เปิดตัว Huashu-motion: สร้างวิดีโอสินค้าเชิงพาณิชย์ได้ในคลิกเดียว

หยุดก่อน อย่าเพิ่งหยุดก่อน อย่าเพิ่งเลื่อนผ่าน! มาดูคลิปสองคลิปนี้กันก่อน—อย่าลืมเปิดเสียงด้วยนะ 😐

คลิปแรกคือวิดีโอเปิดตัวที่ผมทำด้วย Opus 5.5 ตอนที่ DeepSeek-V4.1-Flash-1017 เปิดตัวเมื่อวานนี้ หลังโพสต์ลง X หลายคนนึกว่าเป็นโปรโมทอย่างเป็นทางการของ DeepSeek:

https://x.com/AlchainHust/status/2111396576123830528

https://x.com/deepseek_ai/status/2111375640717033777

คลิปที่สองคือเดโมที่ผมสร้างขึ้นมาเพื่อทดสอบว่าโมเดลใหม่ของ DeepSeek จะโชว์ความสามารถด้านโมชั่นของตัวเองได้ดีแค่ไหน:

https://x.com/AlchainHust/status/2111416302149505270

ความยาว 22 วินาที มีทั้งดนตรีและเอฟเฟกต์เสียง ใช้เวลาตั้งแต่ต้นจนจบไม่ถึงครึ่งชั่วโมง ต้นทุนประมาณ $0.27 (โดยมีอัตรา cache hit สูงถึง 99.4%)

แน่นอนว่าทั้งสองคลิปไม่ได้เกิดจาก "พรอมต์บรรทัดเดียว" แบบง่าย ๆ เพราะมันมีสกิลอยู่เบื้องหลัง ซึ่งก็คือดาวเด่นโอเพนซอร์สของวันนี้: Huashu-motion

อย่างที่เห็นในชื่อเรื่อง คุณสามารถเข้าใจได้ว่านี่คือสกิลที่ช่วยให้คุณใช้ coding agent สร้างวิดีโอโปรโมทสินค้าระดับมืออาชีพได้

พอติดตั้ง huashu-motion เสร็จ คุณแค่บอก Claude Code หรือ Codex ว่า "ทำวิดีโอเปิดตัวสินค้าของฉันความยาว 30 วินาทีให้หน่อย" มันจะอ่านรายละเอียดสินค้าของคุณก่อน (หรือค้นหาออนไลน์ให้คุณเอง) เสนอแนวทางดีไซน์สามแบบเหมือนที่ Huashu-Design ทำ พอคุณเลือกแล้ว มันจะเขียนสคริปต์ทั้งหมด แต่งเพลงเอง แล้วก็เปิดเอดิเตอร์ในเบราว์เซอร์ให้คุณ ถ้ามีอะไรไม่ถูกใจ ก็กด C คลิกบนหน้าจอ พิมพ์บอกว่าอยากแก้อะไร มันจะแก้เฉพาะจุดนั้นให้เลย

เทียบมาตรฐานกับวิดีโอเปิดตัวของบริษัทยักษ์ใหญ่

โปรเจกต์นี้เริ่มต้นมาจาก Claude Motion ที่ Anthropic ปล่อยออกมาเมื่อวันที่ 8 ตุลาคม ซึ่งทำให้ Claude สามารถเปลี่ยนรายงาน กราฟ และคำอธิบายสินค้าให้เป็นแอนิเมชันสั้น ๆ ด้วยโค้ด พร้อมฟีเจอร์แก้ไขแบบอินเทอร์แอคทีฟ แต่ผมพบว่ามันยังอยู่ในขั้นเบต้าสำหรับแพ็กเกจ Team และ Enterprise เท่านั้น ตอน Claude Design ออกมาในเดือนเมษายน ผมได้ทำ reverse-engineer ความสามารถหลักของมันออกมาเป็นสกิล ซึ่งกลายเป็น huashu-design ดังนั้นครั้งนี้ ผมจึงสั่งให้ Claude Code เริ่มทำงานทันที โดยมีข้อกำหนดเดียว:

สกิลของเราต้องจำลองความสามารถของ Claude Motion มาให้ได้ทั้งหมด แต่ต้องเก่งกว่ามาก!

สิ่งที่เราผลิตได้ในวันแรกกลับดูน่าเบื่อสำหรับผม เรามีเอดิเตอร์ มีระบบควบคุมเวอร์ชัน มีการทดสอบกว่าร้อยครั้ง และมีตัวอย่างเมือง 3D ความยาว 19 วินาที แต่... มันแย่มาก การเคลื่อนไหวกล้องไม่มีจังหวะ นิ่งเกินไป แปลว่าธรรมดาเกินไป... นี่ไม่ใช่แค่เรื่องการปรับแอนิเมชันสำหรับงานชิ้นนี้เท่านั้น

ดังนั้นต่อมา ผมจึงตั้งเป้าหมายให้ agent โดยวาดภาพไว้ว่าสกิลของเราควรช่วยให้ผู้ใช้สร้างผลงานระดับท็อปได้ เราต้องการเอฟเฟกต์ภาพ การเคลื่อนไหว เอฟเฟกต์เสียง และดนตรีที่ถ่ายทอดคุณภาพระดับโฆษณาเปิดตัวสินค้ามูลค่าล้านดอลลาร์!

เพราะฉะนั้น เป้าหมายในการทดสอบและผลิตของเราคือการทำให้คุณสามารถสร้างวิดีโอโปรโมทระดับมืออาชีพได้เหมือนกับ Apple, Google และ Anthropic

ด้วยมาตรฐานที่สูงขนาดนี้ สิ่งแรกที่เราต้องทำคือทำความเข้าใจว่าวิดีโอพวกนั้นเขาทำกันยังไงจริง ๆ มันจึงดาวน์โหลดวิดีโอเปิดตัวและวิดีโอเปิดงานจริง 21 คลิปจาก YouTube (ของ Apple, Nothing, GoPro, Google, Vercel, Linear และของ Anthropic เอง) แล้วใช้ ffmpeg วัดจุดตัด จังหวะ ความดัง เส้นโค้งพลังงาน และสีของแต่ละคลิป นอกจากนี้ยังวิเคราะห์วิดีโอเปิดตัวและโมชั่นที่มี Engagement สูงอีก 142 คลิป โดยจัดกลุ่มเทคนิคตามประเภทสินค้า

ข้อมูลที่ได้จากการวัดเหล่านี้กลายมาเป็นกฎการกำกับ (director rules) ของ huashu-motion ในที่สุด ขั้นตอนต่อ ๆ มาอย่างการอ่านข้อมูลสินค้า การหาโทนสี การเขียนตารางจังหวะ การแต่งเพลง และการรีวิวแบบ cold review ล้วนเป็นการแยกย่อยวิธีการจากวิดีโอนับร้อยแล้วสอน agent ทีละขั้นตอน การทดสอบทั้งหมดของเราใช้วิดีโอเปิดตัวสินค้าจริง ได้แก่ DeepSeek V4.1 Flash, Kitten Fill Light Pro, huashu-design 3.0, Nüwa และสินค้าของเพื่อน ๆ อีกหลายตัว

เกิดอะไรขึ้นหลังจากพิมพ์คำสั่งไปประโยคเดียว

"ส่งออกด้วยคลิกเดียว" หมายถึงแบบนี้: คุณพิมพ์คำสั่งไปประโยคเดียว แล้วจะได้วิดีโอสำเร็จรูปพร้อมเพลงที่พร้อมเผยแพร่ทันที การแก้ไขใด ๆ ที่คุณทำหลังจากนั้นเป็นเพียงการปรับรายละเอียดเล็กน้อย วิธีใช้งานที่ง่ายที่สุดคือบอกให้มันทำเลย มันจะเลือกแนวทางที่ปลอดภัยที่สุดให้อัตโนมัติ อธิบายเหตุผลว่าทำไม และพูดถึงอีกสองแนวทางที่เหลือสั้น ๆ ตอนส่งมอบงาน มันยังคงทำทุกขั้นตอนอย่างครบถ้วน เช่น ตารางจังหวะและการตรวจสอบต่าง ๆ ด้วยตัวเอง

ถ้าคุณอยากร่วมมือกับมันมากขึ้น นี่คือประมาณเก้าขั้นตอนที่มันจะทำตาม:

1. ก่อนอื่น อ่านค่าความชอบและประสบการณ์เดิมของคุณที่สะสมมาจากวิดีโอที่ผ่านมา;

1. อ่านรายละเอียดสินค้าของคุณ ทั้งเว็บไซต์ หน้า App Store, README, โลโก้ สีแบรนด์ แล้วส่งข้อความมาบอกการตั้งค่าเริ่มต้นว่ามันวางแผนจะทำอย่างไร คุณสามารถเปลี่ยนอะไรก็ได้ที่ไม่เห็นด้วย และตัดสินใจว่าจะใส่เสียงบรรยายหรือไม่;

1. เสนอแนวทางสามแบบ แต่ละแบบมีคีย์เฟรมที่เรนเดอร์มาให้แล้ว พร้อมการ์ดแสดงพาเลตสี จังหวะ และดนตรี คุณเลือกหนึ่งแบบหรือนำมาผสมกันก็ได้;

1. เมื่อเลือกแล้ว มันจะเขียนไฟล์ treatment.md (ตารางจังหวะ) งานจะไม่เริ่มจนกว่าขั้นตอนนี้จะเสร็จ;

1. สร้างช็อตที่ยากที่สุดก่อนด้วยความละเอียด ฟอนต์ และสีสุดท้าย แล้วค่อยทำส่วนที่เหลือ;

1. รันการตรวจสอบอัตโนมัติ จับภาพคีย์เฟรมเพื่อดูว่ามีข้อความถูกตัดขอบ UI ทับซ้อนกัน หรือมีช็อตที่ว่างเปล่าหรือไม่;

1. แต่งเพลงและใส่เอฟเฟกต์เสียงให้ซิงค์กับทุกองค์ประกอบที่ปรากฏบนหน้าจอ;

GIF

1. เปิดเอดิเตอร์ในเบราว์เซอร์แล้วรอให้คุณชี้จุดที่ต้องการแก้ไข;

GIF

1. เมื่อคุณอนุมัติแล้ว มันจะส่งออกไฟล์ โดยรวบรวมฟีดแบ็กและการแก้ไขของคุณในรอบนี้ แล้วส่งมอบวิดีโอโปรโมทให้คุณ ถ้ายังไม่พอใจ คุณก็ยังสามารถแก้ไขได้อย่างอิสระ

ยี่สิบวิดีโอในวันเดียว

ตอนตี 2 ของเมื่อวานซืน ผมบอกลาการนอนหลับแล้วบอกมันไปว่า:

ฉันจะไปนอนแล้ว ทำวิดีโอโปรโมทที่เหลือให้เสร็จทั้งหมด ตัดสินใจเองได้เลยทุกอย่าง!

พอตื่นขึ้นมา วิดีโอที่เหลืออีกห้าตัวก็เสร็จเรียบร้อย ระหว่างวัน ผมเปิดหลายหน้าต่างใน FanBox เพื่อทำเพิ่มต่อไป รวมแล้วได้ประมาณยี่สิบวิดีโอ

GIF

ช่วงนี้เป็นส่วนหนึ่งของวิดีโอเปิดตัวของ huashu-motion เอง โดยใช้ 16 ช็อตจากวิดีโอเจ็ดตัวที่แตกต่างกัน ตัดต่อเข้าจังหวะเพลง

Kitten Fill Light Pro: เวอร์ชันแนวตั้งความยาว 16 วินาทีตัวแรกได้กลายเป็นวิดีโอพรีวิวบน App Store และส่งตรวจไปแล้ว ต่อมาได้สร้างแนวทางใหม่อีกสามแบบด้วยวิธีจัดจังหวะแบบใหม่ นี่คือหนึ่งในนั้น ที่สลับสีไฟแปดสีตามจังหวะเพลง:

GIF

Grok Bot (แฟนเมด ไม่ใช่ทางการ): วิดีโอความยาว 30 วินาที ที่สั่งงานไว้ในตอนเย็น ให้ agent ทำงานเองตลอดคืน แล้วรายงานสี่ฉบับก็ส่งมาถึงมือถือคุณตอน 7 โมงเช้า:

รับสกิลนี้ไปใช้

สกิลนี้เปิดซอร์สโค้ดไว้บน GitHub:

https://github.com/alchaincyf/huashu-motion

วิธีติดตั้ง:

1npx skills add alchaincyf/huashu-motion

หรือแค่บอก agent ของคุณว่า:

1ช่วยติดตั้งสกิล huashu-motion
2(github.com/alchaincyf/huashu-motion) ให้หน่อย แล้วรันเดโมหลังติดตั้งเสร็จ

ต้องใช้ Node 22 ขึ้นไป, Chrome (หรือ Chromium/Edge) บนเครื่องของคุณ และ FFmpeg สำหรับการส่งออกวิดีโอและการมิกซ์เสียง ปัจจุบันทดสอบบน macOS เท่านั้น หากต้องการเสียงเปียโนหรือเครื่องสายจริง ๆ ให้สั่ง agent รัน om samples build เพื่อดาวน์โหลดแซมเปิลฟรีขนาด ~55MB (ลิขสิทธิ์ CC0 และ CC-BY) ถ้าไม่มีจะใช้เสียงสังเคราะห์แทน รัน om doctor เพื่อตรวจสอบ dependencies ที่ขาดหายไป agent จะจัดการติดตั้งให้ได้เอง

หลังติดตั้งเสร็จ คุณสามารถสั่งแบบนี้ได้เลย:

1ใช้ huashu-motion ทำวิดีโอเปิดตัวสินค้าความยาว 30 วินาทีให้หน่อย เว็บไซต์คือ xxx.com

1ใช้ huashu-motion เปลี่ยน {แผนภูมิข้อมูล/PPT} เป็นวิดีโออธิบายความยาว 30 วินาที เพื่อชี้แจงว่าทำไมอัตราการลงทะเบียนของเราถึงเพิ่มขึ้นเป็นสองเท่า

1ใช้ huashu-motion ทำวิดีโอเปิดตัวพร้อมเสียงบรรยาย โดยใช้ไฟล์บันทึกเสียงของฉัน: {ไฟล์วิดีโอ/เสียง}

ผมใช้มันใน Claude Code กับ Opus 5.5 เป็นหลัก อย่างที่เห็นด้านบน DeepSeek V4.1 Flash ก็ทำงานได้ดีเช่นกัน แม้ว่ารสนิยมระหว่างโมเดลจะต่างกันเป็นเรื่องจริง Codex ได้ทดสอบแล้ว ส่วน Cursor, OpenClaw, Gemini CLI และ agent ตัวอื่นที่รองรับสกิลก็น่าจะใช้ได้เหมือนกัน เพียงแต่ผมยังไม่ได้ทดสอบทีละตัว ไม่ต้องใช้ API key เพิ่มเติม

ข้อจำกัดบางอย่าง: มันฟังเสียงไม่ได้ ดังนั้นคุณภาพของดนตรีจึงอาศัยการตรวจสอบตารางจังหวะ เส้นโค้งพลังงาน และสเปกโตรแกรม คุณต้องฟังเอง มันไม่สามารถสร้างภาพคนจริงหรือฟุตเทจไลฟ์แอคชันได้ ให้ใช้สื่อของคุณเองในเรื่องนี้ แล้วปล่อยให้มันจัดการเรื่องการสังเคราะห์และห่อหุ้มผลงาน

ใน repo มีภาษาโมชั่น 20 แบบ เทมเพลตเริ่มต้น 10 แบบ เอฟเฟกต์เสียง 23 ตัว โน้ตดนตรีเดโม 3 ชิ้น และเอกสารระเบียบวิธีสำหรับการกำกับ จังหวะ สี เสียง และเสียงบรรยาย

ลองเอาไปใช้ใน WorkBuddy, Doubao Work, Grok bot, Muse ฯลฯ กันได้ตามสบาย แล้วแชร์ผลลัพธ์หรือปัญหาที่เจอให้ผมทราบด้วยนะครับ

อีกเรื่อง! เนื่องจากนี่คือเครื่องมือทำวิดีโอโปรโมทสินค้า งั้นก็ปล่อยให้มันแนะนำการเปิดตัวของตัวเองกันเลย 👇