Vidcraft

/vidcraft — วางแผน·สร้าง·ประกอบคลิป (ผู้กำกับ + คนประกอบ)

สกิลนี้คือชั้น ความคิดสร้างสรรค์ + การประกอบคลิปจากสไลด์/ภาพ ที่ vdocut (ตัดฟุตเทจ) กับ reel-factory (รีลข่าว) ไม่ครอบคลุม. ตกผลึกจากงานคลิปนำเสนอจริง + การ research คลิปเก่ง (SFX-as-hook, edutainment, YouTube editing studies). คุย/ยืนยันแผนเป็นภาษาไทยก่อนเรนเดอร์เสมอ; autonomous หลังเคาะแผน.

0. Route ก่อน — งานนี้คือแบบไหน?

• มีฟุตเทจอยู่แล้ว ต้องตัด/เกรด/ใส่ซับ → ไป [[vdocut]].
• รีลแนวตั้ง 9:16 เล่าข่าว/แชร์ข้อมูล จากหัวข้อเดียว (VO+ภาพ AI+แบนเนอร์) → ไป [[reel-factory]].
• คลิปนำเสนอ/explainer/โปรดักต์ จากสไลด์ภาพ → narrated video (16:9 หรือ 9:16, intro hook + outro CTA + progress + SFX) → ใช้ §3 ของสกิลนี้.
• ไม่ว่าเส้นทางไหน → เริ่มที่ §1 วางแผนความน่าสนใจก่อนเสมอ แล้วค่อยลงมือ.

1. PLAN — Engagement playbook (ทำให้ "หยุดนิ้ว")

ตกผลึกจากคลิปที่ดูมา. คุยกับผู้ใช้แล้วเลือกใช้ให้พอดีกับ tone (consumer = จัดเต็ม; B2B/enterprise = หยิบบางอัน คงความพรีเมียม).

HOOK (0–3 วิ) = สำคัญสุด. เลือก 1 แบบ:

• Curiosity gap — เปิดวงโคจรคำถามที่ต้องดูต่อ ("องค์กรคุณกำลังส่งความลับให้ AI โดยไม่รู้ตัวหรือเปล่า?")
• Counterintuitive / contrarian — ขัดสามัญสำนึก ("ทำไมแบงก์ไม่ชอบคนโปะหนี้" — Mr.White)
• Bold stat / number — ตัวเลขแรง ("92% ของ...")
• Question / problem-agitation — จี้ปัญหาคนดู
• Audio-first: ใส่ "เสียง" (riser→impact) ใน วินาทีแรก ก่อนภาพจะนิ่ง — คนรับเสียงก่อนภาพ (บทเรียนแมนหยุดนิ้ว,).

โครงสร้าง: HOOK → STAKES/บริบท → VALUE (เนื้อหลัก, 1 ไอเดียหลักต่อคลิปสั้น) → PAYOFF → CTA. อย่ายัดหลายไอเดีย.

Pacing (retention):

• เปลี่ยนภาพทุก ~2–4 วิ (Mr.White ตัด ~2 วิ/ช็อต). ห้ามเฟรมนิ่งเกิน ~5 วิ — อย่างน้อยต้องมี Ken Burns ขยับ.
• Pattern interrupt — สลับมุม/ขนาดตัวอักษร/จังหวะ.
• Open loop — "เดี๋ยวจะบอก..." ดึงให้ดูจนจบ; CTA ไต่ระดับ ตอนปิด.
• Progress bar บอกความคืบหน้า เพิ่ม watch-time.

Clarity / visual:

• ตัวเลข/สถิติหลัก ทำใหญ่เต็มจอ + ย้ำซ้ำ (Mr.White ย้ำ "92%" หลายเฟรม).
• Visual metaphor 1 ตัว แทนนามธรรม (เช่น ปราการ = โล่กั้น "data → [ปราการ] → AI").
• คอนทราสต์สูง, โลโก้/แบรนด์ติดทุกเฟรม, ซับเสมอ (คนดูส่วนใหญ่ปิดเสียง).

Audio: VO −14 LUFS, เพลงเป็น bed ที่ duck ใต้เสียงพูด, SFX เป็นเครื่องหมายวรรคตอนที่ beat สำคัญ (ไม่ใส่รัว) +.

Platform/format: 9:16 = FB/IG/TikTok/Shorts; 16:9 = YouTube/LinkedIn/นำเสนอ. เผื่อขอบปลอดภัยให้ซับ/UI ของแพลตฟอร์ม.

2. Pre-production checklist (ก่อนเรนเดอร์ — ยืนยันกับผู้ใช้)

ความยาว/aspect · กลุ่มเป้าหมาย+tone · hook 1 ประโยค · 1 ไอเดียหลัก · CTA · เสียง (Niwat/Premwadee + [[tinglish]]) · เพลง · ต้องมีซับ/progress/SFX ไหม · โลโก้. เสนอแผน 4–8 ประโยคภาษาไทย แล้วรอ "เอาตามนี้".

3. ประกอบคลิปนำเสนอจากสไลด์ (pipeline ที่พิสูจน์แล้ว)

ภาพ slide (16:9) N รูป + โลโก้ + VO ต่อสไลด์ → narrated video พร้อม transition/เกรด/ซับ/progress/intro hook/outro CTA/SFX. Reference implementation — สคริปต์ 6 ตัวที่พิสูจน์แล้ว แยกหน้าที่ชัดเจน (สร้างเองตามชื่อนี้ได้เลย): build_video.py คลิปต่อสไลด์, build_video2.py xfade+เกรด, reburn.py ซับ Netflix, build_video3_final.py intro/outro+concat, build_sfx.py SFX layer, merge_images.py รวมเป็น PPTX. ลำดับ:

1. VO: edge-tts ผ่าน python -m edge_tts (ดู §4 SAC) Niwat + Tinglish → vo01..N.mp3.
2. คลิปต่อสไลด์: SINGLE-frame image input + zoompan (Ken Burns, สลับทิศตาม index) + eq เกรด + overlay โลโก้ + format=yuv420p; -t = lead+vo_dur+tail. เข้ารหัสทุกคลิปด้วยพารามิเตอร์เดียวกัน (libx264, 30fps, yuv420p, -video_track_timescale 30000) เพื่อ concat ได้เนียน.
3. Transition: xfade chain (สลับชนิด, D_TR~0.6) → deck video. (หมายเหตุ: xfade ออก timebase 1/15360 — ถ้าจะต่อ intro/outro ทีหลังต้องซ่อม PTS ก่อน, §4.)
4. ซับ Netflix-style (§4): สร้าง SRT (chunker ≤40 ตัวอักษร) → burn ด้วย Leelawadee UI.
5. เสียง: VO ต่อ segment + BGM L-shape (ดังตอนเปิด 3 วิ แล้วลงเป็น bed) + sidechaincompress duck + loudnorm −14. ถ้ามี intro/outro ใช้ segmented loudnorm (loudnorm แต่ละท่อนแยก แล้วต่อ).
6. Intro hook + Outro CTA: คลิปแยก (single-frame zoompan + ASS kinetic text) → concat DEMUXER -c copy (พารามิเตอร์ตรงกัน, deck pixels ไม่ถูกแตะ = ภาพไม่ดำ). อย่าใช้ concat filter กับ deck ที่ timebase แปลก.
7. Progress bar: drawbox=x=0:y=ih-5:w='iw*t/{T}':h=5:color=0xRRGGBB@0.9:t=fill ในพาส burn ซับ.
8. SFX layer (§5): สร้าง riser/impact → วางด้วย adelay+amix เป็น track เต็มความยาว → amix ใต้เสียงสุดท้าย + loudnorm → re-mux -c:v copy (เร็ว ไม่แตะวิดีโอ).
9. QA (§6).

3.1 Tighten ฟุตเทจยาว (meeting/demo recording → คลิปกระชับ ส่งลูกค้า)

สำหรับไฟล์อัดประชุม Teams/Zoom ยาวๆ ("ตัดให้กระชับ คงเนื้อหาเต็ม"). พิสูจน์กับงาน Surapon (106→98 นาที).

1. silencedetect หา dead air: ffmpeg -i SRC -af silencedetect=noise=-30dB:d=1.5 -vn -f null - 2>sil.log (decode เสียงอย่างเดียว เร็ว). ระวังหัวคลิปมักเป็น "ห้องรอ" เงียบยาว (เคสนี้ 2.5 นาทีแรก).
2. keep-list = complement ของ silence gaps (เหลือ pad ~0.4s ต่อข้างให้จังหวะธรรมชาติ); ทิ้ง segment <1s. gaps ยาว (≥8s) = เดาเป็น section break.
3. ตัดในพาสเดียว ด้วย select/aselect (ไม่ใช่ extract+concat ทีละชิ้น): วิดีโอ select='between(t,a,b)+between(...)+...',setpts=N/FRAME_RATE/TB,fps=30; เสียง aselect='<expr เดียวกัน>',asetpts=N/SR/TB → ภาพ/เสียง sync เพราะ expr เดียวกัน. (expr ยาวหลายพันตัวอักษรได้ ffmpeg รับไหว)
4. รวมกับ §3: + grade เบา + logo overlay มุม (แบรนด์) + progress bar + BGM duck (ระวัง gotcha §4 BGM loop) + loudnorm. เสียงประชุม mono 16kHz → loudnorm ช่วยให้ฟังง่ายขึ้นมาก.
5. customer-facing: + intro/outro card แบรนด์ + ตัดช่วง sensitive (ถ้าระบุ timestamp ได้; การหา "ช่วงที่ไม่ควรให้ลูกค้าเห็น" อัตโนมัติต้องสแกนเนื้อหา = แพง — ถามผู้ใช้ก่อน).
6. render ครั้งเดียว ~1 ชม.วิดีโอ ใช้ veryfast/CRF 23 (จอแชร์ compress ง่าย) → เร็วพอ. ทดสอบลุค 60 วิก่อนเรนเดอร์เต็มเสมอ.

4. ffmpeg recipe cookbook + GOTCHAS (จ่ายด้วยเลือดมาแล้ว)

Environment: ffmpeg/ffprobe บน PATH. uv ที่ ...WinGet\Packages\astral-sh.uv_...\uv.exe. PYTHONIOENCODING=utf-8 เสมอ.

• ⛔ Smart App Control บล็อก .exe: edge-tts.exe → WinError 4551 → ใช้ python -m edge_tts. yt-dlp.exe ถูกบล็อก → uv tool run yt-dlp.
• ⛔ Frame explosion: -loop 1 -t D -i img + zoompan d=frames = คูณเฟรม (input×d) → ไฟล์บวมเป็นนาที + ภาพดำ. FIX: input เป็นภาพเฟรมเดียว (-i img ไม่มี -loop/-t) + zoompan d=frames:s=WxH:fps=30 + -t D ที่ output.
• ⛔ Timebase balloon: เอาต์พุต xfade มี tb=1/15360; พอ re-encode ด้วย -r 30 → duration บวม ~×12. FIX: rebuild PTS -vf "setpts=N/30/TB" -fps_mode cfr -r 30 -video_track_timescale 30000.
• ⛔ Concat ภาพดำ/ผิด: concat filter กับ source timebase แปลกทำ deck ดำได้; concat demuxer -c copy ต้องพารามิเตอร์ เหมือนกันเป๊ะ (fps/profile/pix_fmt/timescale). FIX: เข้ารหัสทุกท่อนเหมือนกัน → demuxer -c copy (ภาพไม่ถูกแตะ → สว่างชัวร์) → แล้วค่อย subs/progress/audio ในพาส single-input.
• ⛔ A/V drift: ทุก audio segment ต้องยาวเท่า video segment ของมัน — pad ด้วย apad -t <len> ไม่งั้นท่อนหลังเลื่อน.
• ⛔ BGM loop overruns video: -stream_loop -1 BGM + amix (default duration=longest) → เสียงยาวเกินวิดีโอ (เพลงเล่นต่อหลังภาพจบ → ไฟล์ยาวผิด). FIX: amix=inputs=2:duration=first:normalize=0 (ใส่ speech/content เป็น input แรก) หรือถ้าเรนเดอร์ไปแล้ว trim เสียงให้เท่าวิดีโอ + re-mux -c:v copy (เช็ค ffprobe -select_streams v/a stream=duration ว่า v==a). เจอจากงาน Surapon meeting cut.
• ซับ Netflix-style (ไทยไม่หนา + วรรณยุกต์ไม่ซ้อน): subtitles=subs.srt:force_style='FontName=Leelawadee UI,FontSize=23,Bold=0,Outline=1.3,Shadow=1,MarginV=50,PrimaryColour=&H00FFFFFF,OutlineColour=&H00000000'. (Leelawadee UI = sans ไทยน้ำหนักปกติ; เลี่ยง Tahoma+Bold+outline หนา ที่ทำตัวหนา/วรรณยุกต์ซ้อน). 9:16 ต้องใช้ .ass ฝัง PlayResX/Y (ดู [[reel-factory]] §gotcha1).
• BGM L-shape + duck: เพลงดัง ~0.5 ช่วงเปิด → ลงเหลือ ~0.14 เป็น bed (volume='if(lt(t,1.2),0.5,...)':eval=frame) + sidechaincompress=threshold=0.04:ratio=8:attack=5:release=350 (key = VO).
• Loudnorm: -14 LUFS / -1 dBTP / LRA 11 บนเสียงสุดท้ายเสมอ (social-ready).
• Path/encoding: OneDrive paths มีช่องว่าง/ไทย → เรียก ffmpeg ผ่าน Python (subprocess list args) เลี่ยง bash globbing; ไฟล์มี # → hardlink ASCII (vdocut §4).

5. Engagement add-ons — "make it pop" toolkit (ffmpeg ล้วน, ไม่ต้องมีไฟล์ SFX)

• riser (ไต่ตึง): anoisesrc=d=0.85:c=pink:a=0.5 -af "highpass=f=400,lowpass=f=7000,volume='pow(t/0.85,2)':eval=frame,afade=t=out:st=0.75:d=0.1"
• impact (boom+click): boom aevalsrc='0.8*exp(-t*9)*sin(2*PI*62*t)':d=0.6 + click anoisesrc=d=0.10:c=white,highpass=f=1800 → amix → lowpass 9000 → fade.
• whoosh (เปลี่ยนฉาก): anoisesrc=d=0.6:c=pink + bandpass sweep + fade.
• วาง SFX แบบไม่ re-render วิดีโอ: สร้าง track เต็มความยาว (adelay=ms|ms + volume ต่อ hit → amix=normalize=0 → apad), แล้ว amix ใต้เสียงสุดท้าย + loudnorm (กันคลิป), re-mux -c:v copy. วาง hit ที่: วินาทีแรก (audio-first), เผยแบรนด์, เปลี่ยน section, outro. ~5–6 จุด/4 นาที = พอดี.
• Animated stat callout: ASS \fad() + \t(\fscx\fscy) เด้งตัวเลขใหญ่ตอน VO พูดถึง; หรือ drawtext fade-in.
• Ken Burns: zoompan z='min(zoom+0.0006,1.10)' สลับ x/y ตาม index ให้ไม่ซ้ำทิศ.

6. QA / self-eval (บน output ที่เรนเดอร์จริง)

• ความสว่าง: แคปเฟรม (Read PNG) — deck/เนื้อหาควรสว่าง (~13–25/255). ถ้าดำ (<8) = bug (สงสัย frame-explosion/timebase, §4 — ไม่ใช่ที่ source).
• เสียงไม่คลิป: volumedetect → max_volume ≤ -1 dB. SFX beat ควรเห็น transient เด้งที่จุดที่วาง.
• A/V sync + duration: ตรวจ ffprobe duration ตรงแผน; เฟรม intro/deck/outro ขึ้นถูกที่.
• ซับ: แคปเฟรมจริง ยืนยันว่า burn แล้ว + ไม่หนา/ไม่ซ้อน.
• เก็บไฟล์สำรองเวอร์ชันดีไว้เสมอ ก่อนทับด้วยเวอร์ชันใหม่ (เช่น เก็บ -v2/-v3 ไว้).

7. Anti-patterns

• ❌ ลงมือเรนเดอร์ก่อนเคาะ hook + 1 ไอเดียหลัก + CTA (§1–2).
• ❌ ยัดหลายไอเดียในคลิปสั้นเดียว.
• ❌ -loop 1 + zoompan d= (frame explosion) — ใช้ single-frame input.
• ❌ concat filter กับ deck timebase แปลก / concat demuxer ที่พารามิเตอร์ไม่ตรง → ภาพดำ.
• ❌ edge-tts.exe / yt-dlp.exe ตรงๆ (SAC บล็อก) — ใช้ python -m edge_tts / uv tool run yt-dlp.
• ❌ ซับไทยด้วย Tahoma+Bold+outline หนา (ตัวหนา/วรรณยุกต์ซ้อน) — ใช้ Leelawadee UI regular.
• ❌ ลืม loudnorm / ลืม duck BGM / ใส่ SFX รัวจนล้น.
• ❌ ขนเทคนิค consumer-meme (มาสคอตการ์ตูน, สีจัดจ้าน) ลงงาน B2B โดยไม่ปรับ tone.
• ❌ เฟรมนิ่งเกิน 5 วิ ไม่มี motion.
• ❌ ทับไฟล์เวอร์ชันดีโดยไม่สำรอง.

8. Cold start

ถามงาน → §0 route → §1 วางแผน hook/โครงสร้าง → §2 ยืนยันแผนภาษาไทย → ลงมือ (§3 หรือส่งต่อ vdocut/reel-factory) → §6 QA → ส่งมอบ + เสนอปรับจูน. งานนำเสนอ/สไลด์ ให้สร้างสคริปต์ 6 ตัวตาม §3 เป็นจุดตั้งต้น.