วิธีสร้างวิดีโอพร้อมเสียงด้วย Gemini

วิธีสร้างวิดีโอพร้อมเสียงด้วย Gemini สามารถทำได้โดยเปิดเมนู Videos แล้วเขียน Prompt ระบุทั้งภาพและเสียงที่ต้องการ เช่น เสียงพูด เสียงบรรยากาศ เสียงเอฟเฟกต์ และดนตรี จากนั้น Gemini Omni จะสร้างเสียงให้สัมพันธ์กับเหตุการณ์ภายในวิดีโอ

ผู้ใช้สามารถสร้างวิดีโอพร้อมเสียงจากข้อความ รูปภาพ หรือวิดีโอต้นฉบับ และสามารถสั่งแก้ไขเสียงต่อผ่านการสนทนา เช่น ลดเสียงดนตรี เปลี่ยนบทพูด เพิ่มเสียงฝน หรือลบเสียงที่ไม่ต้องการ

Gemini สร้างวิดีโอพร้อมเสียงได้ไหม

Gemini สามารถสร้างภาพเคลื่อนไหวและเสียงในกระบวนการเดียวกัน โดยเสียงที่ขอได้ประกอบด้วย

🎙️ เสียงพูดของตัวละคร

🌧️ เสียงบรรยากาศ เช่น ฝน ลม คลื่น และผู้คน

🚗 เสียงเอฟเฟกต์ เช่น เครื่องยนต์ ประตู หรือแก้วกระทบโต๊ะ

🎵 ดนตรีประกอบตามอารมณ์

🐦 เสียงธรรมชาติ เช่น นก แมลง และน้ำไหล

🏙️ เสียงสถานที่ เช่น ถนน ร้านกาแฟ ตลาด หรือสำนักงาน

เสียงที่ได้จะมีความแม่นยำมากขึ้นเมื่อ Prompt ระบุว่าเสียงใดต้องเกิดขึ้นเมื่อใด ใครเป็นผู้พูด และเสียงใดควรอยู่เบื้องหน้าหรือเบื้องหลัง

สิ่งที่ต้องมีก่อนสร้างวิดีโอพร้อมเสียง

ตรวจสอบเงื่อนไขต่อไปนี้

✅ เข้าสู่ระบบ Gemini ด้วยบัญชี Google

✅ ผู้ใช้มีอายุอย่างน้อย 18 ปี

✅ บัญชีส่วนตัวมีแพ็กเกจ Google AI ที่รองรับวิดีโอ

✅ บัญชีงานหรือโรงเรียนมี Workspace License ที่รองรับ

✅ มีโควตาสร้างวิดีโอเหลืออยู่

✅ ประเทศและบัญชีได้รับสิทธิ์ใช้เมนู Videos

✅ แอป Gemini หรือเบราว์เซอร์เป็นเวอร์ชันล่าสุด

หากสร้างวิดีโอได้แต่ไม่มีเสียง ควรตรวจทั้ง Prompt เครื่องเล่นวิดีโอ ระดับเสียงอุปกรณ์ และไฟล์หลังดาวน์โหลด

วิธีสร้างวิดีโอพร้อมเสียงด้วย Gemini บนคอมพิวเตอร์

1. เปิดเว็บไซต์ Gemini
2. เข้าสู่ระบบด้วยบัญชี Google
3. เปิดเมนูหลักด้านซ้าย
4. เลือก “Videos” หรือ “วิดีโอ”
5. เลือกเทมเพลตหรือเริ่มจากหน้าว่าง
6. พิมพ์ Prompt อธิบายภาพและเสียง
7. เพิ่มภาพหรือวิดีโออ้างอิง หากต้องการ
8. ระบุอัตราส่วนของวิดีโอ
9. กดส่งคำสั่ง
10. รอให้ Gemini สร้างวิดีโอ
11. เปิดเสียงบนเครื่องเล่นแล้วตรวจสอบผลลัพธ์
12. สั่งแก้ไขเสียงหรือดาวน์โหลดไฟล์

การสร้างวิดีโออาจใช้เวลาหลายนาที ระหว่างประมวลผลไม่ควรส่งคำสั่งเดิมซ้ำหลายครั้ง

วิธีสร้างวิดีโอพร้อมเสียงบนโทรศัพท์

1. อัปเดตแอป Gemini
2. เปิดแอปและเข้าสู่ระบบ
3. แตะเมนูด้านบนซ้าย
4. เลือก Videos
5. พิมพ์รายละเอียดวิดีโอ
6. เพิ่มคำสั่งเกี่ยวกับเสียง
7. เลือกหรือระบุอัตราส่วน
8. กดส่งแล้วรอประมวลผล
9. เปิดวิดีโอและเพิ่มระดับเสียง
10. ตรวจเสียงพูด เอฟเฟกต์ และดนตรี
11. กด Share เพื่อบันทึกหรือส่งออก

ควรทดลองฟังไฟล์ที่ดาวน์โหลดด้วยหูฟังและลำโพงโทรศัพท์ เพราะเสียงบางประเภทอาจเบาจนไม่ได้ยินจากลำโพงขนาดเล็ก

สูตร Prompt สร้างวิดีโอพร้อมเสียง

ใช้สูตรต่อไปนี้ได้

“ประเภทวิดีโอ + ตัวแบบ + การกระทำ + สถานที่ + กล้อง + แสงและสี + เสียงที่เกิดขึ้นตามการกระทำ + เสียงบรรยากาศ + ดนตรี + บทพูด + อัตราส่วน + เงื่อนไขเสียง”

ตัวอย่าง Prompt แบบครบคือ

“สร้างวิดีโอสมจริงของบาริสต้ากำลังเทกาแฟลงในแก้วใสภายในร้านกาแฟช่วงเช้า ใช้ Close-up และกล้องค่อย ๆ เคลื่อนเข้า แสงธรรมชาติอ่อนจากหน้าต่างด้านซ้าย ให้ได้ยินเสียงกาแฟไหล เสียงน้ำแข็งกระทบแก้ว และเสียงบรรยากาศร้านเบา ๆ ไม่มีบทพูดและไม่มีดนตรี อัตราส่วน 16:9”

แบ่งคำสั่งเสียงออกเป็น 4 ส่วน

เพื่อให้ Gemini เข้าใจง่าย ควรแบ่งเสียงออกเป็นประเภทดังนี้

1. เสียงพูด

ระบุผู้พูด ภาษา ประโยค น้ำเสียง และช่วงเวลาที่พูด

ตัวอย่าง

“ผู้หญิงพูดภาษาไทยด้วยน้ำเสียงเป็นมิตรว่า ‘ยินดีต้อนรับเข้าสู่ร้านของเราค่ะ’”

2. เสียงบรรยากาศ

ระบุเสียงพื้นหลังของสถานที่

ตัวอย่าง

“มีเสียงคนพูดคุยในร้านกาแฟเบา ๆ และเสียงเครื่องชงกาแฟอยู่ไกล ๆ”

3. เสียงเอฟเฟกต์

ระบุเสียงที่เกิดขึ้นพร้อมกับการกระทำ

ตัวอย่าง

“เมื่อวางแก้วลงบนโต๊ะ ให้ได้ยินเสียงแก้วสัมผัสพื้นไม้หนึ่งครั้ง”

4. ดนตรี

ระบุอารมณ์ จังหวะ เครื่องดนตรี และระดับเสียง

ตัวอย่าง

“ใช้ดนตรีอะคูสติกจังหวะช้า ระดับเสียงเบา และลดเสียงลงขณะตัวละครพูด”

ไม่จำเป็นต้องใส่เสียงทุกประเภทในวิดีโอเดียว หากคลิปเน้น ASMR อาจใช้เฉพาะเสียงเอฟเฟกต์โดยไม่มีดนตรีและบทพูด

วิธีเขียนบทพูดให้ Gemini

ใส่บทพูดไว้ในเครื่องหมายอัญประกาศ พร้อมบอกข้อมูลต่อไปนี้

• ใครเป็นผู้พูด
• พูดภาษาอะไร
• พูดประโยคใด
• ใช้น้ำเสียงแบบไหน
• หันหน้าไปทางใด
• พูดก่อนหรือหลังการกระทำ
• ต้องมีดนตรีหรือไม่
• ต้องการคำบรรยายหรือไม่

ตัวอย่าง Prompt คือ

“ผู้ชายไทยมองตรงมาที่กล้องแล้วพูดภาษาไทยด้วยน้ำเสียงมั่นใจว่า ‘เริ่มสร้างวิดีโอด้วย Gemini ได้แล้ววันนี้’ ขยับริมฝีปากให้สัมพันธ์กับเสียง มีเสียงห้องเบามาก ไม่มีดนตรีและไม่มีคำบรรยาย”

บทพูดควรยาวแค่ไหน

บทพูดในวิดีโอสั้นควรเป็นประโยคสั้นและพูดได้ทันภายในเวลาของคลิป หากข้อความยาวเกินไปอาจเกิดปัญหา

• พูดไม่จบ
• พูดเร็วผิดธรรมชาติ
• ข้ามบางคำ
• เสียงไม่ตรงกับปาก
• ตัดจบกลางประโยค
• ตัวละครเริ่มพูดช้าเกินไป

วิธีที่เหมาะสมคือแบ่งบทพูดเป็นหลายคลิป เช่น

คลิปที่ 1

“สวัสดีครับ วันนี้เราจะเรียนรู้วิธีสร้างวิดีโอด้วย Gemini”

คลิปที่ 2

“เริ่มต้นจากการเขียน Prompt อธิบายภาพและเสียงที่ต้องการ”

จากนั้นนำคลิปไปตัดต่อรวมกันภายหลัง

วิธีระบุน้ำเสียงของตัวละคร

ตัวอย่างคำอธิบายน้ำเสียง ได้แก่

• เป็นมิตร
• มั่นใจ
• สุภาพ
• ตื่นเต้น
• อบอุ่น
• จริงจัง
• ผ่อนคลาย
• กระซิบเบา ๆ
• พูดช้าและชัดเจน
• พูดด้วยจังหวะธรรมชาติ

ตัวอย่าง

“พูดภาษาไทยช้า ๆ ออกเสียงชัดเจน น้ำเสียงอบอุ่นและเป็นมิตร ไม่ตะโกน”

หลีกเลี่ยงการสั่งให้เลียนแบบเสียงของบุคคลมีชื่อเสียงหรือบุคคลจริงโดยไม่ได้รับอนุญาต

วิธีสร้างเสียงบรรยากาศให้สมจริง

เสียงบรรยากาศควรสัมพันธ์กับสถานที่และเวลา

ร้านกาแฟ

“เสียงคนพูดคุยเบา ๆ เครื่องชงกาแฟ และแก้วกระทบกันอยู่ไกล ๆ”

ชายหาด

“เสียงคลื่น ลมทะเล และนกทะเล ไม่มีเสียงรถยนต์”

เมืองช่วงฝนตก

“เสียงฝนตกบนถนน เสียงรถยนต์ไกล ๆ และเสียงน้ำจากล้อรถ”

ป่าในช่วงเช้า

“เสียงนก แมลง ลมผ่านใบไม้ และน้ำไหลเบา ๆ”

สำนักงาน

“เสียงเครื่องปรับอากาศเบา ๆ เสียงแป้นพิมพ์ และเสียงกระดาษ”

หากต้องการเสียงที่สะอาด ควรระบุจำนวนเสียงให้น้อยและบอกว่าเสียงใดเป็นเสียงหลัก

วิธีสั่งเสียงเอฟเฟกต์ให้ตรงกับภาพ

ควรเชื่อมเสียงเข้ากับการกระทำโดยตรง

แทนที่จะเขียนว่า

“มีเสียงประตู”

ควรเขียนว่า

“ขณะที่ตัวละครเปิดประตู ให้ได้ยินเสียงลูกบิดหมุนหนึ่งครั้ง ตามด้วยเสียงประตูไม้เปิดเบา ๆ”

ตัวอย่างอื่น ได้แก่

“เมื่อรถเริ่มเร่งความเร็ว เสียงเครื่องยนต์ค่อย ๆ ดังขึ้น”

“เมื่อมีดตัดผ่านสบู่ ให้ได้ยินเสียงตัดที่นุ่มและชัดเจน”

“เมื่อน้ำหยดกระทบพื้น ให้มีเสียงหยดน้ำหนึ่งครั้งตรงกับภาพ”

การระบุช่วงเวลาช่วยลดปัญหาเสียงเกิดก่อนหรือหลังการกระทำ

วิธีเพิ่มดนตรีในวิดีโอ

ควรอธิบายดนตรีด้วยอารมณ์ จังหวะ และเครื่องดนตรี แทนการใช้ชื่อเพลงหรือศิลปิน

ตัวอย่าง

“ดนตรีอะคูสติกอบอุ่น ใช้กีตาร์เบา ๆ จังหวะช้า”

“ดนตรีอิเล็กทรอนิกส์จังหวะกระชับ เหมาะกับโฆษณาเทคโนโลยี”

“ดนตรีออร์เคสตราแบบภาพยนตร์ เริ่มเบาแล้วค่อย ๆ เพิ่มความยิ่งใหญ่”

“ดนตรีเปียโนเรียบง่ายและสงบ ระดับเสียงต่ำ”

ไม่ควรสั่งให้สร้างเพลงที่เลียนแบบศิลปินหรือเพลงที่มีลิขสิทธิ์โดยตรง

วิธีควบคุมระดับเสียง

Gemini อาจสร้างดนตรีดังจนกลบเสียงพูด หากไม่ได้กำหนดลำดับความสำคัญ

ใช้คำสั่งลักษณะนี้

“ให้เสียงพูดเป็นเสียงหลัก”

“ลดดนตรีลงขณะตัวละครพูด”

“ให้เสียงบรรยากาศอยู่ด้านหลังและเบากว่าเสียงพูด”

“เพิ่มเสียงเครื่องยนต์เฉพาะตอนรถเร่ง”

“ไม่มีดนตรีระหว่างบทพูด”

ตัวอย่าง Prompt คือ

“ให้เสียงผู้หญิงเป็นเสียงหลัก ดนตรีเปียโนอยู่ด้านหลังระดับเบามาก และลดลงเพิ่มเติมขณะพูด เสียงร้านกาแฟต้องเบากว่าทั้งเสียงพูดและดนตรี”

วิธีสร้างวิดีโอพูดภาษาไทย

1. ใช้ตัวละครหนึ่งคน
2. ให้ตัวละครหันหน้าตรง
3. ใช้กล้องอยู่นิ่ง
4. ใส่บทพูดสั้นในเครื่องหมายอัญประกาศ
5. ระบุว่าเป็นภาษาไทย
6. ระบุน้ำเสียงและความเร็ว
7. สั่งให้ริมฝีปากสัมพันธ์กับเสียง
8. ลดหรือปิดดนตรี

ตัวอย่าง Prompt คือ

“สร้างวิดีโอสมจริงของผู้หญิงไทยวัยทำงานยืนในสำนักงาน ใช้ Medium shot มุมระดับสายตา กล้องอยู่นิ่ง เธอมองกล้องแล้วพูดภาษาไทยช้า ๆ ด้วยน้ำเสียงเป็นมิตรว่า ‘วันนี้เราจะเริ่มต้นใช้ Gemini ไปด้วยกันค่ะ’ ขยับริมฝีปากให้สัมพันธ์กับเสียง ไม่มีดนตรี ไม่มีคำบรรยาย และไม่มีบุคคลอื่น อัตราส่วน 16:9”

วิธีสร้างวิดีโอจากรูปพร้อมเสียงพูด

หลังอัปโหลดภาพ ให้ใช้ Prompt เช่น

“ใช้บุคคลจากภาพเป็นตัวละครหลัก รักษาใบหน้า ทรงผม สีผิว เสื้อผ้า ฉากหลัง และมุมกล้องเดิม ให้ตัวละครมองกล้องและพูดภาษาไทยว่า ‘ขอบคุณที่รับชมค่ะ’ ด้วยน้ำเสียงอบอุ่น ขยับริมฝีปากให้ตรงกับเสียง กล้องอยู่นิ่ง ไม่มีดนตรีและไม่มีคำบรรยาย”

ควรได้รับอนุญาตจากบุคคลในภาพก่อนนำใบหน้าไปสร้างวิดีโอพูด

วิธีสร้างวิดีโอ ASMR พร้อมเสียง

วิดีโอ ASMR ควรตัดเสียงที่ไม่จำเป็นออกและระบุแหล่งเสียงหลักอย่างชัดเจน

ตัวอย่าง Prompt คือ

“สร้างวิดีโอ ASMR ระยะใกล้ของมีดกำลังตัดสบู่เนื้อนุ่มสีฟ้า กล้องอยู่นิ่ง การตัดช้าและต่อเนื่อง ให้เสียงมีดสัมผัสสบู่คมชัดและสัมพันธ์กับทุกครั้งที่ตัด ไม่มีเสียงพูด ไม่มีเสียงบรรยากาศ และไม่มีดนตรี อัตราส่วน 16:9”

หากเสียงไม่ชัด ให้ลดจำนวนวัตถุและใช้การกระทำเพียงอย่างเดียว

วิธีสร้างวิดีโอโฆษณาพร้อมเสียง

ตัวอย่าง Prompt คือ

“สร้างวิดีโอโฆษณานาฬิกาข้อมือสีดำไม่มีโลโก้ สินค้าหมุนช้า ๆ บนแท่นสีเทา กล้องหมุนรอบสินค้า แสงขอบสีขาวสะท้อนบนกระจกหน้าปัด ให้ได้ยินเสียงกลไกนาฬิกาเบา ๆ และเสียงเอฟเฟกต์สั้นเมื่อแสงผ่านหน้าปัด ใช้ดนตรีอิเล็กทรอนิกส์ระดับเบา ไม่มีบทพูดและไม่มีข้อความ อัตราส่วน 9:16”

เสียงควรช่วยเน้นสินค้า ไม่ควรดังหรือมีองค์ประกอบมากจนรบกวนภาพ

วิธีสร้างวิดีโอธรรมชาติพร้อมเสียง

ตัวอย่าง Prompt คือ

“สร้างวิดีโอสมจริงของน้ำตกกลางป่าเขียวชอุ่มช่วงเช้า กล้องค่อย ๆ เคลื่อนเข้าไปหาน้ำตก ใบไม้ไหวตามลม มีเสียงน้ำตกเป็นเสียงหลัก เสียงนกและลมอยู่เบื้องหลัง ไม่มีดนตรีและไม่มีเสียงพูด อัตราส่วน 16:9”

การกำหนดว่าเสียงใดเป็นเสียงหลักช่วยให้ระบบจัดลำดับเสียงได้ดีขึ้น

วิธีใช้ Avatar และเสียงของตนเอง

Gemini Apps รองรับการสร้าง Avatar จากใบหน้าและเสียงของเจ้าของบัญชีในพื้นที่และบัญชีที่รองรับ จากนั้นสามารถเรียกใช้ Avatar ใน Prompt ด้วยเครื่องหมาย @ ตามด้วยชื่อบัญชี

ตัวอย่าง

“สร้างวิดีโอของ @[ชื่อบัญชี] กำลังอธิบายการใช้งาน Gemini ในสำนักงาน พูดภาษาไทยด้วยน้ำเสียงธรรมชาติว่า ‘เริ่มต้นสร้างวิดีโอได้จากเมนู Videos’ กล้องอยู่นิ่ง ไม่มีดนตรี”

การสร้าง Avatar ต้องใช้ใบหน้าและเสียงของเจ้าของบัญชี ไม่ควรให้บุคคลอื่นหรือผู้เยาว์บันทึกแทน

วิธีแก้เสียงหลังสร้างวิดีโอ

หลังจากสร้างเสร็จ สามารถสั่งแก้ต่อในห้องเดิม เช่น

“รักษาภาพเดิมทั้งหมด แต่ลดเสียงดนตรีลง”

“ลบเสียงดนตรีและเก็บเฉพาะเสียงฝน”

“ทำให้เสียงพูดช้าลงและชัดขึ้น”

“เปลี่ยนบทพูดเป็น ‘ยินดีต้อนรับค่ะ’”

“เพิ่มเสียงคลื่นให้ตรงกับจังหวะที่น้ำเคลื่อนเข้าฝั่ง”

“ลดเสียงบรรยากาศขณะตัวละครพูด”

“รักษาเสียงเดิม แต่ลบเสียงรถยนต์ด้านหลัง”

ควรแก้ครั้งละหนึ่งหรือสองรายการ เพื่อให้ตรวจสอบความเปลี่ยนแปลงได้ง่าย

Gemini สร้างวิดีโอแล้วไม่มีเสียง แก้อย่างไร

ลองตรวจตามลำดับดังนี้

1. กดเปิดเสียงบนเครื่องเล่นวิดีโอ
2. เพิ่มระดับเสียงของอุปกรณ์
3. ตรวจว่าไม่ได้เชื่อมต่อหูฟังหรือ Bluetooth อยู่
4. ดาวน์โหลดวิดีโอแล้วทดลองเปิดด้วยโปรแกรมอื่น
5. ตรวจว่า Prompt ขอให้สร้างเสียงอย่างชัดเจน
6. สั่งแก้ว่า “เพิ่มเสียงให้วิดีโอนี้”
7. เริ่มแชตใหม่แล้วทดลอง Prompt ง่าย ๆ
8. อัปเดตแอปและเบราว์เซอร์
9. ปิดส่วนขยายที่รบกวนการเล่นสื่อ
10. ทดลองใช้อุปกรณ์อื่น
11. ตรวจโควตาและสถานะของระบบ

Prompt สำหรับทดสอบคือ

“สร้างวิดีโอของฝนตกบนหลังคา พร้อมเสียงฝนชัดเจน ไม่มีดนตรีและไม่มีเสียงพูด”

หากวิดีโอนี้ยังไม่มีเสียง ปัญหาอาจอยู่ที่การเล่นไฟล์ อุปกรณ์ บัญชี หรือระบบของ Gemini

เสียงพูดไม่ตรงปาก แก้อย่างไร

• ใช้บทพูดสั้นลง
• ให้ตัวละครหันหน้าตรง
• ใช้กล้องอยู่นิ่ง
• ลดการเคลื่อนไหวของศีรษะ
• ใช้ตัวละครเพียงหนึ่งคน
• ระบุให้ริมฝีปากสัมพันธ์กับเสียง
• ลดความเร็วของบทพูด
• ไม่ใส่การกระทำอื่นขณะพูด
• สร้างคลิปพูดแยกจากคลิปที่มีการเคลื่อนไหว

AI อาจยังทำ Lip Sync ผิดพลาดได้ จึงต้องตรวจดูทั้งภาพและเสียงก่อนเผยแพร่

Gemini พูดภาษาไทยไม่ชัด แก้อย่างไร

1. ลดความยาวของประโยค
2. ใช้คำไทยทั่วไปที่อ่านง่าย
3. เขียนตัวเลขเป็นคำอ่าน
4. ใส่เครื่องหมายวรรคตอนเพื่อแบ่งจังหวะ
5. ระบุว่าให้พูดช้าและออกเสียงชัดเจน
6. หลีกเลี่ยงคำทับศัพท์จำนวนมาก
7. แบ่งข้อความเป็นหลายคลิป
8. ทดลองเปลี่ยนการสะกดคำทับศัพท์ให้เหมาะกับเสียงอ่าน

ตัวอย่าง

แทนการเขียนว่า “AI” อาจทดลองใช้คำว่า “เอไอ” หากระบบออกเสียงตัวอักษรไม่ถูกต้อง

บทพูดไม่ครบ แก้อย่างไร

บทพูดอาจไม่ครบเมื่อยาวเกินช่วงเวลาของวิดีโอ หรือมีเหตุการณ์อื่นเกิดขึ้นมากเกินไป

วิธีแก้คือ

• ตัดบทพูดให้เหลือใจความสำคัญ
• เริ่มพูดตั้งแต่ต้นคลิป
• ลดช่วงเงียบก่อนพูด
• ใช้ผู้พูดคนเดียว
• ลดการเคลื่อนไหวของกล้อง
• แบ่งบทพูดเป็นหลายวิดีโอ
• ตัดต่อรวมภายหลัง

ไม่ควรเร่งเสียงจนเร็วผิดธรรมชาติเพียงเพื่อให้พูดครบทั้งหมด

เสียงดนตรีดังกลบเสียงพูด แก้อย่างไร

ใช้คำสั่งแก้ไขว่า

“ให้เสียงพูดเป็นเสียงหลัก ลดดนตรีลงเหลือระดับเบามาก และทำ Audio Ducking โดยลดดนตรีทุกครั้งที่ตัวละครพูด”

หากยังไม่ได้ผล ให้สร้างวิดีโอโดยไม่มีดนตรีก่อน แล้วเพิ่มเพลงภายหลังด้วยโปรแกรมตัดต่อ ซึ่งช่วยควบคุมระดับเสียงได้แม่นยำกว่า

เสียงไม่ตรงกับเหตุการณ์ แก้อย่างไร

ให้ระบุจุดเกิดเสียงตามการกระทำ เช่น

“เสียงแก้วกระทบโต๊ะต้องเกิดขึ้นพร้อมกับช่วงที่แก้วสัมผัสโต๊ะเพียงหนึ่งครั้ง”

หลีกเลี่ยงการเขียนรายการเสียงแยกออกจากเหตุการณ์โดยไม่บอกความสัมพันธ์ เพราะ Gemini อาจวางเสียงผิดเวลา

ควรสร้างเสียงใน Gemini หรือใส่ภายหลัง

สร้างเสียงพร้อมวิดีโอเหมาะเมื่อ

• ต้องการเสียงสัมพันธ์กับการเคลื่อนไหว
• เป็นคลิปสั้น
• มีบทพูดสั้น
• ต้องการทดลองแนวคิดอย่างรวดเร็ว
• ใช้เสียงบรรยากาศทั่วไป

ใส่เสียงภายหลังเหมาะเมื่อ

• ต้องการบทพูดยาว
• ต้องใช้เสียงแบรนด์ที่คงที่
• ต้องปรับระดับเสียงอย่างละเอียด
• ต้องใช้เพลงที่มีใบอนุญาต
• ต้องการเสียงบรรยายหลายภาษา
• ต้องตัดต่อหลายฉาก
• ต้องการคุณภาพเสียงระดับมืออาชีพ

งานโฆษณาหรือวิดีโอสำหรับลูกค้าควรแยกไฟล์ภาพ เสียงพูด ดนตรี และเอฟเฟกต์เพื่อให้แก้ไขภายหลังได้ง่าย

ลิขสิทธิ์ของเสียงและเพลง

ก่อนเผยแพร่วิดีโอควรตรวจสอบว่า

✅ ไม่ขอให้เลียนแบบเสียงบุคคลจริงโดยไม่ได้รับอนุญาต

✅ ไม่ขอให้สร้างเพลงเลียนแบบเพลงที่มีลิขสิทธิ์

✅ ไม่ใช้ชื่อศิลปินเพื่อสร้างเสียงที่ทำให้เข้าใจผิด

✅ มีสิทธิ์ในเสียงหรือวิดีโออ้างอิงที่อัปโหลด

✅ ไม่ทำให้ผู้ชมเข้าใจว่าบุคคลใดพูดสิ่งที่ไม่เคยพูด

✅ ปฏิบัติตามกฎของ YouTube, TikTok และแพลตฟอร์มปลายทาง

การสร้างเสียงด้วย AI ไม่ได้ให้สิทธิ์ใช้ชื่อ เสียง หรือตัวตนของบุคคลอื่นโดยอัตโนมัติ

วิธีดาวน์โหลดวิดีโอพร้อมเสียง

1. เปิดห้องสนทนาที่มีวิดีโอ
2. เล่นวิดีโอและตรวจว่ามีเสียง
3. กดปุ่ม Share ใต้เครื่องเล่น
4. เลือกบันทึกวิดีโอลงอุปกรณ์
5. รอให้ดาวน์โหลดเสร็จ
6. เปิดไฟล์ด้วยเครื่องเล่นอื่น
7. ตรวจเสียงผ่านหูฟังและลำโพง
8. เก็บไฟล์ต้นฉบับไว้ก่อนตัดต่อ

อย่าตัดสินจากการเล่นในหน้า Gemini เพียงอย่างเดียว หากไม่แน่ใจควรตรวจไฟล์ที่ดาวน์โหลดด้วย

คำถามที่พบบ่อยเกี่ยวกับวิดีโอพร้อมเสียงใน Gemini

Gemini สร้างเสียงพร้อมวิดีโอได้ไหม

ได้ สามารถขอเสียงพูด เสียงบรรยากาศ เอฟเฟกต์ และดนตรีใน Prompt เดียวกัน

Gemini สร้างเสียงพูดภาษาไทยได้ไหม

ได้ แต่ควรใช้ประโยคสั้น ระบุภาษา น้ำเสียง และความเร็ว พร้อมตรวจการออกเสียงก่อนเผยแพร่

ทำไมวิดีโอไม่มีเสียง

อาจไม่ได้ระบุเสียงใน Prompt ปิดเสียงเครื่องเล่น อุปกรณ์ส่งเสียงไป Bluetooth หรือระบบสร้างเสียงไม่สำเร็จ ควรดาวน์โหลดไฟล์เพื่อตรวจสอบอีกครั้ง

ใส่เพลงที่มีชื่อศิลปินได้ไหม

ไม่ควรขอให้เลียนแบบเพลงหรือสไตล์เฉพาะของศิลปิน ควรอธิบายอารมณ์ จังหวะ และเครื่องดนตรีแทน

ใช้เสียงของตนเองได้ไหม

บัญชีและพื้นที่ที่รองรับสามารถสร้าง Avatar จากใบหน้าและเสียงของเจ้าของบัญชีแล้วนำมาใช้กับ Gemini Omni

สร้างบทสนทนาหลายคนได้ไหม

ทำได้ในบางกรณี แต่คลิปสั้นอาจแยกผู้พูดผิด ควรใช้บทพูดสั้นและระบุลำดับผู้พูดอย่างชัดเจน

แก้เฉพาะเสียงโดยไม่เปลี่ยนภาพได้ไหม

สามารถสั่ง Gemini ให้รักษาภาพเดิมและเปลี่ยนเฉพาะเสียง แต่ควรตรวจภาพอีกครั้ง เพราะระบบอาจสร้างวิดีโอเวอร์ชันใหม่

วิดีโอพร้อมเสียงใช้เชิงพาณิชย์ได้ไหม

โดยทั่วไปสามารถนำไปใช้ภายใต้ข้อกำหนดของ Google แต่ต้องไม่ละเมิดสิทธิในเสียง เพลง บุคคล เครื่องหมายการค้า และไฟล์อ้างอิง

สรุปวิธีสร้างวิดีโอพร้อมเสียงด้วย Gemini

วิธีสร้างวิดีโอพร้อมเสียงด้วย Gemini คือเปิดเมนู Videos แล้วเขียน Prompt ที่แยกเสียงออกเป็นเสียงพูด เสียงบรรยากาศ เสียงเอฟเฟกต์ และดนตรี พร้อมระบุว่าเสียงแต่ละอย่างต้องเกิดขึ้นเมื่อใดและมีระดับความดังอย่างไร

หากมีบทพูด ควรใช้ประโยคสั้น ระบุผู้พูด ภาษา น้ำเสียง และขอให้ริมฝีปากสัมพันธ์กับเสียง ควรให้เสียงพูดเป็นเสียงหลักและลดดนตรีขณะพูด

หลังสร้างเสร็จต้องตรวจทั้งภาพและเสียง ดาวน์โหลดไฟล์มาทดลองเปิดอีกครั้ง และแก้ไขผ่านบทสนทนาหากเสียงไม่ตรง หากเป็นงานระดับมืออาชีพหรือมีบทพูดยาว การแยกเสียงไปตัดต่อภายหลังจะให้การควบคุมและคุณภาพที่ดีกว่า