Claude 剪輯的影片畫面好看，音效卻怪？3 種協助 Agent 聽見真實聲音的工具

โดย Nokka (นก-กา) | ตรวจข้อมูล 28 ต.ค. 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

คลิปจากบัญชี @krit.thienn ความยาว 75 วินาที โพสต์เมื่อ 27 ต.ค. 2026 ตั้งคำถามง่าย ๆ ว่าทำไมคลิปที่ Claude ตัดให้ดูสวย แต่พอดูจบแล้วรู้สึกว่าเสียงแปลก [1]

ตอนที่ผมเช็กคลิปมียอดชม 1,081 ครั้ง กดใจ 77 คอมเมนต์ 6 แชร์ 9 [1]

ผู้พูดในคลิปอธิบายว่าปัญหาคือจังหวะ บางช่วงที่ควรมีเสียงกลับเงียบ หรือเสียงไม่ตรงกับภาพ แล้วเขาแนะนำเครื่องมือฟรีสามตัวที่แก้เรื่องนี้ได้ [1]

ผมตรวจได้สองตัวจากต้นทางจริง ส่วนตัวที่สองยังหาแหล่งยืนยันไม่พบ ซึ่งจะเล่าให้ฟังตามลำดับ

ปัญหาที่แท้จริงไม่ใช่เรื่องภาพ

agent ตัดต่อวิดีโอได้เพราะมันอ่านโค้ดที่สร้างภาพได้ แต่การได้ยินคือสิ่งที่มันยังไม่มี [2]

โมเดลเห็น timeline เป็นตัวเลข เห็นจุดตัดที่วินาทีที่ 3.2 แต่ไม่รู้ว่าจุดนั้นควรมีเสียงอะไร บางครั้งเสียงที่วางไปแล้วยังลงเอยช้ากว่าภาพไป 80 มิลลิวินาที [2]

ตัวอย่างที่เจอบ่อยคือการวางเสียงกดปุ่มทับภาพที่ไม่มีอะไรถูกกด หรือปล่อยให้เพลงดังขึ้นตรงจุดที่ควรเงียบเพื่อให้คำพูดชัด นี่คือช่องว่างระหว่าง "ภาพสวย" กับ "คลิปที่ดูจบได้"

ตัวที่หนึ่ง: Openverse คลังเสียงที่ agent ค้นเองได้

Openverse คือคลังสื่อที่เปิดให้ค้นทั้งภาพและเสียง โดยไฟล์ทั้งหมดเป็นงานที่ใช้สัญญาอนุญาตแบบเปิด

เมื่อรวมสามแหล่งที่ API ของ Openverse รายงานไว้ด้วยกัน ได้ 5,223,435 รายการ [3] ได้แก่ Wikimedia Commons 3,986,828 รายการ Jamendo 644,709 รายการ และ Freesound 591,898 รายการ

จุดที่ทำให้มันเข้ากับ Claude คือมี API ให้เรียกค้นได้โดยไม่ต้องสมัครบัญชี แต่โควตาผู้ไม่ล็อกอินมีจำกัด 20 ครั้งต่อนาที และ 200 ครั้งต่อวัน เวลา agent ต้องการเสียงฝีเท้า มันก็ยิงคำค้นไปแล้วได้รายการไฟล์พร้อมข้อมูลสัญญาอนุญาตกลับมา [3]

ข้อควรระวังคือคำว่า "ฟรี" ของ Openverse หมายถึงฟรีค่าธรรมเนียม ไม่ได้แปลว่าไม่ต้องให้เครดิต บางไฟล์เป็น CC BY ซึ่งต้องใส่ชื่อผู้สร้างตามเงื่อนไข [3]

ถ้าคุณปล่อยให้ agent เลือกไฟล์เอง ควรให้มันรายงานสัญญาอนุญาตของทุกไฟล์ไว้ในบันทึกด้วย เพื่อที่ตอนเผยแพร่จริงคุณจะไม่ต้องย้อนไปตามหาที่มา

ตัวที่สอง: Reel SFX ที่ผมยังยืนยันแหล่งไม่ได้

คลิปบอกว่า Reel SFX เป็น skill ฟรีของ Claude Code ที่ไล่หาทุกจังหวะในคลิป แล้ววางเสียงที่อัดจริงลงตรงเฟรมเป๊ะ พร้อมอ่านโปรเจกต์ตัดต่อที่ใช้อยู่ได้ [1]

ผู้พูดยังเตือนเองว่า skill นี้มีเสียงติดมาแค่ 78 เสียง และส่วนใหญ่เป็นเสียง UI จึงต้องใช้คู่กับ Openverse เพื่อหาเสียงเอฟเฟกต์จริง [1]

ผมค้นใน GitHub และเว็บแล้วไม่พบรีโปสาธารณะที่ตรงกับชื่อนี้ในรอบที่ผมตรวจ คำอธิบายข้างต้นจึงเป็นถ้อยของผู้พูดในคลิป ไม่ใช่ข้อเท็จจริงที่ผมยืนยันได้ [1]

ถ้าคุณจะใช้ ควรขอแหล่งติดตั้งจากเจ้าของคลิปโดยตรง และตรวจโค้ดก่อนรัน เพราะ skill คือชุดคำสั่งที่ agent ทำตาม ซึ่งเท่ากับให้สิทธิ์มันทำงานในเครื่องคุณ

ตัวที่สาม: Earshot ตัวที่ผมคิดว่าเปลี่ยนวิธีทำงาน

Earshot นิยามตัวเองว่าเป็น "หูของ coding agent" เปิดซอร์สภายใต้สัญญาอนุญาต MIT เปิดตัว 15 ต.ค. 2026 และตอนที่ผมตรวจมี 3,051 ดาว 188 forks [2]

ตัวเลขนี้ตรงกับที่คลิปพูดว่าได้เกือบสามพันดาวในเวลาไม่ถึงสองอาทิตย์ ซึ่งนับจากวันเปิดตัวถึงวันที่ผมตรวจคือ 13 วัน [2]

มันเปลี่ยนเสียงให้เป็นหลักฐานที่ agent เอาไปคิดต่อได้ เช่น อธิบายว่าไฟล์หนึ่งฟังดูเป็นอย่างไรเป็นคำพูด ให้คะแนนว่าตรงกับคำอธิบายแค่ไหน หาช่วงที่ดีที่สุดในไฟล์ยาว และบอกว่าเสียงนั้นเป็นของที่อัดมาจริงหรือสังเคราะห์จากโค้ด [2]

มันรันบน CPU ล้วน ใช้ได้ทั้ง CLI, Python API และ MCP server ซึ่งแปลว่าต่อเข้ากับ Claude Code หรือ agent ตัวอื่นได้โดยไม่ต้องมี GPU [2]

สร้างเสียงเองจากโค้ด

จุดที่ผมคิดว่าสนุกที่สุดคือ earshot forge ซึ่งให้ agent สร้างเสียงขึ้นมาจากโค้ดแล้วปรับจนกว่าจะได้ยินแบบที่ต้องการ

ในเวอร์ชัน 0.4 คลังเสียงรวมมี 252 เสียง โดยเพิ่มใหม่ 51 เสียงในเวอร์ชันนี้ ครอบคลุมตั้งแต่ป๊อป UI เสียงเคาะไม้ เสียงพลาสติก เสียงหวด ไปจนถึงเสียงระฆังและเสียงฉาบย้อนกลับ [2]

ผมเขียนประโยคนี้แล้วรู้สึกว่าต้องเตือนตัวเองว่าเสียงที่สร้างจากโค้ดไม่ใช่คำตอบของทุกงาน เสียงธรรมชาติอย่างฝนหรือห้องที่มีคนพลุกพล่าน ยังต้องใช้ไฟล์อัดจริง

แปลงเสียงเป็นโค้ด

อีกคำสั่งคือ earshot fit ที่รับเสียงอัดแล้วแปลงกลับเป็นโค้ดที่ปรับแต่งได้ เหมาะกับกรณีที่คุณมีเสียงต้นแบบจากคลิปอื่นแล้วอยากได้เวอร์ชันของตัวเองโดยไม่ต้องใช้ไฟล์เขา [2]

ประกอบสามตัวเข้าด้วยกัน

ถ้าจะให้ agent ทำงานนี้จริง ผมวางลำดับไว้แบบนี้

# 1) ให้ agent ฟังทั้งคลิป ดูเหตุการณ์ซิงก์และความดัง
earshot timeline final_cut.mp4

# 2) ให้ agent ค้นเสียงที่ขาดจาก Openverse ผ่าน API
curl "https://api.openverse.org/v1/audio/?q=footsteps&page_size=5"

# 3) สร้างเสียงจากคลังในตัวเป็นไฟล์ wav
earshot sfx list --kind whoosh
earshot sfx render whoosh_fast/crisp -o sfx/whoosh.wav --apex 0.12

สองคำสั่งสุดท้ายได้ไฟล์เสียงออกมา ส่วนการวางลงไทม์ไลน์ยังต้องทำในโปรแกรมตัดต่อที่คุณใช้ เพราะ earshot ไม่ได้แก้โปรเจกต์วิดีโอให้ [2]

ลำดับนี้สำคัญเพราะขั้นที่หนึ่งคือการสร้างหลักฐานให้ agent ก่อนที่มันจะแก้ไข ถ้าข้ามไปแก้เลย มันจะเดาเอาจากภาพอย่างเดียว

ต้นทุนที่คนมองข้าม

Openverse ฟรีและ Earshot เป็นโอเพนซอร์ส แต่มีต้นทุนที่ไม่มีใครคิดค่าบริการ

ค่าที่หนึ่งคือเวลาในการตรวจสัญญาอนุญาต ไฟล์ฟรีหลายพันรายการมีเงื่อนไขต่างกัน การปล่อยให้ agent ใส่เครดิตผิดคือความเสี่ยงที่ผมเห็นคนทำคอนเทนต์มองข้ามบ่อยที่สุด

ค่าที่สองคือ CPU เพราะ Earshot วิเคราะห์เสียงบนโปรเซสเซอร์เครื่องคุณ คลิปยาวหลายนาทีจะกินเวลาเป็นนาที ไม่ใช่วินาที

ค่าที่สามคือคุณภาพการตัดสินของ agent ตัวมันบอกได้ว่าเสียงไม่ตรงภาพ แต่มันไม่รู้ว่าลูกค้าของคุณชอบเสียงแบบไหน ความคิดเห็นสุดท้ายยังเป็นของคุณ

ใช้กับงานคอนเทนต์ไทยยังไง

สำหรับคนทำคลิปสั้นหรือรีวิวสินค้า ผมเห็นทางเริ่มที่ทำได้ทันทีคือเลือกคลิปหนึ่งที่เคยรู้สึกว่าเสียงแปลก แล้วให้ Earshot ฟังและอธิบายเป็นคำ

ถ้าคำอธิบายตรงกับความรู้สึกคุณ แปลว่าเครื่องมือนี้ใช้ได้กับงานคุณ และคุณจะเห็นทันทีว่าจุดที่ขาดคือเสียงอะไร

จากนั้นค่อยให้ agent ค้นจาก Openverse เฉพาะเสียงที่ขาด ไม่ใช่ให้มันเติมเสียงทั้งคลิป เพราะการเติมเกินคือสาเหตุที่ผมเจอบ่อยที่สุดของคลิปที่ฟังแล้วเหนื่อย

คำตอบของคำถามตั้งต้น

ทั้งสามเครื่องมือแก้ปัญหาเดียวกันคนละชั้น Openverse ให้วัตถุดิบ Earshot ให้การได้ยิน และ Reel SFX ในคำบอกเล่าของคลิปให้การวางเสียงตรงจังหวะ

ถ้าจะเริ่มจากตัวเดียว ผมเลือก Earshot เพราะมันเปลี่ยนสถานะของ agent จากคนที่เดาเสียง เป็นคนที่ตรวจเสียงได้ก่อนส่งงาน

และถ้าจะสรุปเป็นประโยคเดียว ปัญหาของคลิปที่เสียงแปลกไม่ใช่เพราะโมเดลตัดต่อไม่เก่ง แต่เพราะมันไม่เคยได้ยินสิ่งที่ตัวเองทำ

คำถามที่ควรถามก่อนซื้อเครื่องมือเพิ่มจึงเป็นว่า งานของคุณขาดเสียง หรือขาดคนที่ได้ยินเสียง

REF

[1] krit.thienn (27 ต.ค. 2026) · Claude ตัดวิดีโอสวย แต่ว่าเสียงแปลก 3 ตัวนี้แก้ได้ (TikTok). https://www.tiktok.com/@krit.thienn/video/7701374693374430485

[2] Leonxlnx (15 ต.ค. 2026) · earshot: Ears for coding agents (README). https://github.com/Leonxlnx/earshot

[3] Openverse (2026) · Audio API และสถิติคลังเสียง. https://api.openverse.org/v1/audio/stats/