LazyCut

การตัดคลิปพูดหน้ากล้องให้เป็นวิดีโอสั้นแนวตั้งที่กระชับต้องใช้ทั้งเวลาและทักษะ ทั้งตัดช่วงเงียบ ตัดคำฟุ่มเฟือยและเทคที่พูดผิด จัดเฟรมให้เป็น 9:16 และใส่คำบรรยาย ทางเลือกเดิมคือนั่งตัดเองในโปรแกรมตัดต่อ หรือจ้างคนตัดให้ โจทย์ของเราคือให้ AI ทำงานรอบแรกทั้งหมดจากฟุตเทจดิบ โดยทุกการตัดสินใจของ AI ยังตรวจและแก้ได้ก่อนเรนเดอร์

หัวใจของระบบคือ EDL (Edit Decision List) ไฟล์ JSON ที่เป็นแหล่งความจริงเพียงแหล่งเดียว AI เสนอการแก้ ผู้ใช้ปรับ และตัวเรนเดอร์อ่านจากไฟล์เดียวกัน

1. 1. สถาปัตยกรรมแบบ Ports & Adapters

   ตรรกะการตัดต่อทั้งหมดอยู่ในแพ็กเกจกลางที่ไม่ผูกกับโครงสร้างพื้นฐาน ส่วนผู้ให้บริการภายนอกทุกรายอยู่หลัง Adapter ที่สลับได้ เว็บแอปใช้ Next.js บน Vercel งานประมวลผลรันบน Worker ของ DigitalOcean พร้อม Postgres กับ Drizzle, Spaces สำหรับเก็บไฟล์ และคิวงานด้วย Redis และ BullMQ

2. 2. Pipeline ตัดต่ออัตโนมัติ

   Worker แยกเสียงด้วย FFmpeg ถอดเสียงระดับคำพร้อมเวลา หาช่วงเงียบและคำฟุ่มเฟือย แล้วให้ LLM (Claude, GPT หรือ Gemini) วางแผนการตัด โดยจุดตัดชิดขอบคำเพื่อไม่ให้ชื่อคนขาดกลางคำ จากนั้นวางอีโมจิบนคำสำคัญ เสียงเอฟเฟกต์ตรงรอยต่อ และมีมหนึ่งถึงสองจุด ด้วยกติกาที่ให้ผลเหมือนเดิมทุกครั้งและลบออกได้

3. 3. สตูดิโอที่ให้ตรวจก่อนตัด

   เอดิเตอร์บนเบราว์เซอร์สไตล์ CapCut เปิดฟุตเทจเต็มก่อน จุดที่ AI เสนอให้ตัดถูกไฮไลต์บนไทม์ไลน์ให้กดเก็บหรือตัดทีละเทค รายการคำบรรยายแบ่งเป็นช่วงพร้อมป้ายกำกับ เช่น เทคดี เทคเสีย ช่วงเงียบ หรือคำฟุ่มเฟือย กดแล้วกระโดดไปยังช่วงนั้นในตัวอย่างได้ทันที และมีไทม์ไลน์หลายแทร็กสำหรับ B-roll ที่ปรับตำแหน่งและขนาดได้

4. 4. เรนเดอร์ให้ตรงกับที่เห็น

   Remotion เรนเดอร์วิดีโอ 1080×1920 บน Worker จากคอมโพเนนต์ชุดเดียวกับตัวอย่างในเอดิเตอร์ ต่อคลิปแบบแม่นยำระดับเฟรมเพื่อไม่ให้มีภาพกระพริบระหว่างรอยตัด และโหลดฟอนต์ IBM Plex Sans Thai ในไฟล์ที่ส่งออก

5. 5. ไม่เปิดสิ่งที่ยังพิสูจน์ไม่ได้

   ขั้นตอนจัดเฟรมอัตโนมัติ (Auto-reframe) ถูกวางไว้ใน Pipeline แล้ว แต่ยังปิดไว้จนกว่าระบบติดตามใบหน้าจะผ่านการทดสอบเรนเดอร์จริง ส่วนระบบเครดิตและการชำระเงินพัฒนาไว้แล้วแต่ยังไม่เปิดใช้

เว็บสตูดิโอและ Worker สำหรับประมวลผลทำงานบน Production แล้ว

• ได้ร่างแรกจากฟุตเทจดิบ

  อัปโหลดคลิปพูดหน้ากล้อง พอดแคสต์ หรือสกรีนแคสต์ แล้ว AI จะถอดเสียง เสนอจุดตัด และใส่คำบรรยายให้ในรอบเดียว

• ทุกอย่างที่ AI ทำยังแก้ได้

  จุดตัด คำบรรยาย อีโมจิ เสียงเอฟเฟกต์ และมีม ปรับหรือลบได้ในสตูดิโอ และไม่มีอะไรถูกตัดจนกว่าผู้ใช้จะอนุมัติ

• คำบรรยายไล่ทีละคำ

  คำบรรยายขยับตามคำพูดทีละคำ เลือกได้ 5 สไตล์ ปรับฟอนต์และตำแหน่งได้ และแสดงภาษาไทยได้ถูกต้องในไฟล์ส่งออก

• พร้อมลงฟีดแนวตั้ง

  เอ็กซ์พอร์ตเป็นวิดีโอแนวตั้ง 1080×1920 สำหรับ TikTok, Reels และ Shorts