Vdostory

/vdostory — Storyboard → คลิปการ์ตูน + Voiceover

เปลี่ยน "หัวข้อ + แก่นเรื่อง" ให้เป็นคลิป explainer การ์ตูน: ภาพต่อเนื่อง + เสียงบรรยายไทย + text overlay + b-roll + BGM ใช้คู่กับ [[vidcraft]] (ffmpeg cookbook), [[reel-factory]] (รีล 9:16), [[vdocut]] (ตัดฟุตเทจ), [[tinglish]] (ออกเสียงอังกฤษแบบไทย)

⭐ แนะนำ: ใช้ Neramit (config-driven — เร็วสุด)

Toolkit Neramit (เนรมิต) = $NERAMIT — รวมทุกขั้นของ /vdostory ไว้แล้ว เขียน config.json ไฟล์เดียว (ฉาก + บทพากย์ + b-roll + overlay + BGM) แล้ว:

cd /d/Project/Neramit
export GEMINI_API_KEY=...
python neramit.py examples/devsecops/config.json   # → out/*.mp4

มันจัดการ: เจนภาพ (chatgpt-bridge) → VO (Gemini TTS) → overlay (Remotion) → Ken Burns/b-roll/L-cut → SFX + BGM ดัก → mp4; resumable (rerun ข้ามของที่ทำแล้ว) ดู schema เต็มใน README.md ของ repo. ทำเองแบบ manual ก็ได้ตามขั้นด้านล่าง

เมื่อไรใช้

อธิบายภาพรวมสินค้า/ระบบ/ไอเดีย เป็นคลิปการ์ตูนเล่าเรื่อง (pain point → solution), pitch, โฆษณาสั้น, อธิบายแอป/บริการ

หลักคิดสำคัญ (จากงานจริง)

• motion where it helps, stillness where it matters — หน้าเนื้อหาที่มีตัวอักษรในภาพ ให้ นิ่ง (ห้าม Ken Burns เพราะซูมจะตัดตัวอักษร); เฉพาะ b-roll ที่โล้น (ไม่มีข้อความ) ค่อยใส่ Ken Burns
• L-cut — ปล่อย VO เล่นต่อเนื่องคร่อมรอยตัดภาพ (panel → b-roll → panel) ให้ลื่น ไม่ใช่ตัดแข็ง
• overlay แทนตัวอักษรในภาพ gen — เจนภาพแบบ no-text แล้วใส่ตัวหนังสือทีหลัง (คุมง่าย + คมชัด)

Pipeline (7 ขั้น — manual)

1) บท + แก่นเรื่อง

โครง ปัญหาจริง → จุดอ่อนของเดิม → ทางแก้ใหม่ → CTA (8–12 ฉาก, ฉากละ ~1 ประโยค). ตัวละครหลักคงที่ทุกฉาก (ชื่อ/ทรงผม/สี) เพื่อความต่อเนื่อง

2) storyboard → prompts.json + config/scenes

• prompts.json = [{"id","prompt":"<EN image prompt>"}] — style block เดียวกันทุกฉาก + คำบรรยายตัวละครซ้ำเป๊ะ + ลงท้าย 16:9
  • ภาพ หน้าเนื้อหา: ให้มี title อังกฤษในภาพได้ (GPT-4o เจน text ในภาพคม) · ภาพ b-roll: no text, lots of negative space (ใส่ overlay ทีหลัง)
• บทพากย์: เขียนไทยธรรมชาติ (Gemini อ่านศัพท์อังกฤษได้ดี); ถ้าใช้ edge-tts ให้ respell ศัพท์อังกฤษเป็นไทย [[tinglish]]

3) ภาพการ์ตูน — chatgpt-bridge (GPT-4o)

$CHATGPT_BRIDGE:

cd /d/Project/chatgpt-bridge
node chatgpt-batch.mjs "$WORK/<PROJ>/prompts.json" "$WORK/<PROJ>/images"

• gotcha: ต้องมี node_modules (playwright) — npm install ก่อน; path forward-slash Windows
• headed browser; session หมด/Turnstile = login เอง · fallback ถ้า cap รูป: Cloudflare FLUX ()

4) Voiceover — Gemini TTS (แนะนำ) หรือ edge-tts

• Gemini 2.5 TTS (ธรรมชาติสุด): REST gemini-2.5-flash-preview-tts, GEMINI_API_KEY, voice Charon(ชาย)/อื่น ๆ, prefix style prompt (เช่น "Read in a warm professional Thai narrator voice: ") → PCM 24kHz → WAV
  • ⚠️ preview tier RPM ต่ำ → ต้อง throttle ~22s/คำขอ + backoff 429 + resume (ข้ามไฟล์ที่มีแล้ว); คีย์ต้องเปิด billing (free tier quota=0 → 403/429)
  • โค้ดพร้อมใช้: neramit/tts.py
• edge-tts (ฟรี ไม่ต้องคีย์, fallback): edge-tts --voice th-TH-NiwatNeural --text "<respelled>" --write-media vo/<id>.mp3

5) Text overlay — Remotion (สำหรับหน้าโล้น/b-roll)

ตัวหนังสือใหญ่ คมชัด เงาบาง (browser-quality + Thai shaping ดีกว่า drawtext/ASS):

• composition Overlay.tsx (โหลดฟอนต์ไทยผ่าน delayRender/FontFace, text-shadow บาง + emerald accent bar) → npx remotion still ... Overlay out.png --props='{"text":"..."}' → PNG โปร่งใส
• ซ้อนบน b-roll ตอน ffmpeg: b-roll ซูม (zoompan) อยู่หลัง, overlay นิ่งคมชัดอยู่หน้า ([bg][1:v]overlay=0:0)
• โค้ดพร้อมใช้: Neramit/remotion/ + neramit/overlays.py

6) ประกอบคลิป — ffmpeg (Ken Burns + b-roll + L-cut + ซับ + SFX + BGM)

• ต่อฉาก: VO → วัด duration (wave/ffprobe) → หน้าเนื้อหา static (scale 1920x1080 + fade dip ที่ขอบฉาก), b-roll zoompan (Ken Burns) + overlay
• b-roll/L-cut: ในฉากยาว แบ่งเวลาเป็น [panel static] + [b-roll motion×N] hard-cut ใต้ VO ต่อเนื่อง; ต่อฉากด้วย concat demuxer (sync ตรง) + dip ที่ขอบ
• ซับไทย (ถ้าต้องการ): ASS + Sarabun (subtitles=...:fontsdir=); ถ้าภาพมีข้อความ/overlay แล้ว ไม่ต้องใส่ซับ (จะทับกัน)
• SFX: synth whoosh (anoisesrc+bandpass+fade) ตอนเปลี่ยนฉาก + ding (sine) จุดเน้น → วางด้วย adelay+amix
• BGM ดักใต้เสียง: yt-dlp โหลดเพลง → sidechaincompress (BGM เป็น main, VO เป็น sidechain) → amix + loudnorm=I=-15
• โค้ดพร้อมใช้: neramit/media.py + neramit/build.py

7) ส่งออก

out/final.mp4 (1920x1080, H.264+AAC, loudnorm). 9:16 สำหรับรีล → [[reel-factory]]/[[vdocut]]

เช็คลิสต์คุณภาพ

• ตัวละคร/สไตล์ต่อเนื่องทุกฉาก
• หน้าเนื้อหา นิ่ง (ไม่ Ken Burns) — ตัวอักษรในภาพไม่โดนตัด; เฉพาะ b-roll ที่ซูม
• overlay (Remotion) บนหน้าโล้น: ใหญ่ คมชัด เงาบาง อ่านง่ายบนพื้นสว่าง (ใช้สีเข้ม)
• VO ธรรมชาติ (Gemini) / respell แล้ว (edge-tts); ไม่ใส่ซับทับ overlay
• L-cut ลื่น (VO คร่อมรอยตัด b-roll)
• เสียง loudnorm, BGM ดักใต้ VO (sidechain)

ตัวอย่างจริง

• Neramit $NERAMIT\examples\devsecops\ — DevSecOps explainer ไทย (8 ฉาก, intro/outro การ์ตูน, 4 b-roll + Remotion overlay, Gemini VO, BGM ดัก) → github.com/<your-github-user>/neramit
• $WORK/thai-consular-next\vdostory\ — explainer แอป Thai Consular (edge-tts เวอร์ชันเก่า)