ทำซับไตเติลให้วิดีโอทริปยาว 62 ชั่วโมง และการใช้ AI ทำงานให้คุ้ม

ซับไตเติลของวิดีโอทริปยาว 62 ชั่วโมง ผมเปลี่ยนวิธีเป็นใช้การถอดเสียงของ Premiere หาตำแหน่งที่มีคนพูด แล้วขัดเกลาด้วย Gemini เฉพาะช่วงไฮไลต์ ส่วนงานของ AI ต้นทุนขึ้นอยู่กับความยาวของบทสนทนาและจำนวนครั้งที่โต้ตอบกันไปมา

นี่คือตอนสุดท้ายของบันทึกการทำงาน ว่าด้วยซับไตเติล ต้นทุน และฟุตเทจเก่าที่จัดไปพร้อมกัน

ซับไตเติล: การถอดเสียงของ Premiere + Gemini

ซับไตเติลไฟล์ SRT จาก Gemini แม่นที่สุด แต่จะใส่ทั้ง 62 ชั่วโมงเข้า Gemini ไม่ได้ ผมเลยเปลี่ยนวิธี

ขั้น	รายละเอียด
1	ส่งออกซีเควนซ์รายวันเป็น MP3 ด้วย Media Encoder
2	รันการถอดเสียงของ Premiere ก่อนเพื่อหาตำแหน่งที่มีคนพูด ภาษาตั้งต้นเป็นภาษาอังกฤษ เลยเปลี่ยนเป็นภาษาเกาหลี
3	ตัดช่วงที่ระบบจำไม่ได้ออกจากผลถอดเสียง (JSON) ซึ่งช่วยกรองเสียงวิทยุสื่อสารระหว่างซาฟารีออกไป
4	สร้าง SRT จาก JSON แล้วใส่เป็นแทร็กคำบรรยายในซีเควนซ์ v2 ผ่าน MCP
5	ขัดเกลาด้วย Gemini เฉพาะช่วงที่จะใช้ตัดต่อจริง ไม่ใช่ทั้งหมด เลือกช่วงไฮไลต์ที่มีบทสนทนาหนาแน่นด้วยการให้คะแนน แล้วแบ่งเป็นท่อนละ 2 นาที แอป Gemini ถอดเสียงได้ครบจนจบแค่ราว 2 นาที เลยลดลงมาจากท่อนละ 3 นาทีที่ใช้ตอนแรก

C1 ด้านบนสุดของซีเควนซ์ v2 คือแทร็กคำบรรยาย เพราะเป็นคำบรรยายไม่ใช่คลิปข้อความ จึงส่งออกเป็น SRT ใหม่หรือแก้ไขทีหลังได้ง่าย

การถอดเสียง ผมตั้งคิวไว้ใน Premiere ทีละวันแล้วปล่อยให้รันเอง ตอนแรก AI เช็กทุก 3 นาทีและจัดการทีละรายการ แต่การทบทวนกลางทางพบว่าไม่คุ้ม เลยเปลี่ยนเป็นรวบจัดการวันที่เสร็จแล้วทุก 30–40 นาที

ผมยังลองให้ส่งการแจ้งเตือนเข้าโทรศัพท์เมื่องานเสร็จ ฝั่ง AI บอกว่าส่งไปหลายครั้ง แต่ไม่มีมาถึงสักครั้ง สุดท้ายเลยตัดสินใจเข้าไปดูเองบ่อยๆ

ต้นทุนและประสิทธิภาพ

ครั้งนี้เป็นครั้งแรกที่ผมใส่ใจเรื่องปริมาณการใช้งานจริงจัง ทุกครั้งที่ส่งคำสั่ง AI จะอ่านบทสนทนาทั้งหมดจนถึงตอนนั้นใหม่อีกรอบ ยิ่งบทสนทนายาว งานเดียวกันก็ยิ่งแพงขึ้นหลายเท่า การรอ 20 นาทีแทบไม่เสียอะไร ที่แพงคือการโต้ตอบไปมาหลายครั้ง

ระหว่างทางผมถามว่าวิธีที่ทำอยู่คุ้มไหม คำตอบคือครึ่งๆ

งาน	การประเมิน
กู้เวลาของ GoPro	ใช้สคริปต์สองสามครั้งปรับได้หลายสิบไฟล์ในทีเดียว และผ่านการตรวจสอบตั้งแต่รอบแรก
จัดที่เก็บโปรเจกต์	เสร็จในไม่กี่ขั้น
ตรวจเวลาของ Canon	ไม่คุ้ม พยายามดึงเสียงจากฮาร์ดดิสก์ภายนอกทั้งลูกแล้วต้องเลิกเพราะช้า รับบันทึกข้อผิดพลาดยาว 260,000 ตัวอักษรมาทั้งก้อน และเชื่อสมมติฐานที่ยังไม่ได้ตรวจจนรันการเทียบเสียงไปสองรอบ ทั้งที่ดูรูปเดียวก็รู้ได้ทันที

ตอนท้ายจึงให้เขียนเอกสารส่งต่องานไว้ในโฟลเดอร์งาน แล้วตกลงกันว่าจะย้ายไปบทสนทนาใหม่ในเวลาที่โควตาการใช้งานรีเซ็ต มันเขียนข้อความแรกสำหรับวางในบทสนทนาใหม่ไว้ให้ด้วย

อ่านเอกสารส่งต่องานในโฟลเดอร์ตัดต่อแทนซาเนียบนคอมพิวเตอร์ที่บ้าน (ไดรฟ์ I:) แล้วตัดต่อแทนซาเนียต่อ
ขอสิทธิ์ที่ต้องใช้ทั้งหมดในครั้งเดียวตั้งแต่ต้น และทำงานแบบขนาน

ในเอกสารส่งต่องานยังใส่เคล็ดลับที่ได้เรียนรู้ครั้งนี้ไว้ด้วย

เคล็ดลับ	รายละเอียด
อ่านฮาร์ดดิสก์ภายนอก	ช้า อย่าอ่านทั้งไฟล์ อ่านเฉพาะช่วงที่ต้องใช้
ผลลัพธ์	รับแค่สรุป ถ้าบันทึกพรั่งพรูออกมา ทั้งหมดนั้นคือต้นทุน
การตรวจสอบ	ก่อนรันอะไรนานๆ ให้ทดสอบสมมติฐานกับตัวอย่างเดียวก่อน
คัดลอกจำนวนมาก	7-Zip File Manager เร็วกว่าคัดลอกด้วยคำสั่ง
ซิงก์เสียง	เทียบความดังเบาของเสียงที่เปลี่ยนไปในสองคลิปเพื่อจับให้ตรงกัน

ฟุตเทจเก่าก็จัดเป็นโครงเดียวกัน

ไม่ได้จัดแค่วิดีโอทริป โฟลเดอร์ฟุตเทจส่วนตัวที่ถ่ายไว้ก่อนทริป 14 โฟลเดอร์ ผมก็จัดให้เป็นโครงเดียวกัน

รายการ	รายละเอียด
โครงสร้าง	ต้นฉบับ\วิดีโอ, ต้นฉบับ\รูปถ่าย, อื่นๆ, โปรเจกต์
กฎ	วิดีโอและเสียงไว้ในต้นฉบับ\วิดีโอ รูปไว้ในต้นฉบับ\รูปถ่าย งานที่แปรรูปแล้วอย่างไฟล์ปรับแต่งและกราฟิกไว้ในอื่นๆ ไฟล์โปรเจกต์ไว้ในโปรเจกต์
การตรวจสอบ	ตรวจว่าจำนวนไฟล์เท่ากับก่อนจัด
ไม่ได้แตะ	โฟลเดอร์ที่มีโครงอยู่แล้ว โปรเจกต์ที่กำลังตัดต่อ (กลัวลิงก์พัง) และโฟลเดอร์ที่ไม่มีวันที่
ต่อไป	สร้างโปรเจกต์ให้แต่ละโฟลเดอร์ พร้อมซีเควนซ์ที่แยกแทร็กตามกล้อง

งานที่เหลือ

สิ่งที่ต้องทำ	หมายเหตุ
DAY 4 และ 6	ขนข้อมูลจากโน้ตบุ๊กมาใส่ฮาร์ดดิสก์ภายนอกแล้ว ต้องเสียบแล้วนำเข้า
DAY 9	เป็นโฟลเดอร์ว่างในทุกอุปกรณ์เก็บข้อมูล
รูป RAW 343 รูป	ส่งออกเป็น JPG จาก Lightroom แล้วเพิ่มเข้าไป
ซับไตเติล	ถอดเสียงวันที่เหลือ ถอดเสียงเฉพาะคลิปใหม่แยกต่างหาก ขัดเกลาไฮไลต์ด้วย Gemini
ซีเควนซ์ของฟุตเทจเก่า	ทำทีละโปรเจกต์หลังถอดเสียงเสร็จ
สำเนาบนคลาวด์	OneDrive 1TB สองบัญชี และ Google Drive 400GB

บันทึกการทำงานจบเพียงเท่านี้ ตั้งแต่บทความหน้า ผมตั้งใจจะเรียบเรียงความคิดว่าฟุตเทจที่สะสมไว้นี้จะกลายเป็นอะไรได้บ้างในอนาคต