของหลาย SKU การ สร้างเสียงนักพากย์อัตโนมัติ ไว้ล่วงหน้าก็ช่วยได้เยอะเหมือนกัน

ขั้นตอนที่ผมใช้อยู่ตอนนี้

ประมาณนี้ สี่สเต็ป

  • เขียนสคริปต์แบบภาษาพูด แบ่งตามจังหวะหายใจ ประโยคไม่เกิน 20 คำ
  • เอาสคริปต์ไปวางใน แปลงข้อความเป็นเสียงพูด เลือกเสียงที่เทรนไว้
  • โหลดไฟล์เสียง ไปวางใน CapCut จัดให้ตรงภาพ
  • ประโยคที่เป็นจุดขาย ใส่ช่วงหยุด 0.2 วินาทีเอง

ฟังดูง่าย แต่มีรายละเอียดที่อยากเล่า

อย่างแรก สคริปต์ต้องเป็น “ภาษาคน” ถ้าเขียนว่า “ผลิตภัณฑ์นี้ใช้วัสดุสแตนเลสเกรดอาหาร 304” AI อ่านแล้วจบเลย แต่เปลี่ยนเป็น “ข้างในเป็นสแตนเลส 304 ใส่น้ำร้อนแล้วไม่คาว” เสียงเดิมเป๊ะ แต่ฟังแล้วมีชีวิต ถ้าใครแค่อยากหาที่ แปลงข้อความเป็นเสียงพูด มาลองอ่านสคริปต์ฟังจังหวะก่อน ก็ใช้ได้เหมือนกัน

อย่างที่สอง อย่าหวังว่าครั้งเดียวจะเพอร์เฟกต์ ผมมักเจนสองสามรอบ เลือกอันที่จังหวะพูดสบายที่สุด เพราะเป็น เสียงพากย์ ai ฟรี จะเจนกี่รอบก็ไม่ต้องกลัวเปลืองเครดิต ตรงนี้แหละที่สบายใจกว่าเครื่องมือคิดเงินรายชิ้น

อย่างที่สาม เสียงต้นฉบับต้องสะอาด รอบแรกผมอัดในห้องนั่งเล่น เสียงแอร์ติดเข้าไปเต็ม ๆ ออกมาเป็นเสียงอือ ๆ ตามหลังทุกคำ รอบหลังเลยไปอัดในตู้เสื้อผ้า เงียบกว่าเยอะ เรื่องนี้ใน บทเรียนเพิ่มเติม ก็มีพูดไว้

อีกเรื่องที่สนุกดี เพื่อนผมขายของสัตว์เลี้ยง เสียงตัวเองสูงเกินไป ไม่เหมาะกับของอย่างอาหารแมวที่ต้องรู้สึกนุ่มนวล เขาใช้โคลนเสียงตัวเองแล้วลดคีย์ลงนิด ผสมเสียงภรรยาอีกนิด ออกมาเป็นเสียงกึ่งกลางระหว่างสองคน — ไม่ผิดลิขสิทธิ์ใคร แถมอบอุ่นกว่าเสียงสังเคราะห์ล้วน ๆ ทำแบบนี้ได้ด้วย ข้อความเป็นเสียง ฟรี เมื่อสองปีก่อนผมไม่กล้าคิด

คำถามที่ถูกถามบ่อย

โคลนเสียงยากไหม ผมไม่มีความรู้ด้านเทคนิคเลย

ไม่อยากเลยจริง ๆ ไม่ต้องรู้เรื่องโมเดล ไม่ต้องมีการ์ดจอ ไม่ต้องรันโค้ด อัปโหลดเสียงคนสะอาด ๆ 1-3 นาที ที่เหลือปล่อยให้มันทำ ในบรรดาเครื่องมือโคลนเสียงฟรีที่ผมลอง VoxClone เป็นตัวที่ขั้นตอนสั้นที่สุด เปิดเว็บก็ใช้ได้เลย

ของฟรี เดี๋ยววันหนึ่งจะเปลี่ยนเป็นเก็บเงินหรือปิดไหม

เป็นความกังวลที่สมเหตุสมผล วิธีของผมคือ เก็บไฟล์เสียงต้นฉบับไว้ในเครื่องเสมอ ถ้าวันไหนเครื่องมือเปลี่ยน ผมก็ย้ายที่เทรนใหม่ เสียเวลาแค่สิบนาที แต่เท่าที่ใช้มาเกือบครึ่งปี มันยังเขียนว่าโคลนเสียงฟรีถาวร ไม่มีจำกัดจำนวนครั้งหรือความยาว ตรงนี้ผมยังไม่เคยโดนบล็อก

เสียงที่สังเคราะห์ใช้เชิงพาณิชย์ได้ไหม แพลตฟอร์มจะตัดสินว่าผิดไหม

ผมใช้ในคลิปของร้านตัวเองตรง ๆ ยังไม่เคยเจอปัญหา เพราะเสียงเป็นเสียงผมเอง เท่ากับผมอนุญาตตัวเอง แต่ถ้าไปโคลนเสียงคนอื่น อันนี้ต้องขออนุญาตเจ้าของเสียงให้ชัดเจน ไม่มีข้อยกเว้น เมืองไทยตอนนี้มี พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล หรือ PDPA ที่เกี่ยวข้องด้วย ยิ่งต้องระวัง และถ้าใครเขียนโค้ดเป็น มันมี API ให้เรียกด้วย เอาไว้เจนเสียงทีละหลาย ๆ SKU ประหยัดเวลาสุด ๆ อันนี้ผมยังไม่ได้ลองจริง กะว่าจะลองเดือนหน้า

ปิดท้าย

กลับมาที่พี่หน่อย วันนั้นผมอธิบายจบ เขาเงียบไปพักหนึ่ง แล้วถามว่า “งั้นเราใช้เสียงตัวเองได้ด้วยใช่ไหม”

ผมบอกว่าได้สิ เข้าไปที่ https://th.web666.cc/ ลองเลย สิบนาทีก็รู้ว่าใช้ได้หรือไม่ เช้าวันรุ่งขึ้นเขาส่งไฟล์เสียง 20 วินาทีมา เป็นเสียงตัวเขาเองอ่านจุดขายชาในร้าน น้ำเสียงดูภูมิใจอยู่เหมือนกัน

เพราะงั้นถ้าใครยังปวดหัวเรื่องเสียงพากย์วิดีโอสินค้าอยู่ — ไม่ต้องคิดมากว่าจะจ้างนักพากย์ดีไหม ลองอัดเสียงตัวเองสักสิบนาทีก่อน ฟรีอยู่แล้ว ต้นทุนการลองผิดแทบเป็นศูนย์ สิ่งที่ยากจริง ๆ ไม่เคยใช่เครื่องมือ แต่คือคำถามว่าเรายอมเขียนสคริปต์ให้เป็นภาษาคนหรือเปล่า