เพื่อนทักตอนเที่ยงคืนว่า "ไปจ้างนักพากย์ที่ไหนมา" — เล่าเรื่องจริงของการพากย์เสียงวิดีโอขายของด้วย AI

คืนวันพุธเกือบเที่ยงคืน พี่หน่อยไลน์มาประโยคเดียวสั้น ๆ ว่า "เสียงในคลิปมึงใครพูดวะ"

เขาหมายถึงคลิปกระติกน้ำเก็บความเย็นที่ผมลง TikTok Shop ตอนบ่าย ผมตอบกลับไปว่า AI พากย์ เขาส่งสติกเกอร์เครื่องหมายคำถามมาสามตัวติดกัน แล้วพิมพ์ว่า "ไม่จริงมั้ง น้ำเสียง การหายใจ จังหวะหยุดเนี่ย เหมือนคนพูดเลย"

ผมเข้าใจปฏิกิริยาของเขาเต็มที่ เมื่อสองปีก่อนผมก็เคยลองใช้โปรแกรมอ่านข้อความให้เสียง ฟังแล้วเหมือนเสียงประกาศในรถไฟฟ้า — เรียบ เนียน ไร้อารมณ์ เอาไปแปะในคลิปขายของคือจบเลย คนเลื่อนหนีภายในสองวินาที เพราะงั้นพอเขาถามแบบนั้น ในใจผมก็แอบภูมิอยู่นิดหนึ่ง

สิ่งที่ผมใช้คือ โคลนเสียงฟรี เอาตัวอย่างเสียงตัวเองอัดไว้ประมาณสามนาที ป้อนให้ระบบ แล้วคลิปทุกตัวหลังจากนั้นก็ใช้เสียงนั้นพูดแทนผม

เสียงพากย์พัง ฆ่ายอดขายได้แรงกว่าภาพแตก

คนขายของออนไลน์รู้ดีว่าต้องมีครบสามอย่าง ภาพปก คลิปสั้น แล้วก็รายละเอียดสินค้า สองอย่างแรกยังพอแต่งภาพเอาได้ แต่พอคลิปมีเสียงพูดปุ๊บ ทุกอย่างจะชัดทันที

ผมเห็นมาเยอะ ภาพตัดสวย เพลงก็ใส่ แต่พอเสียงคนพูดออกมา — แข็ง เป็นจังหวะสม่ำเสมอเหมือนเครื่องจักร อ่านทุกคำด้วยความเร็วเท่ากันหมด ฟังแล้วเหมือนกำลังฟังคู่มือใช้ยา ไม่ใช่ฟังคนขายของ

ปัญหาคือนักพากย์จริงแพงและช้า คลิป 30 วินาที ถ้าจ้างฟรีแลนซ์ก็ตกอยู่ราว 500 ถึง 1,500 บาท แล้วถ้าจะแก้บทอีกรอบก็บวกเพิ่ม ร้านที่ต้องลงคลิปวันละห้าตัวไม่ไหวหรอก แต่จะใช้เสียงหุ่นยนต์ก็ขายไม่ออก ตรงกลางระหว่างสองอย่างนี้แหละ คือที่ที่การโคลนเสียงออนไลน์แบบฟรีเข้ามาแก้เกม

"ฟรี" ทุกเจ้าไม่ได้แปลว่าใช้ได้ — กับดักที่ผมเจอเอง

บอกเลย ราคาที่แพงที่สุดของของฟรี คือเวลาของเรา

ผมลองมาแล้วเจ็ดแปดเจ้า บางเจ้าป้ายเขียนว่า ข้อความเป็นเสียง ฟรี พอเข้าไปจริง ๆ สังเคราะห์ได้แค่ 30 วินาที เกินกว่านั้นให้เติมเงิน บางเจ้าต้องสมัคร ต้องยืนยันเบอร์ ต้องส่งสำเนาบัตรประชาชน กว่าจะผ่านขั้นตอนครบ ผมตัดคลิปเสร็จไปแล้ว บางเจ้าเสียงที่ได้มีเสียงหวอ หรือไม่ก็มีเสียงพูดแทรก "ไฟล์เสียงนี้สร้างโดย..." ทุกสิบวินาที

สุดท้ายเพื่อนส่ง VoxClone มาให้ ตอนนั้นผมยังระแวงอยู่ เพราะมันเขียนว่าโคลนเสียงฟรีถาวร ซึ่งยุคนี้ใครจะไปเชื่อ แต่พอกดเข้าไป — ไม่ต้องสมัครสมาชิก text to speech เอาอะไรก็ได้ ลากไฟล์เสียงเข้าไป หรืออัดสดผ่านไมค์ รอไม่กี่นาที เสียงก็ออกมา

เรื่องนี้สำคัญกับผมมาก เพราะผมทำงานกับลูกค้าที่ออฟฟิศเขาเป็นประจำ ใช้คอมคนอื่น แก้สคริปต์ตอนดึก ๆ จะให้สมัครบัญชีใหม่ทุกครั้งที่ยืมเครื่อง มันไม่ไหว

หลักการทำงานของมันไม่ได้ซับซ้อน คุณป้อนเสียงคนที่สะอาด ๆ ให้มันหนึ่งช่วง มันเรียนโทนเสียงคุณ จากนั้นเอาบทไปวาง มันก็อ่านออกมาด้วยเสียงคุณ สำหรับงาน แปลงข้อความเป็นเสียงพูด ภาษาไทย ผมว่ามันจัดการคำลงท้ายอย่าง ครับ ค่ะ นะ ได้ดีกว่าที่คิด ไม่แข็งเหมือนหลายเจ้าที่อ่าน "นะครับ" แล้วฟังเหมือนหุ่นยนต์อ่านข่าว

ขั้นตอนพากย์คลิปขายของที่ผมใช้อยู่ตอนนี้

ประมาณนี้ครับ สี่สเต็ป

  • เขียนสคริปต์แบบพูด ไม่ใช่แบบเขียน ประโยคละไม่เกิน 15-20 คำ
  • วางบทลงใน แปลงข้อความเป็นเสียงพูด เลือกเสียงที่เทรนไว้แล้ว
  • โหลดไฟล์เสียงออกมา ลากเข้า CapCut จัดให้ตรงภาพ
  • ประโยคที่เป็นจุดขายหลัก ใส่ความเงียบเพิ่มเอง 0.2 วินาที

ฟังดูง่าย แต่มีรายละเอียดที่อยากเล่า

อย่างแรก สคริปต์ต้องเป็น "ภาษาคน" ถ้าคุณเขียนว่า "ผลิตจากวัสดุสแตนเลสเกรด 304 ปลอดภัยต่ออาหาร" AI อ่านออกมาแล้วจบเลย แต่ถ้าเปลี่ยนเป็น "ตัวในเป็นสแตนเลส 304 ใส่น้ำร้อนแล้วไม่คาว" เสียงเดียวกันนี้ฟังดูมีชีวิตขึ้นทันที ถ้าคุณแค่อยากหาตัวช่วย สร้างเสียงพูด ai ฟรี มาลองอ่านบทฟังจังหวะก่อน ก็เพียงพอแล้ว

อย่างที่สอง อย่าหวังว่ายิงครั้งเดียวได้เลย ผมมักสั่งออกสองสามเวอร์ชัน แล้วเลือกอันที่ความเร็วฟังสบายหูที่สุด ข้อดีของ เสียงพากย์ ai ฟรี คือเราไม่ต้องนั่งเสียดายจำนวนครั้งที่ใช้ ต่างจากพวกที่คิดเงินเป็นคลิป

อย่างที่สาม ไฟล์เสียงต้นทางต้องสะอาด ครั้งแรกผมอัดในห้องนั่งเล่น ทั้งเสียงแอร์ ทั้งพัดลม ถูกดูดเข้าไปในโมเดลหมด สังเคราะห์ออกมาแล้วทุกคำมีเสียงหึ่งตามหลัง มารู้ตัวอีกทีตอนลูกค้าทักว่าคลิปมีเสียงแปลก ๆ หลังจากนั้นผมย้ายไปอัดในตู้เสื้อผ้า เอาผ้าห่มคลุมหัว เงียบสนิท คุณภาพต่างกันคนละเรื่อง รายละเอียดพวกนี้มีอยู่ใน บทเรียนเพิ่มเติม ด้วย

อีกเรื่องที่สนุกดี เพื่อนผมขายของใช้สัตว์เลี้ยง เสียงเขาแหลมสูง เอาไปพากย์คลิปขายอาหารแมวแล้วฟังไม่นุ่มนวลเลย เขาเลยใช้การ โคลนเสียงตัวเอง แล้วลดคีย์เสียงลงนิดหนึ่ง ผสมกับเสียงภรรยาอีกนิด กลายเป็นเสียงใหม่ที่อยู่กึ่งกลางระหว่างสองคน — ไม่ผิดลิขสิทธิ์ใคร และฟังอบอุ่นกว่าเสียงสังเคราะห์ล้วน ๆ เรื่องแบบนี้เมื่อสองปีก่อนผมไม่กล้าคิดว่าจะทำได้ด้วยเครื่องมือฟรี

คำถามที่คนถามผมบ่อยที่สุด

โคลนเสียงยากไหม ผมไม่มีความรู้ด้านเทคนิคเลย

ไม่อยากเลยครับ จริง ๆ คุณไม่ต้องรู้จักโมเดล ไม่ต้องมี GPU ไม่ต้องรันโค้ด อัดเสียงตัวเอง 1-3 นาที ที่ไม่มีเสียงรบกวน แล้วอัปโหลด ที่เหลือมันจัดการเอง ในกลุ่มเครื่องมือ โคลนเสียงฟรี ตัวนี้เป็นตัวที่ขั้นตอนสั้นที่สุดเท่าที่ผมเคยใช้ เปิดเว็บก็ใช้ได้เลย

ของฟรี เดี๋ยววันหนึ่งจะเก็บเงินหรือปิดบริการไหม

เป็นความกังวลที่สมเหตุสมผล วิธีรับมือของผมคือ เก็บไฟล์เสียงต้นฉบับไว้ในเครื่องเสมอ เผื่อวันไหนเครื่องมือเปลี่ยนเงื่อนไข ผมก็ย้ายไปที่ใหม่แล้วเทรนใหม่ เสียเวลาก็แค่สิบนาที แต่เท่าที่ใช้มาเกือบครึ่งปี ยังไม่เจอการจำกัดจำนวนครั้งหรือจำกัดความยาว และไม่มีสัญญาณว่าจะเก็บเงินตรงไหน

ไฟล์เสียงที่ได้เอาไปใช้เชิงพาณิชย์ได้ไหม แพลตฟอร์มจะแบนไหม

ผมใช้กับคลิปในร้านตัวเองตรง ๆ ยังไม่เคยเจอปัญหาถูกตัด เพราะเสียงเป็นเสียงผมเอง คือผมอนุญาตตัวเอง แต่ถ้าคุณโคลนเสียงคนอื่น อันนี้ต้องขออนุญาตเป็นลายลักษณ์อักษรก่อน ไม่มีข้อยกเว้น และในมุมของ PDPA บ้านเรา เรื่องข้อมูลเสียงถือเป็นข้อมูลส่วนบุคคล อย่าไปอัดเสียงเพื่อนร่วมงานมาใช้โดยไม่บอก ส่วนแพลตฟอร์มอย่าง TikTok Shop ตอนนี้เข้มเรื่องคอนเทนต์ที่สร้างด้วย AI ต้องติดป้ายกำกับว่าเป็นสื่อ AI อย่าลืมติ๊ก ไม่งั้นคลิปอาจโดนลดการมองเห็นได้ อ้อ ถ้าใครเขียนโค้ดเป็น มันมี API ให้เรียกด้วยนะ ตอนทำคลิปหลาย SKU พร้อมกันนี่ประหยัดเวลาไปเยอะ ผมยังไม่ได้ลองลึก ๆ กะว่าจะลองเดือนหน้า

ปิดท้าย

กลับไปที่พี่หน่อย หลังจากผมอธิบายจบ เขาเงียบไปพักหนึ่ง แล้วถามว่า "งั้นกูใช้เสียงตัวเองได้ใช่ปะ"

ผมบอกว่าได้สิ เข้าไปที่ https://th.web666.cc/ ลองเลย สิบนาทีก็รู้คำตอบ เช้าวันรุ่งขึ้นเขาส่งไฟล์เสียง 20 วินาทีมาให้ฟัง เป็นเสียงเขาเองที่กำลังพูดขายชาใบหม่อนของที่บ้าน น้ำเสียงออกจะภูมิใจนิด ๆ

เพราะงั้นถ้าคุณกำลังปวดหัวกับเสียงพากย์คลิปขายของอยู่ ไม่ต้องรีบไปหานักพากย์ก่อน ลองอัดเสียงตัวเองสักหนึ่งถึงสามนาที แล้วเอาไปลองดู ฟรี ต้นทุนความผิดพลาดแทบเป็นศูนย์ สิ่งที่ยากจริง ๆ ไม่เคยใช่เครื่องมือ แต่คือคำถามว่าคุณยอมนั่งเขียนสคริปต์ให้เป็นภาษาคนหรือเปล่า