สามทุ่มครึ่งวันพุธ พี่ตั้มส่งไฟล์เสียงยาว 8 วินาทีเข้ามาในแชท เป็นเสียงผู้หญิงอ่านสเปกสินค้า น้ำเสียงสบายๆ มีเสียงหายใจเบาๆ คั่นอยู่หนึ่งจังหวะ

แล้วข้อความต่อมาก็เด้งขึ้นมา: "เสียงนี้พากย์เองเหรอ?"

ไม่ใช่ครับ ผมสร้างด้วยเครื่องมือ โคลนเสียงฟรี ตัวหนึ่ง ใช้เวลาไม่ถึงสองนาทีด้วยซ้ำ

เขานิ่งไปสามวิ ก่อนถามคำถามที่ผมไม่ได้เตรียมตัวตอบเลย — "ตอนเซฟไฟล์ นายเลือก MP3 หรือ WAV?"

บอกตามตรง คำถามนี้ตอบยากกว่า "เสียงเหมือนคนจริงไหม" เยอะ

เรื่องมันเริ่มยังไง

พี่ตั้มขายของออนไลน์อยู่ที่เชียงใหม่ กำลังทำคลิปเสียงอธิบายสินค้าล็อตใหญ่สำหรับลง TikTok Shop กับ Shopee

ก่อนหน้านี้เขาจ้างนักพากย์ 30 วินาที ราคา 800 บาท แก้สคริปต์อีกรอบบวกอีก 300

ผมเลยเปิดหน้า แปลงข้อความเป็นเสียงพูด ให้เขาดู — วางข้อความ กดสร้าง รอไม่ถึงนาทีก็ได้ไฟล์ ไม่ต้องติดตั้งโปรแกรม ไม่ต้องสมัครอะไร

เขาถามย้ำสามรอบว่า "ฟรีจริงเหรอ"

ผมเข้าใจดี เพราะตัวเองลองเครื่องมือที่โฆษณาว่าโคลนเสียงฟรีมาแล้วเจ็ดแปดเจ้า ส่วนใหญ่พอใช้โควตาหมดก็เด้งป๊อปอัป หรือไม่ก็ไฟล์ที่โหลดมามีลายน้ำติด

ตัวที่ ไม่ต้องสมัครสมาชิก text to speech แล้วยังใช้ได้ไม่จำกัดจำนวนครั้ง ยังไม่ค่อยเจอ

พอลงมือทำเองจริง ปัญหาก็โผล่ — เขากรอกสคริปต์เสร็จ กดเซฟ เจอตัวเลือกสองแบบ แล้วค้างอยู่ตรงนั้น

คนส่วนใหญ่หาคำว่า แปลงข้อความเป็นเสียงพูด แล้วเจอเว็บเป็นสิบๆ แห่ง นั่งเทียบว่าตัวไหนเสียงธรรมชาติกว่า จนลืมไปว่าขั้นตอนสุดท้ายคือการเลือกฟอร์แมตไฟล์

MP3 กับ WAV ต่างกันตรงไหน

ขอเคลียร์ความเข้าใจผิดก่อน

WAV ไม่ได้แปลว่า "เสียงดีกว่า" มันแปลว่า "ยังไม่ผ่านการบีบอัด"

MP3 ก็ไม่ได้แปลว่า "เสียงห่วย" มันคือการบีบอัดแบบสูญเสียข้อมูล แต่บีบอย่างฉลาด

ความสัมพันธ์ของสองตัวนี้เหมือน RAW กับ JPEG — ไม่ใช่ใครสูงกว่าใคร แต่ใช้คนละสถานการณ์

WAV เก็บข้อมูลดิบครบทุกจุด ไฟล์เลยใหญ่แบบไม่ต้องสงสัย เสียงยาว 1 นาที ที่ 44.1kHz/16bit กินพื้นที่ราว 10MB

MP3 ความยาวเท่ากัน ที่ 128kbps อยู่ราว 1MB ถ้าที่ 320kbps ก็ประมาณ 2.4MB

แล้วพื้นที่ที่เพิ่มขึ้นมาหลายเท่ามันได้อะไร?

ได้ความยืดหยุ่นในการตัดต่อ ถ้าคุณต้องเอาเข้าโปรแกรมตัดต่อเพื่อลดเสียงรบกวน ปรับความเร็ว มิกซ์เสียง หรือต่อหลายท่อนเข้าด้วยกัน WAV ทนการขย้ำได้หลายรอบ

MP3 ทุกครั้งที่เซฟใหม่จะเสียข้อมูลเพิ่มขึ้นนิดหน่อย ตัดต่อสามรอบขึ้นไป เสียงเสียดสีอย่างเสียง "ส" จะเริ่มฟู

กลับกัน ถ้าคุณแค่โยนไฟล์ลงคลิป TikTok ลง LINE ส่งเข้ากลุ่ม หรือใส่ในเว็บ — WAV 10MB นั้นเสียเปล่า เพราะแพลตฟอร์มยังไงก็บีบซ้ำอีกที

วิธีที่ผมใช้จริง

ทำงานสายคอนเทนต์มาหลายปี ตอนนี้เกือบเป็นปฏิกิริยาอัตโนมัติไปแล้ว

  • ถ้าต้องเอาเข้าโปรแกรมตัดต่อต่อ → WAV เท่านั้น
  • ถ้าส่งงานเลย ลงกลุ่ม ส่งขึ้นแพลตฟอร์ม → MP3 320kbps
  • ถ้ายังไม่แน่ใจ → เซฟ WAV เก็บไว้ก่อน ค่อยแปลงทีหลัง

ข้อสามนี่ได้มาจากการเจ็บตัวครั้งหนึ่ง ตอนนั้นส่งงานให้ลูกค้าเป็น MP3 แล้วลูกค้าบอกว่า "ขอปรับเสียงดนตรีประกอบหน่อย" ผมเลยเอาตัว MP3 ไปตัดต่อ ผลคือเสียงคนพูดทึบลงชัดเจน ต้องกลับไปสร้างใหม่ทั้งหมด

ตั้งแต่นั้นมาก็เข็ด

พูดถึงการสร้าง — เคล็ดลับที่ประหยัดเวลาที่สุดคือ สร้างครั้งเดียว เซฟเก็บไว้ทั้งสองฟอร์แมต ยังไงตอนนี้ก็มี ข้อความเป็นเสียง ฟรี แบบไม่จำกัดจำนวนครั้ง รันใหม่ก็แค่ไม่กี่สิบวินาที ไม่จำเป็นต้องไปเสี่ยงตัดฟอร์แมตเพื่อประหยัดพื้นที่เก็บไฟล์

ไม่ว่าคุณจะทำ audiobook ด้วย ai ฟรี หรือ พากย์เสียงวิดีโอด้วย ai ฟรี หลักการเดียวกันหมด — เก็บต้นฉบับไว้无损 แล้วค่อยแปลงทีหลัง

อีกอย่าง ถ้าคุณตั้งใจจะ โคลนเสียงตัวเอง ไว้ใช้ยาวๆ ระวังเรื่อง PDPA ด้วยนะครับ อย่าเอาเสียงคนอื่นมาอัดโดยไม่ขออนุญาต เดี๋ยวจะกลายเป็นเรื่องใหญ่

ถ้าคุณตั้งใจจะต่อเสียงเข้ากับโปรแกรมของตัวเองเพื่อรันเป็นชุดๆ ยิ่งต้องเก็บไฟล์无损ไว้ตั้งแต่ต้น ทางเว็บมีช่องทางเรียกใช้ API สังเคราะห์เสียงฟรี อยู่ ไฟล์ที่ได้จะถูกบันทึกเป็น WAV ลงเครื่อง จะเอาไปทำอะไรต่อก็ยังมีช่องว่างให้ขยับ

นิสัย "เก็บ无损ไว้ตั้งแต่ต้นทาง" นี้คุ้มกว่ามานั่งแก้ทีหลังเยอะ

คำถามที่เจอบ่อย

MP3 จะฟังดูเป็น AI ไหม?

ไม่ครับ หรือพูดให้ถูกคือ ฟอร์แมตไม่ใช่ตัวตัดสิน

เสียงที่ฟังดูปลอมมักมาจากการเว้นวรรคในข้อความที่แปลก หรือเลือกโทนเสียงที่ไม่เข้ากับเนื้อหา — เช่นใช้โทนอ่านข่าวมาอ่านแคปชันขายของน่ารักๆ

ไม่ว่าจะเป็น สร้างเสียงพูด ai ฟรี หรือเครื่องมือ ข้อความเป็นเสียง ฟรี ระดับความธรรมชาติตอนนี้ผ่านจุด "ฟังปุ๊บรู้เลยว่าปลอม" ไปนานแล้ว โดยเฉพาะงาน โคลนเสียงตัวเอง ที่ใช้เสียงต้นฉบับที่อัดมาสะอาดๆ ส่วนต่างเรื่องฟอร์แมต ถ้าฟังผ่านลำโพงมือถือแทบแยกไม่ออก

จริงๆ ถ้าคุณเสิร์ชคำว่า voice clone thai free หรือ text to speech ภาษาไทย ฟรี อยู่ แล้วมาเจอบทความนี้ ก็ถือว่ามาถูกทางแล้วครับ

ทำคลิปสั้น เซฟ WAV แล้วไฟล์ใหญ่เกินจะอัปโหลดไหม?

ใช่ครับ TikTok, Reels, YouTube Shorts ล้วนมีข้อจำกัดเรื่องขนาดไฟล์แบบไม่ประกาศชัด และสุดท้ายเขาก็เข้ารหัสใหม่เป็น AAC อยู่ดี

ส่ง WAV ขึ้นไปก็โดนบีบเหมือนเดิม เพราะฉะนั้นงานคลิปสั้นใช้ MP3 ได้เลย ไม่ต้องฝืน

ไฟล์ที่เซฟมาแล้วยังแก้ได้ไหม?

MP3 แก้ได้ แต่แก้ทีก็เสื่อมทีนึง ถ้าแค่ตัดความเงียบหัวท้ายออก ไม่มีปัญหา

แต่ถ้าต้องปรับความเร็ว เปลี่ยนคีย์ หรือลดเสียงรบกวน แนะนำกลับไปที่หน้า โคลนเสียงตัวเอง สร้างไฟล์ WAV ใหม่แล้วค่อยลงมือ

ข้อดีของการทำแบบ ไม่ต้องสมัครสมาชิก อยู่ตรงนี้แหละ — ต้นทุนต่ำพอที่คุณจะเริ่มใหม่ได้เรื่อยๆ โดยไม่รู้สึกเสียดาย

หลายคนที่ทำ เสียงพากย์ ai ฟรี ใช้กันแบบนี้แหละ คือ สร้างเสียงนักพากย์อัตโนมัติ เก็บเป็นคลังเสียงไว้ แล้วค่อยเลือกใช้ทีหลัง

ปิดท้าย

ย้อนกลับไปที่ข้อความของพี่ตั้ม ผมตอบเขาไปว่า คลิปอธิบายสินค้าชุดนี้ ให้เซฟ WAV เก็บไว้เป็นต้นฉบับก่อน แล้วค่อยแปลงเป็น MP3 320kbps ส่งงาน

เขาบอกว่า "ต่างกันแค่นี้จะได้ยินเหรอ"

ผมบอกว่า ตอนนี้ไม่ แต่พออีกสามเดือนคุณต้องแก้สคริปต์เพราะสินค้าเปลี่ยนสเปก คุณจะรู้ว่ามันต่างตรงไหน

ถ้าคุณกำลังค้างอยู่หน้าจอเดียวกันนี้ อย่านั่งคิดนาน หยิบข้อความสัก 30 วินาที ไปสร้างที่ แปลงข้อความเป็นเสียงพูด สองรอบ — รอบหนึ่ง MP3 อีกรอบ WAV ใส่หูฟังฟังเทียบ แล้วลากเข้าโปรแกรมตัดต่อตัดสักหนึ่งครั้ง

ห้านาที รู้เรื่องกว่าอ่านบทความสิบบทความ

ระหว่างรอ เปิดดู บทความเพิ่มเติม ก็ได้ มีร่องที่ผมตกไปแล้วให้อ่านอยู่หลายอัน