เจาะลึกฟีเจอร์ Remix ใน Sora 2: จากคลิปเดียวสู่สายธารแห่งความสนุก

ช่วงหลังๆ นี้ ผมเพิ่งลองเล่น Remix ใน Sora 2 แบบจริงจัง แล้วมันมีโมเมนต์ที่แบบ… เฮ้ย นี่มันโคตรสนุกไปเลยย!! จนต้องเอามาเล่าให้เพื่อนๆ ลองใช้บ้างนี่แหละ

เพราะสิ่งที่ทำให้ Sora 2 น่าสนใจกว่า Platform สร้างวีดีโอทั่วไปคือ
แอป Sora ที่เป็น social feed เต็มตัว

• ฟีดแบบ vertical คล้าย TikTok / Reels แต่ทุกคลิปถูกสร้างด้วย Sora 2 ทั้งหมด และเราก็สร้างเองได้เลยง่ายๆ
• มีฟีเจอร์ Cameo / Characters ให้ใส่ตัวเองหรือเพื่อนเข้าไปในคลิปได้ (ภายใต้ระบบ consent และสิทธิ์ที่ควบคุมได้) ซึ่งผมพูดถึงไปในบทความก่อนหน้าแล้ว
• และประเด็นสำคัญในบทความนี้ คือ เราสามารถ Remix คลิปของคนอื่น (หรือคลิปตัวเอง) ได้ทันที

Remix = เอาคลิปเดิมมาปั้น… แบบดินน้ำมันดิจิทัล

ถ้าให้อธิบายแบบบ้านๆ เลย
Remix คือการเอาคลิปเดิมมาเป็นโครง แล้วให้เราเขียน Prompt บอกว่าต้องการให้มัน “เปลี่ยนอะไรบ้าง”??
โดยที่โครงหลักยังอยู่ครบ เช่น มุมกล้อง การเคลื่อนกล้อง โทนจังหวะ

มันคือแนวคิดที่เรียกว่า Semantic Editing
คล้ายกับเราเป็นผู้กำกับ มีความต้องการปรับผลลัพธ์ที่อยากได้ว่า
“ซีนเดิมแหละ แต่ขอทำใหม่ให้เป็นกลางคืน + ฝนตก + อารมณ์เหงานิดๆ” แบบนี้

ผลคือเราไม่ต้องสุ่มวิดีโอใหม่ทุกครั้ง
แต่ใช้คลิปเดิมเหมือนเป็นดินน้ำมันแล้วปั้นต่อ ให้มันเข้าใกล้ภาพในหัวแบบมีทิศทางมากขึ้นเรื่อยๆ

เพราะคลิปที่ดี ไม่ใช่แค่ภาพสวย แต่คือ “การปรับให้มันสื่อสารได้ตรงใจ โดนใจเรามากขึ้น”
และหัวใจของทั้งหมดคือฟีเจอร์ที่ชื่อว่า Remix

วิธีการ Remix

เวลาผมทำคลิปอะไรที่ “เกือบได้ดั่งใจแล้วเชียว” เราไม่จำเป็นต้องเริ่มใหม่
แต่จะใช้คลิปจากตัวที่ฐานดีแล้ว เช่น motion ดี มุมกล้องสวย แล้วค่อยใช้ Remix เปลี่ยนเฉพาะที่อยากเปลี่ยน

โดยกดปุ่มที่เป็นรุปวงกลมหมุนๆ อันนี้ (ในคอมพ์=อยู่ใต้รูป หรือ ในมือถือ=ข้างขวาของรูป) นะ ซึ่งกดได้จากคลิปไหนก็ได้ คลิปตัวเองก็ได้ คลิปคนอื่นก็ได้ คลิปที่มี cameo/character ก็ได้ (ขอแค่ เป็นคลิปที่ publish แล้ว และไม่ได้ปิดสิทธิ์การ Remix ก็พอ)

กดเข้าไปแล้ว เราก็จะสามารถ Prompt ได้ว่าอยากจะแก้คลิปให้เป็นยังไง เทคนิคที่ผมใช้บ่อยคือการเขียน Prompt จะบอกประมาณนี้

“ให้ xxxx เหมือนเดิม แต่ … แต่เพิ่ม yyyy”
“ให้ xxxx เหมือนเดิม แต่ … แต่เปลี่ยน yyyy เป็น zzzz ”

เช่น ผมไปกด Remix คลิปนี้ ที่เป็นแมวถือหอกอยู่หน้าประตู แล้วมีผู้หญิงเจ้าของแมวออกมาห้าม

แล้วผมไปเขียน prompt ว่า ให้ไปถือ light saber แทน

เปลี่ยนเป็นแมวถือ light saber รำดาบแบบปรมาจารย์ jedi

ก็จะได้คลิปนี้มาเลยโดยที่เราไม่ต้องไปสั่ง prompt อะไรใหม่หมดแต่แรก
สังเกตว่า แสงของ light saber สมจริงสุดๆ เหมือนมันคิดใหม่ตามสิ่งที่ควรเป็นจริงๆพอสมควรเลย ไม่ได้จำสีของภาพเดิมอะไรทั้งสิ้น

ใช้ Remix ให้ได้ผล: ค่อยๆ เปลี่ยนทีละเรื่อง

ทริกที่ผมใช้บ่อยมาก ในการ Remix ให้ Work คือ ค่อยๆ เปลี่ยนทีละเรื่อง เช่น

• รอบนี้เปลี่ยนสภาพแสง
• รอบถัดไปเปลี่ยนตัวละคร
• รอบต่อไปค่อยปรับ motion

แยกทีละชั้น แม่นกว่า และควบคุมง่ายกว่าแบบยำรวมทีเดียว (ถ้าลองเปลี่ยนทีเดียวแล้วไม่ work)

การกด Remix จากคลิปที่มี Cameo/Character ของต้นฉบับ

เท่าที่ผมลองดู การกด Remix จะติด Cameo/Character ของต้นฉบับมาด้วย ถ้าใส่ Character ใหม่เข้าไปอีก มันจะเป็นยังไง?

เช่น สมมติ ผม Remix คลิปที่มี Character น้องฟ้า @AiAngel.03 พาเที่ยวที่กระบี่ อยู่แล้ว แต่ดันสั่งให้เปลี่ยนเป็น @AiAngel.06 (เวย์) ดูสิว่าจะเป็นยังไง?

เปลี่ยนเป็น @aiangel.06 (เวย์)

จะได้แบบนี้ คือมุมกล้องเดิม แต่เปลี่ยนคน เปลี่ยนชุด ได้ผลออกมาดีเลย! แถมฟิสิกส์ทุกอย่างสมจริง คิดใหม่ ไม่ได้เป็นการจำภาพเดิม

ส่วนอีกอัน ลองสั่งจากคลิปแรก ให้เพิ่มตัวละครเข้าไปเลย ไม่ได้เปลี่ยนตัวเดิมออก

เพิ่มตัวละคร @aiangel.06 (เวย์) เข้าไปเป็นพิธีกรคู่กัน

เราจะได้ว่า ผลลัพธ์จากการ Remix มีตัวละครเพิ่มขึ้น แต่เนื้อหาหลักยังคงอยู่ครบถ้วน แถมฟิสิกส์ทุกอย่างสมจริง คิดใหม่ ไม่ได้เป็นการจำภาพเดิม

สิ่งที่ Prompt เปลี่ยนได้ vs สิ่งที่ต้องปรับใน Setting/API

ตรงนี้บางคนอาจเข้าใจผิดว่า “เราเปลี่ยนอะไรก็ได้ด้วย Prompt เลยไหม?” แต่ไม่จริงนะครับ

ตัวอย่างของสิ่งที่ Prompt เปลี่ยนได้

• แสง / บรรยากาศ / Mood
• สไตล์ภาพ / มุมกล้อง
• สี วัสดุ พื้นผิว
• การกระทำของตัวละคร

ส่วนสิ่งที่แก้ด้วย Prompt ไม่ได้ แต่แก้ได้ใน Setting/API ตอน Gen ก็มีประมาณนี้

• Orientation : ขนาดภาพ (เลือกเอาว่า แนวตั้ง หรือ แนวนอน)
• Duration : ความยาวคลิป (เลือกว่าเอา 10 วิ หรือ 15 วิ )

ให้นึกง่ายๆ ว่า

• Prompt = เนื้อหาข้างในเฟรม
• Setting / API = ขนาด/กติกาของคลิป

เรามาดูกันว่า ถ้าจะเปลี่ยนจากคลิปแนวตั้งเป็นแนวนอน เราต้องปรับที่ Setting แบบนี้ โดยเลือก Orientation เป็น Landscape ครับ

จะพบว่ามันก็สามารถทำคลิปเป็นกล้องแนวนอนได้เลย สุดยอดมะ!

Remixes Lineage : สายธารแห่งความสนุก

สิ่งที่ผมรู้สึกว่ามัน “ว้าวมาก” ที่สุดเลย ของ Remix คือเวลาเปิดดู Lineage (เส้นทางที่มาที่ไปของคลิป Remix นั้นๆ)

ในมือถือ Mobile

แทนที่เราจะเลื่อนขึ้นลงอย่างเดียวเพื่อดูคลิปใหม่ๆ

• เลื่อนขึ้นลง (swipe up) = เปลี่ยนหัวข้อ/คลิปใหม่ อันนี้ปกติ

[ แต่ถ้ามี …. ขึ้นมาใต้คลิป = มีสายธารแห่งการ Remix ]

• เลื่อนไปด้านซ้าย/ขวา (swipe left/right) = ดำดิ่งเข้าไปใน “จักรวาลของ Remix” ของคลิปเดียวกัน ไล่ดูว่าไอเดียเดียวกันถูกบิดไปในมุมต่างๆ ยังไงบ้าง

ในคอมพิวเตอร์ Desktop

• ใช้วิธีคลิ๊กเลือกเอาที่คลิปแล้วดูโซนขวาบน ถ้ามีรูปขึ้นหลายๆ อันแสดงว่า มีสายธารแห่งการ Remix ซึ่งรูปด้านซ้ายสุด คือ ต้นทาง Original จริงๆ

คือเราจะเห็นเลยว่า มันคือการเห็นวิวัฒนาการของไอเดียแบบมีหลักฐานภาพจริงๆ ไม่ใช่แค่ความรู้สึก อย่างคลิปแมวหน้าประตู จริงๆ ต้นทางสุดๆ เลยคือคลิปนี้ เป็นหมาถือปืน 555 (ตัวเลขการถูกนำไป remix 18K!! )

มันมีระบบ Track ว่าเราไป Remix ใครมา ใครเป็นต้นทางของ idea กันแน่ แต่ใน UI มันยังดูชัดๆ ไม่ได้ว่าใครเอามาจากใครตรงๆ นะ (ไม่ได้ทำเป็น Tree ให้) แต่ข้อมูลมันเก็บไว้อยู่แล้วว่าใครเอา Video ไหนมา Remix ในอนาคตอาจมีวิธี Explore ที่เจ๋งกว่านี้

ถ้าเราไล่ไปด้านขวา ก็อาจเจอคลิปที่ถูกเปลี่ยนเป็นอะไรไม่รู้เต็มไปหมด พัฒนาต่อยอดกันไปเรื่อยๆ บ้าบอมากๆ 555

ผมชอบตรงนี้มาก
เพราะมันเปลี่ยนมุมมองจาก “เอางานคนอื่นมาดัดแปลง = ขโมย”
กลายเป็น “เข้าร่วมการสร้างสรรค์!” ซึ่งสนุกกว่ากันเยอะเลย 🔥

Sora 2 ทำ Remix ยังไงในทางเทคนิค? (น่าจะ)

Sora ไม่ได้มองวิดีโอเป็นเฟรม แต่มองเป็น “patches” ของกาลอวกาศ

OpenAI บอกชัดเจนว่า Sora ใช้สถาปัตยกรรม Diffusion Transformer (DiT)
นั่นคือ วิดีโอจะถูก encode แล้วถูกหั่นเป็น Spacetime Patches (คล้าย token ของ GPT) แล้วโมเดลจะดูความสัมพันธ์ของ patch เหล่านี้ทั้งหมดพร้อมกัน ไม่ได้ดูเป็นภาพนิ่งๆ

ผลลัพธ์จริงคือ มัน work มาก! พอเข้าใจเรื่องนี้ จะรู้เลยว่าทำไม Sora คุมจังหวะกล้องเก่งกว่าระบบ text-to-video เจ้าอื่นครับ

Remix อ้างอิงแค่คลิปล่าสุดมาทำงานต่อ

เราจะใช้แค่ “คลิปเดียว” ในการเป็นต้นแบบของ Remix ในคลิปที่กำลังจะ Gen

ดังนั้น logic ของ Sora เวลาปั้นคลิปจะเป็นแบบนี้เสมอ:

คลิปใหม่ = คลิปล่าสุด (รวม cameo/character) + prompt ใหม่

เช่นแบบนี้

1. คนแรกสร้าง คลิป A มีตัวละครหนึ่งตัว
2. คนที่สอง Remix เป็น คลิป B remix ลบตัวละครนั้นออก
3. คนที่สาม Remix B เป็น คลิป C

เชิงเทคนิค:

• โมเดลตอนที่คนที่สามสร้าง คลิป C จะดูแค่ คลิป B + prompt ใหม่ โดย ตัวละครใน คลิป A นั้น “ไม่มีวันกลับมา” (เว้นแต่เราสั่งเพิ่มใหม่ด้วย prompt)
• แต่เนื้อหาใน คลิป B = เกิดจาก คลิป A
  เลยอาจรู้สึกว่า “DNA/วิญญาณ ของ คลิป A” เหมือนจะไหลมาถึง C ด้วย แต่ในความเป็นจริง มันก็แค่ถูกดัดแปลงซ้ำๆ แค่นั้นเอง

ถ้าโมเดลดึงบรรพบุรุษมาจริงๆ:

• บางครั้งต้องมี “เงาของข้อมูลเก่า”
• หรือ element ที่ “เคยอยู่แต่ถูกลบ” ควรจะติดกลับมาในรุ่นลูก
• หรือมีการกลับไปใช้โทน/กล้องของ ancestor แบบสุ่มๆ

แต่ ไม่มีเหตุการณ์แบบนั้นเลย (ถ้าดึงบรรพบุรุษ ทุกรุ่น มาใช้พร้อมกัน มันจะเกิด conflict อย่างรุนแรงแน่นอน 55)

ดังนั้น ถ้าเรา Remix หลายทอดมากๆ เรื่องราว หรือตัวละครอาจเปลี่ยนไปโดยสิ้นเชิงจากคลิปแรกเลยก็ได้ ซึ่งนี่เป็นพฤติกรรมปกติของระบบ Remix นี้

ถ้าไม่อยากให้ตัวละครเพี้ยน ก็ต้องใช้ Cameos / Characters มาช่วยซึ่งผมได้อธิบายไปในบทความก่อนหน้าแล้ว ใครยังไม่ได้อ่านไปอ่านกันได้

วิธีสร้าง Character ใน Sora 2 แบบเป็นคนสมจริง

Remix = กับการท้าทายระบบ Content Violations

อีกเรื่องที่ผมเจอบ่อยขึ้นเรื่อยๆ จากการเล่น Sora 2 คือ…
Remix ดันกลายเป็นพื้นที่ที่คนเอาไว้ “ท้าทายระบบกรอง” มากที่สุดแบบไม่ตั้งใจ 😅

ตอนแรกผมก็แค่เอาไว้ปั้นคลิปต่อให้ดีขึ้น
แต่พอเข้าไปดูใน community จริงๆ มันมีอีกโลกหนึ่งเลยครับ

ความจริงคือ…

ตอนเราสร้างคลิปใหม่ ระบบกรอง (content moderation) จะทำงาน 2-4 รอบ ครับ

1. คัดกรอง media ที่อัปโหลดแนบขึ้นไป
2. คัดกรองที่ prompt เลย ถ้ามี Keyword บางอย่างมันจะไม่ยอม Gen แต่แรก
3. คัดกรองหลังจะ Video ถูกสร้างขึ้นมาแล้ว แต่ยังไม่เกิดออกมาให้เราดูจริงๆ
4. คัดกรองย้อนหลังจากมี post ไปแล้ว (ผมเองก็ถูกลบ มีเมลมาเตือนด้วย 55)

ซึ่งไอขั้น 3 นี่แหละที่โหด เพราะมันอาจจะสแกนทำความเข้าใจวีดีโอด้วย ว่าสุ่มเสี่ยงไหม ดังนั้นการหลอกระบบจึงยากขึ้นไปอีก (แต่ก็มีคนหลอกได้เยอะแยะ 555)

เวลาเราทำ Remix ความรู้สึกเหมือนโมเดลอาจกำลังคิดว่า

“คลิปนี้เคยผ่านมาตรฐานมาแล้วนะ… งั้นเราปรับต่อก็ได้มั้ง”

ซึ่งแน่นอนครับว่า บางทีเข้มขึ้น บางทีหลวมลง แล้วแต่โชคจริงๆ
ขึ้นกับคลิปต้นทาง + prompt ใหม่ + พฤติกรรมที่เราปั้นมันต่อ

สรุปคือ…มันเดายากจริงๆ 😅
และนี่แหละที่ทำให้ Remix กลายเป็นพื้นที่ทดลองของคนจำนวนมาก

แม้กระทั่ง Account Sora Official เอง ก็มา Remix กวนๆ เหมือนกัน (เล่นมุก Content Violations เฉยเลย 555 )

เทคนิคที่ผู้ใช้บางคนเอาไว้ “เล่นเกม” กับระบบกรอง

สิ่งที่เห็นบ่อยๆ คือ:

• เปลี่ยนชื่อสิ่งของ/ตัวละคร
  เช่น ไม่ใช้ชื่อแบรนด์ตรงๆ แต่ใช้คำบรรยายแบบอ้อมๆ เช่น
  “yellow electric mouse” แทนตัวที่เรารู้ว่าใคร
• เขียน prompt แบบกำกวมหรือเล่นคำ
  ใช้คำที่มีความหมายหลายแบบ ทำให้ระบบตรวจความเสี่ยงตีความไม่ตรง
• ใช้เสียงมาช่วย ให้รู้สึกว่ามัน NSFW เช่น มีเสียงตบมือ เอาขากระทบพื้นเป็นจังหวะ…
• ใช้การออกกำลังกาย... การเคลื่อนไหวเป็นจังหวะ เหมาะที่สุดแล้ว
• ใช้เกมส์โชว์… เมื่อเป็นเกมส์โชว์ กติกาจะแปลกแค่ไหน ทำอะไรแปลกๆ ก็ย่อมได้
• ใช้สิ่งอื่น… ที่หน้าตาคล้ายๆ สิ่งนั้น
• แบ่ง generation เป็นชั้นๆ
  เช่น
  1. สร้างฉากให้ปลอดภัย
  2. Remix เพิ่มตัวละคร
  3. Remix เพิ่ม movement
  4. Remix เพิ่ม emotion แบบเฉียดๆ จะถูกแบน
     วิธีนี้จะเลี่ยงการโดนบล็อกตอนสร้างใหม่ในรอบเดียว
• ใช้ภาษาแบบแปลตรงเครื่อง/ภาษาผสม
  เพราะระบบกรองถูกฝึกกับภาษาอังกฤษชัดเจนมากกว่า
  พอเจอภาษาที่คำไม่เป๊ะ มันมักจะมึนและปล่อยผ่าน

ผมเจอคนญี่ปุ่น “เล่นกับการท้าทายระบบ” เก่งมาก

เลื่อนฟีดทีไร จะเจอสาย anime, parody, suggestive ที่ “เนียนมาก” จนระบบจับไม่ค่อยได้… และ ส่วนใหญ่ที่ผมเจอทำเจ๋งๆ คือ creator คนญี่ปุ่นทั้งนั้น

เหตุผลหลักๆ ที่เจอก็ประมาณนี้:

• วัฒนธรรม doujin + parody → เขาชินกับการเลี่ยงเส้นมานาน
• ใช้ภาษาอังกฤษไม่เป๊ะ → ระบบอ่านแล้วงง ไม่ flag
• คนญี่ปุ่นถนัดการ “ค่อยๆ ดันขอบเขตทีละนิด” มากกว่าใส่ตรงๆ

เรียกง่ายๆ ว่าเขาเก่งเรื่อง “เล่นกับเส้น” มานานก่อนมี AI อีกครับ 55

ผมขอเอาภาพประกอบคลิปที่พอจะเอามาลงได้ มาให้ดูครับ ว่าคนญี่ปุ่นเล่นกันแบบไหน (แต่ของจริงอยากเห็นมากกว่านี้ต้องรีบไปสำรวจเอาเองนะ เพราะหลายๆ อันที่แรงๆ ก็ถูกลบตามหลังไปหมดแล้ว 555 )

อันนี้เริ่มจากล้างมือ

อันนี้ผมก็ลองมาแจมด้วย

คลิปเด็กกำลังกายอันนี้ก็ไปไกลมากอยู่ (ต้นฉบับแรกปลอดภัย ไม่มีอะไรเลย)

ส่วนอันนี้คือคลิปต้นฉบับการ Remix ในตำนานครับ เจ้า Geoduck (หอยงวงช้าง) ไปดูเอาเองนะ อันนี้คือสุดแล้ว มันคิดได้ไง 555 😂

สรุป: จากกดสุ่ม → สู่การกำกับจักรวาลของไอเดีย

Remix + Lineage ใน Sora 2 ทำให้การสร้างวิดีโอเปลี่ยนไปเยอะมาก
สรุปแบบเร็วๆ ตามสไตล์ผมนะครับ

• จากสุ่มดวง → เป็นงานที่ “กำกับได้จริง”
• จากคลิปเดี่ยว → กลายเป็นสายธารแห่งความสนุก
• จากสร้างคนเดียว → สู่การสร้างร่วมกันทั้งชุมชน 🔥

สุดท้าย ผมว่า Remix คือภาพตัวอย่างของโลกสร้างสรรค์ยุคใหม่แบบแท้จริง
ที่เราไม่จำเป็นต้องเริ่มจากศูนย์อีกแล้ว
แต่เก่งขึ้นจากการแก้ของคนอื่น ปั้นต่อ เข้าใจต่อ และเล่าเรื่องเดิมในแบบของตัวเองได้เลยครับ 😁