ทำคลิปด้วย AI ให้ไม่ห่วย — 7 กฎที่ผมได้มาจาก 15 รอบ · บทความ

คลิป 22 วินาที ผมทำ 15 รอบ

ไม่ใช่เพราะ model โง่ ไม่ใช่เพราะ prompt สั้นเกิน แต่เพราะผมไม่เคยเขียนไว้ว่า "เสร็จ" หมายถึงอะไร

ผมทำคลิปลง TikTok ด้วย Claude กับ Codex ทุกขั้นตอน ตั้งแต่เขียนบทยัน render ปัญหาที่กินเวลาที่สุดไม่ใช่มันทำไม่ได้ แต่คือมันบอกว่าเสร็จแล้วทั้งที่ยังไม่เสร็จ

วันนี้แจก 7 กฎที่ทำให้รอบที่ 16 ใช้เวลา 17 นาที กับ prompt สองอันที่ก็อปไปใช้ได้เลย

ของที่ต้องลงก่อน

Node 22 ขึ้นไป
npx hyperframes skills check
npx hyperframes skills update
ffmpeg + ffprobe
chromium หรือ google-chrome
python3

engine เป็น HyperFrames — เขียน HTML + GSAP แล้ว render ออกเป็น MP4 ไม่ได้ gen วิดีโอ ตัวหนังสือไทย pin font เป็นไฟล์ในเครื่อง ให้ Chromium จัดการ shaping

𝟭 เขียน LOCK ก่อนพิมพ์ prompt แรก

## OUTPUT           ไฟล์อะไร path ไหน ยาวเท่าไหร่
## EXACT ORDER      ลำดับจริง intro เริ่มเฟรมไหน
## NON-NEGOTIABLES  ภาษา เสียง ลำดับชั้นภาพ
## DO NOT           สิ่งที่เคยทำผิดแล้ว ห้ามทำอีก
## QA MUST CHECK    เช็คลิสต์ที่ต้องผ่านทุกข้อ
## GO MEANS         คำว่า go หมายถึงอะไร ไม่หมายถึงอะไร

แล้วมี script เช็คว่ายังมีช่องที่ไม่ได้กรอกอยู่ไหม กรอกไม่ครบ = ไม่ได้เริ่ม

ตัวอย่างจริง: ผมลืมสั่งใส่ intro แล้วมันทำมาไม่มี intro ประมาณสองนาทีหลังจากนั้นระบบมีไฟล์นี้ ตอนนี้ทุก production มี LOCK ของตัวเอง

ไม่ต้องเชื่อว่า agent เข้าใจ ด่านไม่ได้ถามมัน ด่านอ่านไฟล์

𝟮 ห้าม image model เขียนตัวหนังสือ เด็ดขาด

Generated scene art must contain
no Thai or truth-critical text.
Render Thai through Chromium
with pinned local fonts.

gen ภาพมาเป็นแผ่นเปล่า ไม่มีตัวอักษรแม้แต่ตัวเดียว แล้ว render ตัวหนังสือด้วย HTML/CSS ทับลงไป

ตัวอย่างจริง: รอบที่ 7 ถึง 13 ของผมหมดไปกับเรื่องนี้เรื่องเดียว เจ็ดรอบ

𝟯 วัดตำแหน่งจาก pixel ไม่ใช่ถาม DOM

Containment alone is not a pass.
Measure the mask centroid
after the cover transform.

ตัวอย่างจริง: ตัวหนังสือผมเบี้ยว 98 pixel แต่ agent รายงานว่าผ่าน เพราะมันไปดูใน DOM เห็นว่าตัวหนังสืออยู่ใน div ก็นับว่าผ่าน แต่ div ไม่ตรงกับแผ่นกระดาษในภาพ เพราะภาพที่ gen มาไม่ได้เป็น 1080x1920 อย่างที่สั่ง

อยู่ในกรอบ ไม่ใช่อยู่กลาง ให้มันทำภาพ debug มีเส้นกากบาทมาให้ดูด้วย

[IMAGE: gate-centering-debug.jpg]

𝟰 ทำหนึ่งอันให้ผ่านก่อนแตกงาน

Proof before fan-out.
One scene approved,
then build the rest.
Never reduce craft for batching.

ตัวละครต้องอ่านออกตอนย่อเล็กก่อนจะมีฉาก ฉากเดียวต้องผ่านก่อนจะมีสิบฉาก

ตัวอย่างจริง: ผมสั่งทำ 6 คลิปพร้อมกัน ได้ motion จืดเหมือนกันหมด รู้ได้เพราะ contact sheet สามใบมีขนาดไฟล์เท่ากันเป๊ะที่ 302,657 bytes มันไม่ได้ทำใหม่ มันก็อป

𝟱 อย่าถามว่าทางไหนดีกว่า ให้มันทำสองทางแล้วเทียบ

ผมจะเลือก renderer เลยให้มันทำสองตัว script เดียวกัน asset เดียวกัน พิกัดเดียวกันเป๊ะ แล้ววางข้างกัน

ตัวอย่างจริง: Remotion กับ HyperFrames ผมถามไม่ได้ว่าอันไหนดีกว่า มันจะตอบตามที่อ่านมา พอทำทั้งสองอันแล้วเทียบ เห็นชัดในสิบวินาที ล็อกตัวที่ชนะ 18 นาทีต่อมา

𝟲 ออกแบบให้สลับหน้าตาได้ตั้งแต่รอบแรก

กล่องกับชื่อชิ้นส่วนต้องคงที่ เปลี่ยนตัวละครทั้งเรื่องแล้วไม่ต้องแตะไฟล์ฉาก

ตัวอย่างจริง: music video ของผมเปลี่ยนตัวละคร ใส่ line boil เปลี่ยนตัวหนังสือทั้งเรื่องเป็นแนวอนิเมะ สามรอบใน 40 นาที เพราะทำข้อนี้ไว้ตั้งแต่ต้น ถ้าไม่ทำ สามรอบนั้นคือสามวัน

𝟳 บอกเป้าเป็นตัวเลข อย่าบอกว่าให้สวยขึ้น

ตัวอย่างจริง: ผมเอาคลิปตัวเองไปวางข้างต้นฉบับแล้วนับคัทด้วย ffmpeg ต้นฉบับ 115 คัท ช็อตเฉลี่ย 1 วินาที ของผม 25 คัท เฉลี่ย 6 วินาที

ศิลป์ไม่ใช่ปัญหาแล้วตอนนั้น จังหวะคือปัญหา ผมเลยไม่สั่งว่าให้สวยขึ้น สั่งว่าซอยให้ถี่ขึ้น ใส่ช็อตเล่าเรื่องทุกบท จบที่ 130 คัท ใน 2 นาที 37 วินาที

agent เก่งเรื่องไล่ตามตัวเลข ไม่เก่งเรื่องเดาว่าสวยคืออะไร

[IMAGE: ab_motion_17s_8fps.jpg + donald_motion_30s_8fps.jpg side by side]

prompt สาย 1 — คลิปอธิบาย 20-25 วินาที แนวตั้ง

สร้างคลิปอธิบายยาว 20-25 วินาที 1080x1920 ภาษาไทย
หัวข้อ: [ใส่หัวข้อ]

ทำตามลำดับนี้ ห้ามข้าม:

1. เขียน brief + script + storyboard แยกเป็น shot ก่อน
   ทุกข้อเท็จจริงต้องมีแหล่งอ้างอิงและระดับความมั่นใจ
   ถ้าเป็นการตีความเอง เขียนกำกับว่า editorial inference

2. ทำ 1 shot เป็นตัวพิสูจน์ ขออนุมัติก่อน
   อย่าสร้าง shot ที่เหลือจนกว่าจะผ่าน

3. ภาพที่ gen ห้ามมีตัวหนังสือหรือตัวเลขใด ๆ
   gen เป็นแผ่นเปล่า แล้ว render ตัวอักษรด้วย HTML/CSS ทับ

4. ขยับ layer ไม่ขยับกล้อง ห้าม zoom ทั้งเฟรม
   การเคลื่อนไหวต้องอธิบายอะไรอย่างหนึ่ง

5. หนึ่งจังหวะ = หนึ่ง object หลัก + หนึ่งชั้นหลักฐาน
   + หนึ่งอย่างที่คนต้องอ่าน เกินนี้ตัด

6. วัดตำแหน่งตัวหนังสือจาก pixel จริงหลัง cover transform
   การอยู่ใน div ไม่นับว่าผ่าน ทำภาพ debug มีเส้นกากบาทมาให้ดู

7. ก่อนบอกว่าเสร็จ: ffprobe + decode ทั้งไฟล์
   + ภาพรวมทุกฉากและรอยต่อ ส่งมาให้ดู
   ห้ามใช้คำว่า final ก่อนผ่านครบทุกข้อ

prompt สาย 2 — music video ซิงก์เพลง

ทำ music video ซิงก์ beat จากเพลงนี้: [ไฟล์]
ความยาวเท่าเพลง 1920x1080

ทำตามลำดับนี้ ห้ามข้าม:

1. วิเคราะห์ BPM กับ beat offset จากไฟล์เสียงจริง
   แล้วเทียบกับ grid ที่ตั้งใจ ถ้าเลขไม่ตรงให้หยุดถาม

2. เสนอ art direction 3 แบบ ให้คะแนนแยกเกณฑ์
   เลือกหนึ่งแบบ แล้วเขียน style bible + storyboard

3. สร้างตัวละครก่อนทำฉาก ต้องอ่านออกที่ 48px
   ถ้าย่อเล็กแล้วดูไม่ออกว่าเป็นใคร กลับไปแก้ ห้ามทำฉาก

4. ทำ 1 ฉากให้จบเป็นตัวพิสูจน์ ขออนุมัติ
   แล้วค่อยแตกฉากที่เหลือทำขนานกัน

5. ตัวละครหลักให้ gen จาก image model
   แล้วตัดพื้นหลังด้วย script ในเครื่อง
   animation ใช้ CSS keyframe สลับ 3 เฟรมที่ warp
   ต่างกันเล็กน้อย ทุก 3 เฟรม

6. กล่องกับชื่อชิ้นส่วนต้องคงที่
   เปลี่ยนหน้าตาทั้งเรื่องต้องไม่ต้องแก้ไฟล์ฉาก

7. ก่อนบอกว่าเสร็จ: decode ทั้งไฟล์ + ภาพรวมทุกฉาก
   + เช็คว่าเสียงได้ยินจริงทับดนตรี

แจก skill ทั้งชุด

(ลิงก์อยู่ในคอมเมนต์แรก)

มี skill สองสาย ไฟล์กฎ 12 บรรทัด LOCK template script ตรวจ และตัวอย่างที่ทำเสร็จแล้วให้ดูว่า pass หน้าตาเป็นยังไง คลิปเต็มอยู่ใน release

รอบที่ 16 ของคลิปชาไทยตัวเดิม ทำด้วยกฎชุดนี้: 17 นาที รอบเดียว 24 credit ตัวหนังสือเบี้ยวมากสุด 3.5 pixel

จาก 15 ชั่วโมงเหลือ 17 นาที model ไม่ได้เก่งขึ้น 15 รอบนั้นถูกเขียนเก็บเป็นไฟล์แล้ว

สิ่งที่มันให้: รอบที่น้อยลง สิ่งที่มันไม่ให้: คนดู ผมเคยจ่าย 190 credit ต่อคลิปทำ photoreal แล้วเงียบ ส่วนคลิปที่ถูกกว่าสิบเท่าไปได้ไกลกว่า งานสวยไม่ใช่เพดาน แต่งานห่วยคือพื้น อันนี้ยกพื้น