คู่มืออ้างอิงสู่วิดีโอ: ควบคุมตัวแบบ การเคลื่อนไหว และสไตล์
วางแผนการสร้างวิดีโอจากข้อมูลอ้างอิงใน Felo กำหนดบทบาทของข้อมูลตัวแบบ การเคลื่อนไหว และสไตล์ให้ชัดเจน ตรวจสอบข้อจำกัดของโมเดล และแก้ความขัดแย้งก่อนสร้างวิดีโอ
เครื่องมือ Felo: Image to Video · AI Video Editing Tools · MiniMax H3 · Seedance 2.5 · Wan 3.0 Prime · Kling 4.0 · Text to Video.
การสร้างวิดีโอจากข้อมูลอ้างอิงใช้สื่อที่มีอยู่เพื่อกำกับคลิปใหม่ ภาพถ่ายสามารถกำหนดตัวแบบ วิดีโอสั้นสามารถแสดงการเคลื่อนไหว และเฟรมที่กำหนดสามารถกำกับช่วงเริ่มต้นหรือช่วงจบ คำถามสำคัญคือข้อมูลแต่ละรายการควรมีส่วนช่วยด้านใด
หากไม่มีการแบ่งบทบาท ชุดข้อมูลอ้างอิงจะเกิดความขัดแย้ง ภาพหนึ่งแสดงเสื้อแจ็กเก็ตสีแดง อีกภาพแสดงเสื้อโค้ตสีน้ำเงิน และคลิปการเคลื่อนไหวมีการเคลื่อนกล้องที่คุณไม่ต้องการ โมเดลได้รับข้อมูลมากขึ้น แต่ทิศทางกลับขาดความสอดคล้อง
ใน Felo การรองรับข้อมูลอ้างอิงแตกต่างกันไปตามโมเดลวิดีโอ คู่มือนี้อธิบายการเตรียมชุดข้อมูลขนาดเล็กที่มีจุดประสงค์ชัดเจน และการเลือกเวิร์กโฟลว์ที่เข้ากันได้
คู่มือประกอบความเข้าใจ ไม่ใช่ภาพหน้าจอหรือผลลัพธ์จากการสร้างวิดีโอ
ข้อมูลอ้างอิงคือทิศทาง ไม่ใช่งานตัดต่อที่เสร็จแล้ว
การอัปโหลดสื่อเพื่อสร้างวิดีโอจากข้อมูลอ้างอิงไม่ได้หมายความว่าระบบจะนำไฟล์เหล่านั้นมาตัดต่อรวมในไทม์ไลน์ ระบบสร้างวิดีโอใหม่จากอิทธิพลของข้อมูลและพรอมต์ ผลลัพธ์ที่สร้างอาจตีความรายละเอียดใหม่
ความแตกต่างนี้สำคัญเมื่อคุณต้องการการแสดงของบุคคลจากไฟล์บันทึกเดิมแบบตรงตามต้นฉบับ หรือต้องการตัวอักษรบนผลิตภัณฑ์ที่ไม่เปลี่ยนแปลง ข้อมูลอ้างอิงไม่รับประกันการคงพิกเซลแบบตรงทุกจุด ตรวจสอบผลลัพธ์เทียบกับไฟล์ต้นฉบับก่อนยอมรับผลลัพธ์
คู่มือ image-to-video ของ Felo อธิบายตัวเลือกข้อมูลอ้างอิงและเฟรม หน้าเครื่องมือตัดต่อ แยกการควบคุมการสร้างออกจากการตัดต่อไทม์ไลน์แบบเดิม
กำหนดบทบาทหลักให้กับไฟล์แต่ละรายการ
จัดข้อมูลตามสิ่งที่คุณต้องการนำไปสู่ผลลัพธ์:
| บทบาท | ข้อมูลที่เหมาะสม | คำสั่งที่ชัดเจน |
|---|---|---|
| รูปลักษณ์ของตัวแบบ | ภาพที่มีแสงเพียงพอและไม่มีสิ่งบดบังตัวแบบ | ใช้ภาพนี้กำหนดรูปทรง สี และวัสดุของกระเป๋า |
| การเคลื่อนไหว | ตัวอย่างสั้นที่มีการกระทำตามต้องการ | ใช้คลิปนี้กำหนดจังหวะการเดิน ไม่ใช่ฉากหลังหรือเสื้อผ้า |
| การจัดภาพ | ภาพตัวอย่างแสงหรือโทนสีที่เกี่ยวข้อง | นำแสงด้านข้างนุ่มนวลมาใช้ และคงตัวแบบจากภาพผลิตภัณฑ์ |
| ข้อมูลอ้างอิงเสียง | ไฟล์เสียงที่เข้ากันได้เมื่อโมเดลรองรับ | ใช้ข้อมูลนี้กำหนดจังหวะหรือคาแรกเตอร์เสียงที่ต้องการ |
| การควบคุมเฟรม | ภาพที่กำหนดเป็นเฟรมแรก เฟรมกลาง หรือเฟรมสุดท้าย | เริ่มต้นหรือจบด้วยองค์ประกอบภาพนี้ |
สิ่งเหล่านี้คือคำสั่งที่คุณเขียน ไม่ใช่การยืนยันว่า Felo มีปุ่มบทบาทข้อมูลอ้างอิง 5 ปุ่มโดยเฉพาะ อธิบายบทบาทของไฟล์แนบแต่ละรายการด้วยภาษาที่เข้าใจง่าย
หากภาพ 2 ภาพให้ข้อมูลเกี่ยวกับตัวแบบไม่ตรงกัน ให้เลือกภาพหนึ่งเป็นข้อมูลอ้างอิงรูปลักษณ์ ใช้อีกภาพเป็นตัวอย่างแสงหรือองค์ประกอบภาพเมื่อการแบ่งบทบาทมีประโยชน์และเข้าใจได้ การนำไฟล์ที่ไม่จำเป็นออกให้ผลดีกว่าการอธิบายลำดับความสำคัญของข้อยกเว้นหลายชั้น
ตรวจสอบความเข้ากันได้ของโมเดลก่อนเตรียมชุดข้อมูล
MiniMax H3 รองรับภาพสูงสุด 9 ภาพ วิดีโอ 3 ไฟล์ และไฟล์เสียง 3 ไฟล์ โดยมีขีดจำกัดรวม 12 รายการ ใน Felo ไม่มีช่องเฟรมแรก/เฟรมสุดท้ายแบบเนทีฟ Agent สามารถอธิบายช่วงเปิดหรือช่วงจบที่ต้องการจากข้อมูลที่ให้มาได้ นี่คือคำแนะนำผ่านพรอมต์ ไม่ใช่การควบคุมแบบเดียวกับช่องเฟรมโดยเฉพาะ ดู MiniMax H3 ใน Felo
Seedance 2.5 รองรับสื่ออ้างอิงหรือเฟรมแรก/เฟรมสุดท้าย คุณไม่สามารถใช้แนวทางข้อมูลนำเข้า 2 แบบนี้ร่วมกันในคลิปเดียวกัน หน้าโมเดลระบุจำนวนสูงสุดแยกเป็นภาพ 30 ภาพ วิดีโอ 10 ไฟล์ และไฟล์เสียง 10 ไฟล์ อย่าสรุปว่าจำนวนสูงสุดเหล่านี้รวมกันเป็นคำขอเดียวที่อนุญาต ดู ข้อมูลนำเข้าของ Seedance 2.5
Wan 3.0 Prime รองรับเฟรมแรกและเฟรมสุดท้าย แต่ไม่รับชุดภาพหรือวิดีโออ้างอิงเพิ่มเติม โมเดลนี้เหมาะกับจุดเริ่มต้นอีกแบบ นั่นคือพรอมต์และจุดปลายที่เตรียมไว้ ดู ข้อมูลนำเข้าของ Wan 3.0 Prime
Kling 4.0 รองรับเฟรมแรก เฟรมกลาง และเฟรมสุดท้าย รวมถึงภาพอ้างอิงสูงสุด 10 ภาพ และวิดีโออ้างอิงสูงสุด 5 ไฟล์ ผลลัพธ์จาก Felo ในขณะนี้ไม่มีเสียง ดู ข้อมูลนำเข้าของ Kling 4.0
เริ่มจากการควบคุมที่ช็อตต้องใช้ ตัวอย่างเช่น องค์ประกอบภาพกลางที่จำเป็นย่อมต้องใช้แผนข้อมูลนำเข้าแตกต่างจากการใช้คลิปการเคลื่อนไหวเป็นแนวทาง
เตรียมชุดข้อมูลอ้างอิงสำหรับช็อตที่สอดคล้องกัน
ลองนึกภาพคลิปความยาวหกวินาทีของกระเป๋าเป้ผ้าแคนวาสบนโต๊ะไม้ เป้าหมายคือการเคลื่อนกล้องเป็นส่วนโค้งขนาดเล็กเพื่อเผยให้เห็นกระเป๋าด้านหน้า
ขั้นแรก เลือกภาพถ่ายผลิตภัณฑ์ที่เห็นรายละเอียดได้ชัด กระเป๋าควรมีขนาดใหญ่พอสำหรับการตรวจดู และต้องมองเห็นสายสะพายกับกระเป๋าด้านหน้า ภาพที่แสดงผลิตภัณฑ์หลายชิ้นสร้างความกำกวมที่ไม่จำเป็น
ขั้นที่สอง ตัดสินใจว่าต้องใช้ข้อมูลกำกับการเคลื่อนไหวหรือไม่ ตัวอย่างสั้นของกล้องที่เคลื่อนรอบวัตถุอยู่นิ่งช่วยสื่อการเคลื่อนไหวที่ต้องการได้ มอนทาจที่มีการตัด ซูม และเปลี่ยนตัวแบบไม่เหมาะกับการเคลื่อนเป็นส่วนโค้งต่อเนื่อง
ขั้นที่สาม จดสิ่งที่ต้องคงที่ ได้แก่ สีของกระเป๋า กระเป๋าด้านหน้า สายสะพาย และตำแหน่งบนโต๊ะ จากนั้นระบุสิ่งที่เปลี่ยนได้ ได้แก่ มุมมองและพารัลแลกซ์ของฉากหลัง
สุดท้าย เลือกโมเดลและอัตราส่วนที่เข้ากันได้ อย่าเตรียมคลังข้อมูลอ้างอิงขนาดใหญ่ก่อนรู้ว่าโมเดลที่ต้องการใช้เฟรมปลายทางแทน
พรอมต์อ้างอิงสู่วิดีโอสำหรับนำไปปรับใช้
พรอมต์ต่อไปนี้เป็นข้อเสนอแนะต้นฉบับ ไม่ใช่รายงานจากการทดสอบเรนเดอร์ แนบไฟล์ที่เหมาะสมในเวิร์กโฟลว์ข้อมูลอ้างอิงที่รองรับก่อนทดลองใช้
สร้างช็อตความยาวหกวินาทีหนึ่งช็อตของกระเป๋าเป้ผ้าแคนวาสจากภาพถ่ายผลิตภัณฑ์ ใช้ภาพนั้นกำหนดสีของกระเป๋า กระเป๋าด้านหน้า สายสะพาย และพื้นผิวผ้า ใช้ข้อมูลอ้างอิงการเคลื่อนไหวสำหรับการเคลื่อนกล้องเป็นส่วนโค้งช้า ๆ รอบตัวแบบที่อยู่นิ่งเท่านั้น วางกระเป๋าเป้ตั้งตรงบนโต๊ะไม้ เคลื่อนกล้องเป็นส่วนโค้งขนาดเล็กจากมุมมองด้านหน้าไปทางด้านหน้าขวา และให้กระเป๋าทั้งใบอยู่ในเฟรม แสงหน้าต่างนุ่มมาจากด้านซ้าย คงฉากหลังให้เรียบง่าย จบด้วยภาพกระเป๋าด้านหน้าที่เห็นชัด ไม่มีการตัดและไม่มีข้อความเพิ่ม
สังเกตว่าคำสั่งแยกการเคลื่อนไหวของตัวแบบออกจากการเคลื่อนไหวของกล้อง กระเป๋าเป้อยู่นิ่ง กล้องเป็นฝ่ายเคลื่อน คำสั่งยังระบุว่าควรนำคุณสมบัติใดจากข้อมูลแต่ละรายการ
สำหรับข้อมูลอ้างอิงสไตล์ ให้เพิ่มคำสั่งเฉพาะ เช่น “ใช้ตัวอย่างแสงเพื่อสร้างเงานุ่ม โดยคงกระเป๋าและโต๊ะจากบรีฟหลัก” หลีกเลี่ยงการขอให้โมเดลคัดลอกฉากที่ไม่เกี่ยวข้องทั้งฉาก เมื่อคุณต้องการเพียงแสงของฉากนั้น
วินิจฉัยความขัดแย้งจากผลลัพธ์แรก
หากรูปร่างผลิตภัณฑ์เปลี่ยน ให้ตรวจสอบชุดข้อมูลอ้างอิงก่อนเพิ่มความยาวของพรอมต์ ภาพด้านข้างอาจบดบังคุณสมบัติที่ภาพด้านหน้าระบุไว้ นำความกำกวมออกและลดการเคลื่อนกล้องเมื่อการเคลื่อนนั้นเปิดเผยรูปทรงที่ไม่มีข้อมูลรองรับมากเกินไป
หากการเคลื่อนไหวไม่ตรงตามต้องการ ให้ลดความซับซ้อนของการกระทำและระบุว่าวัตถุใดเคลื่อนที่ “การเคลื่อนไหวแบบไดนามิก” ไม่ได้แยกความแตกต่างระหว่างผลิตภัณฑ์ที่หมุนกับกล้องที่โคจร
หากสไตล์บดบังตัวแบบ ให้ลดบทบาทของสไตล์ในพรอมต์หรือนำไฟล์สไตล์ออกจากการทดสอบครั้งถัดไป คงคำสั่งเกี่ยวกับตัวแบบและการกระทำไว้ เพื่อดูผลจากการเปลี่ยนแปลงนั้น
หากคลิปไม่มีเสียง ให้ตรวจสอบการรองรับเสียงที่สร้างขึ้น การรับข้อมูลอ้างอิงเสียงเป็นคนละความสามารถกับการผลิตซาวด์แทร็ก เมทริกซ์ text-to-video ปัจจุบันของ Felo ระบุว่า Seedance รองรับเสียง Wan รองรับเสียงแบบเลือกได้ และ MiniMax กับ Kling ไม่มีเสียง
คำถามที่พบบ่อย
ภาพอ้างอิงเหมือนกับเฟรมแรกและเฟรมสุดท้ายหรือไม่
ไม่เหมือนกัน ภาพอ้างอิงสามารถกำกับรูปลักษณ์หรือสไตล์ตลอดทั้งช็อต เฟรมที่กำหนดคือคำสั่งเกี่ยวกับช่วงหนึ่งของลำดับ ทั้งสองแบบใช้กำกับการสร้าง แต่ไม่มีแบบใดรับประกันการคงพิกเซลทุกจุดโดยไม่มีเงื่อนไข
ชุดข้อมูลอ้างอิงที่ใหญ่กว่าดีกว่าเสมอหรือไม่
ไม่ ใช้ข้อมูลในจำนวนที่อธิบายช็อตได้ชัดเจน ภาพเพิ่มเติมที่ขัดแย้งกับตัวแบบหรือองค์ประกอบหลักอาจทำให้ทิศทางตีความได้ยากขึ้น
ฉันรวมข้อมูลเฟรมและข้อมูลอ้างอิงของ Seedance ได้หรือไม่
ไม่สามารถรวมในคลิปเดียวกันผ่านการเชื่อมต่อปัจจุบันของ Felo เลือกแนวทางข้อมูลนำเข้าที่ตอบโจทย์ความต้องการสร้างสรรค์หลัก
การอ้างอิงสู่วิดีโอสามารถรักษาคลิปเดิมแบบตรงทุกจุดได้หรือไม่
ระบบสร้างผลลัพธ์ใหม่ หากต้องคงจังหวะ การแสดง หรือเฟรมของต้นฉบับ ให้ใช้เวิร์กโฟลว์การตัดต่อที่ออกแบบมาสำหรับไฟล์เดิม
เตรียมภาพตัวแบบ 1 ภาพและบรีฟช็อตที่ชัดเจน 1 ชุด จากนั้นสำรวจข้อมูลนำเข้าที่รองรับใน เวิร์กโฟลว์ image-to-video ของ Felo
บทความนี้มีให้อ่านในภาษาต่อไปนี้ด้วย: English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, Español, বাংলা and Português