สร้างวิดีโอด้วย AI
พูดไทยทั้งคลิป
Claude × Higgsfield

ภาพรวม 6 ขั้น

โมเดลวิดีโอเจนได้ครั้งละไม่เกิน 10 วิ คลิปยาวเลยต้องทำเป็นช็อตสั้นๆ แล้วต่อกัน — Claude เขียนบทและสั่งงาน Higgsfield · Claude Code ตัดต่อใน CapCut

1เขียนบท + วาง storyboard

Claudeทำก่อนเปิด Higgsfield — บทดีคือครึ่งหนึ่งของคลิป ที่เหลือคือคำสั่งกล้อง

1. ช็อตละ 10 วิ (สูงสุดของ Omni Flash 1.1)บทพูดช็อตละ 30–35 พยางค์ · ช็อตที่มีท่าแรงๆ เช่น วิ่ง กระโดด เหลือ 10–20 พยางค์
2. ช็อตแรกต้องดึงคนดูใน 3 วิเปิดด้วยปัญหาหรือภาพที่แปลก ไม่ใช่ "สวัสดีค่ะ"
3. ตัดสินตั้งแต่ตอนนี้ว่าช็อตไหนพูดหน้ากล้องรอบนี้พูดหน้ากล้องทั้ง 9 ช็อต เสียงออกมาเหมือนกันหมด แต่โมเดลไม่รับประกัน — เช็คทุกช็อต
4. ช็อตสุดท้ายเป็น CTAบอกให้ทำอะไรต่อ ทัก · โทร · กดลิงก์

Prompt ให้ Claude เขียนบท

ช่วยเขียนบทคลิปแนวตั้ง 60 วินาที ภาษาไทย สำหรับ [สินค้า/บริการ] กลุ่มเป้าหมาย [ใคร]
แบ่งเป็นช็อตละ 10 วินาที ทำเป็นตาราง แต่ละช็อตบอก:
- ภาพที่เห็น (คน · ฉาก · มุมกล้อง)
- บทพูดภาษาไทย 30–35 พยางค์ ไม่ลงท้าย "ค่ะ" ทุกประโยค
- ใครพูด: พรีเซนเตอร์พูดหน้ากล้อง หรือเสียงบรรยาย
- รูปอ้างอิงที่ต้องใช้
ช็อตแรกต้องดึงคนดูใน 3 วินาที ช็อตสุดท้ายเป็น CTA

Storyboard ที่ใช้จริง · 9 ช็อต × 10 วิ

โครงการสมมติ "Nerd Real Estate" เพื่อใช้สอน · ชื่อ ทำเล ราคา แต่งขึ้นทั้งหมด

2เตรียมรูป + อัปโหลดผ่าน Cowork

Claude CoworkHiggsfieldใช้รูปชุดเดียวกันทุกช็อต คนกับฉากถึงจะเหมือนกันทั้งคลิป

3เลือกโมเดลที่พูดไทยได้จริง

ให้คะแนนแล้ว 8 โมเดล — ตัวแพงไม่ได้แปลว่าพูดไทยดี · ผลเต็มอยู่ที่ Model Compare

4เจนทีละช็อต

Higgsfieldหลักการ 1 ช็อต — รูป 2 รูป + prompt 1 ย่อหน้า = คลิปพูดไทย (ตัวอย่างนี้มาจากรอบทดสอบ 8 วิ)

01 · INPUT — รูป 2 รูป

role: image_referencesไม่ต้องตัดพื้น ไม่ต้องรีทัช

+

02 · PROMPT — 1 ย่อหน้า

UGC-style vertical selfie video. The young Thai woman from the reference photo stands in front of the luxury two-story grey house from the reference photo at dusk, holding the phone at arm's length, natural handheld movement, warm evening light. She smiles and speaks to camera in clear natural Thai with accurate lip sync, friendly excited tone. She says in Thai: "สวัสดีค่ะ วันนี้พามาดูบ้านหลังนี้ค่ะ …" Native Thai speech audio only, soft ambient evening sound, no music, no subtitles.

ภาษาอังกฤษ ยกเว้นบทพูด6 ส่วน · ดูด้านล่าง ↓

03 · OUTPUT — คลิป

9:16 · 8s · 720p24 credits ≈ ฿31~3 นาที

PASS

แกะ prompt ทีละส่วน

prompt มี 6 ส่วน เรียงตามนี้ทุกช็อต เปลี่ยนแค่ส่วน 2, 3 กับ 5 ตาม storyboard — ส่วนที่คนมักลืมคือ 4 กับ 6

ค่าที่ตั้ง

ลำดับที่ทำจริง (ต่อ 1 ช็อต)

1. อัปโหลดรูป 2 รูปได้ media id กลับมา 2 ตัว — ไม่ต้องบอกว่ารูปไหนคน รูปไหนบ้าน โมเดลดูออกเอง
2. เขียนบทพูดไทยก่อน แล้วค่อยเขียน prompt ล้อมรอบบทพูดคือสิ่งเดียวที่ลูกค้าจะฟัง ที่เหลือคือคำสั่งกล้อง
3. สั่งเจน 1 รอบ รอ ~3 นาทีไม่ต้องสั่ง 4 รอบแล้วเลือก — ถ้า prompt ครบ 6 ส่วน รอบแรกก็มักผ่าน
4. เช็ค 3 อย่างก่อนใช้ไทยชัดไหม · ปากตรงไหม · หน้าเหมือนรูปไหม — ไม่ผ่านข้อใด เจนใหม่ (30 credits) ถูกกว่านั่งแก้

ประเด็นที่คนมองข้าม — ความยากไม่ได้อยู่ที่ prompt แต่อยู่ที่เลือกโมเดล prompt เดียวกันนี้ใส่โมเดลอื่นได้ผลตั้งแต่ "ดีพอ" จนถึง "พูดเขมร" ดูคะแนนทั้ง 8 ตัวได้ที่ Model Compare

อย่าลืมเรื่องสิทธิ์รูป — รูปคนที่ใช้ต้องได้รับอนุญาตแล้ว รูปในหน้านี้ใช้เพื่อการทดสอบ ถ้าจะทำจริงให้ใช้รูปพรีเซนเตอร์หรือพนักงานของโครงการเอง

ผลจริง 9 ช็อต

ตัวที่ผ่านแล้วทั้งหมด · ทุกช็อตใช้รูปคน + รูปบ้านชุดเดิม · เสียงออกมาเป็นคนเดียวกันทั้ง 9 ช็อต

5ต่อคลิป + ตัดต่อ ด้วย Claude Code × CapCut

Claude CodeCapCutรวม 9 คลิปใน CapCut แล้วให้ Claude Code ตัดต่อ เติม แต่ง ให้เอง — คนแค่พิมพ์สั่ง

ดูขั้นตอนตัดต่อเต็ม พร้อมคำสั่งจริง

6สรุปต้นทุนจริง

ตัวเลขจากประวัติเครดิตใน Higgsfield · รวมทุกรอบที่พลาด

ราคาบาทคิดจากแพ็กเกจ Higgsfield $39 = 1.29 บาท/เครดิต · ไม่รวมค่า Claude และ CapCut · ถ้าบทไม่มีคำที่ AI พูดผิด ยิงแก้จะน้อยลงเกือบครึ่ง

คลัง prompt ที่ใช้จริง

ทุกตัวเจนจริงแล้ว บอกโมเดลและผล · แก้เฉพาะในวงเล็บ [ ] แล้วใช้ได้เลย

UGC-style vertical selfie video. The young Thai woman from the reference photo stands in front of the [luxury two-story grey house] from the reference photo at dusk, holding the phone at arm's length, natural handheld movement, warm evening light. She smiles and speaks to camera in clear natural Thai with accurate lip sync, friendly excited tone. She says in Thai: "[สวัสดีค่ะ วันนี้พามาดูบ้านหลังนี้ค่ะ สองชั้น สไตล์คลาสสิก หน้าบ้านกว้างมาก จอดรถได้สองคันสบายๆ ใครสนใจทักมาได้เลยนะคะ]" Native Thai speech audio only, soft ambient evening sound, no music, no subtitles.

UGC-style vertical selfie video, animate the start frame. The young Thai woman holds the phone at arm's length in front of the [luxury two-story grey house] at dusk, natural handheld movement, warm evening light. She smiles and speaks to camera in clear natural Thai with accurate lip sync, friendly excited tone. She says in Thai: "[บทพูด]" Native Thai speech audio only, soft ambient evening sound, no music, no subtitles.

Transfer the motion, expressions, lip movement and Thai speech from the reference video to the woman in the reference image. Keep her identity from the reference image, keep the [house background and dusk lighting]. Preserve the original Thai audio.

Continue the reference video as the next shot — same young Thai woman, same voice, same house, same dusk lighting and handheld selfie style. She now turns slightly and gestures toward the driveway and front door, then speaks to camera in clear natural Thai with accurate lip sync, friendly tone. She says in Thai: "[ด้านหน้ามีสวนเล็กๆ กับที่จอดรถกว้างมาก เดี๋ยวพาเข้าไปดูข้างในกันนะคะ]" Native Thai speech audio only, soft ambient evening sound, no music, no subtitles.