ผมเอา AI มาช่วยทำ Podcast อย่างไรบ้าง - ตั้งแต่ Setup ยัน Publish

ตั้งแต่มี AI เข้ามา ผมรู้สึกว่าตัวเองอยากทำคอนเทนต์บ่อยขึ้นเยอะ ทั้งที่แต่ก่อนมีเรื่องอยากเล่าเต็มไปหมด แต่ก็ขี้เกียจ — ขี้เกียจทำสไลด์ ขี้เกียจเตรียมนู่นนี่ ทุกอย่างที่ไม่ใช่ "การเล่า" พอมี AI มาช่วย ชีวิตมันสบายขึ้นเยอะ

Podcast ตอนนี้ผมเลยพาไปดูเบื้องหลังว่า กว่าจะเป็น Podcast หนึ่งตอน ผมเอา AI มาช่วยตรงไหนบ้าง ตั้งแต่ Setup อุปกรณ์และไอเดียในหัว จนออกมาเป็นตอนที่เผยแพร่ โดยยกตอน "ให้ AI สรุปงานเป็น HTML" ที่เพิ่งทำไปเป็นตัวอย่างหลัก

ภาพรวม: 12 ขั้นตอน

ถ้าสรุปกระบวนการทำ Podcast หนึ่งตอนของผม มันมีประมาณ 12 ขั้นตอน แบ่งเป็นสองช่วงใหญ่ ๆ คือ ก่อนอัด (เตรียมเนื้อหา ทำสไลด์) กับ หลังอัด (ตัดต่อ ทำปก ถอดเสียง เขียนบทความ เผยแพร่) แต่ละจุดผมเอา AI มาช่วยไม่เหมือนกัน

ตั้งค่าครั้งแรก: ให้ AI เซ็ต OBS ให้หมด

ตอนเริ่มทำ Podcast ครั้งแรก ผมไม่รู้เลยว่าต้องใช้โปรแกรมอะไร ผมเลยปรึกษา AI — ใช้ Codex คู่กับ Claude Code — จนได้ OBS มาเป็นตัวหลัก แล้วให้มันช่วยตั้งค่าให้หมด ตั้งแต่ไมโครโฟน ความละเอียดหน้าจอ เฟรมเรต ไปจนถึงย่านความถี่เสียง เช็กว่าเสียงแตกไหม ตัดเสียงรบกวนรอบข้าง

พวกนี้ถ้าตั้งเอง หูเราไม่ได้เก่งขนาดจับได้หมด แต่ AI ช่วยเซ็ตให้ได้ครบ วิธีของผมคือไปดูช่องที่ทำ Podcast แล้วรู้สึกว่าเสียงและภาพดี เอามาเป็น reference แล้วคุยกับ AI จนได้ค่าที่ลงตัว พอเซ็ตครั้งแรกเสร็จ ส่วนใหญ่ก็ใช้ยาวได้เลย รวมถึง Intro สั้น ๆ 5 วินาที ที่ผมให้ AI ช่วยทำ (ใช้ Hyperframe)

แต่ละตอน: จากไอเดียใน Obsidian สู่ HTML

เวลาผมนึกอะไรออกว่าอยากอัดเรื่องอะไร ผมจะจดไว้ใน Obsidian ก่อน พอจะทำตอนไหน ผมก็เอาโครงที่คิดไว้ส่งให้ AI ช่วยขยายเป็นเนื้อหาที่มีลำดับมากขึ้น

ผมชอบให้มันสรุปออกมาเป็น HTML ยาว ๆ ก่อน เพราะเห็นภาพรวมง่ายว่าจะเล่าอะไร พอเข้าใจเนื้อหาดีแล้วค่อยไปขั้นต่อไป จุดสำคัญคือ แก่นและโครงมาจากผม AI ทำหน้าที่ช่วยเรียบเรียงและตกผลึกร่วมกัน

ทำเป็นสไลด์ 16:9

HTML ยาว ๆ เอาไปอัดยาก ผมเลยให้ AI แปลงเป็นสไลด์ 16:9 ตาม template ที่มีอยู่ (โลโก้ เลขหน้า ฟอนต์ ขนาด) พอเป็นสไลด์ปุ๊บ เล่าง่ายขึ้นเยอะ เวลาตรวจงานผมจะเริ่มตรวจจากสไลด์นี่แหละ ว่าเนื้อหาเรียบร้อยไหม รูปถูกไหม เป็นการปิงปองกับ AI ค่อย ๆ ปรับไปเรื่อย ๆ

อัด แล้วส่งให้ AI ทำ post-production

การอัดของผมคือรวดเดียวจบ ใน OBS ผมตั้ง scene ไว้หลายแบบ (talking head เห็นหน้าเต็มจอ, screen + camera เห็นสไลด์กับหน้ามุมล่าง, screen อย่างเดียว) แล้วค่อยให้ AI จัดการที่เหลือ

หลังอัด ผมแปลงไฟล์เป็น mp4 แล้วให้ AI ช่วยเต็มที่:

• ตัด dead air ด้วย auto-editor — อันนี้ฉลาดมาก มันตัดได้หลายระดับ เว้นจังหวะหายใจต่างกัน 0.2 / 0.3 วินาที แล้วบอกด้วยว่าแต่ละระดับความยาวเหลือเท่าไหร่ ผมเลือกอันที่ลงตัวเป็น practice ประจำ มีตอนนึงมันตัดให้ผมสองร้อยกว่าจุด — ถ้าเป็นคนมานั่งตัด จะมีใครเล็งให้ 200 กว่าจุดไหม
• เลือกไฮไลต์ — AI ไล่ดูทั้งตอนว่าท่อนไหนน่าสนใจ มีคำเด็ดหรือภาพเด่น แล้วคัดมาให้ผมเลือกเปิดคลิป
• ปรับเสียง — ดังไปหรือเบาไปตรงไหนก็ปรับให้
• เช็ก privacy — เพราะผมสลับเปิดหน้าจอจริงบ่อย AI จะไปดูว่ามี Address Bar หรือข้อมูลส่วนตัวหลุดไหม แล้วช่วยเบลอหรือเซ็นเซอร์ให้
• metadata และ chapter — เตรียมมาให้พร้อม

ทำภาพปก YouTube ด้วย AI

ขั้นทำปกนี่ผมยอมรับว่ายังไม่เจอสูตรสำเร็จ สั่งทีไรก็มักไม่ได้ตรงใจรอบเดียว ต้องบรีฟไปเรื่อย ๆ — ฟอนต์ยังไม่ใช่ ข้อความยังไม่ใช่ รูปยังไม่ใช่ — จนกว่าจะลงตัว พอได้แล้วผมก็เอาไปให้ AI เรียนรู้ไว้ว่าแบบนี้คือที่ชอบ รอบหน้าจะง่ายขึ้นนิดนึง

ข้อดีของการใช้ Codex คือมันเข้าถึงไฟล์วิดีโอเราได้ตรง ๆ มันเลยเข้าไปเลือกเฟรมหน้าจากคลิปมาทำปกได้เลย ไม่ต้องให้ AI วาดหน้าเราขึ้นมาใหม่ (ซึ่งไม่เคยเหมือน)

ถอดเสียง แล้วเรียบเรียงเป็นบทความ

ผมไม่ได้เขียนบทความเอง ผมใช้วิธีกลับกัน — อัด Podcast เล่าให้จบก่อน เพราะผมรู้ว่าจะเล่าอะไร เล่าได้เรื่อย ๆ แล้วค่อยให้ AI ถอดเสียงมาเรียบเรียงเป็นบทความลงเว็บ

ตรงนี้มีสองเรื่องที่ต้องแก้: ตัวถอดเสียง (ผม Run Local ด้วย distill-whisper ภาษาไทย) บางทีสะกดคำผิด ผมเลยให้โมเดลที่ฉลาดกว่า (Codex หรือ Claude — Sonnet หรือ Opus) มาเกลาคำและเรียบเรียงประโยคให้ถูกอีกที พอได้ Transcription ที่เรียบร้อย ขั้น Title / Description / Chapter / Tag ก็จะแม่นและเป็นสไตล์เรามาก เพราะมันถอดจากสิ่งที่เราพูดจริง

เผยแพร่ แล้ว backup

ทั้งหมดผมอ่านตรวจก่อนเสมอ พอโอเค — YouTube ผมอัปเอง ส่วนเว็บ iampoom ให้ AI เขียนบทความแนบลิงก์ YouTube แล้วเผยแพร่ให้ พอขึ้นครบ ผมให้ AI Backup ไฟล์ต้นฉบับขึ้น Google Drive แล้วลบในเครื่องเพื่อคืนพื้นที่

สรุป: เราทำอะไร AI ทำอะไร

• ผม: คิดหัวข้อ วางคอนเซปต์ เล่าจากประสบการณ์จริง ตรวจทุกอย่าง เลือกไฮไลต์ อัดเอง อัป YouTube เอง
• AI: ค้นข้อมูล เตรียมเนื้อหาเป็น HTML และสไลด์ ตัดต่อ ทำปก ถอดเสียง เขียนบทความ ทำ metadata และ backup

สิ่งที่ผมได้เรียนรู้คือ AI ช่วยได้แทบทุกกระบวนการ หลายอย่างมันเก่งกว่าคนด้วยซ้ำ (เช่น เช็กเสียงแตก หรือเล็งจุดตัด dead air 200 กว่าจุด) แต่สิ่งที่มันยังขาดคือ ประสบการณ์และรสนิยม — เวลามันทำภาพหรืออะไรมาให้ มันวัด "perfect" จากพิกเซล แต่ตาเราไม่ใช่แบบนั้น เรื่องความสวยงามและรสนิยมเราต้องคุมเอง

และบทเรียนสุดท้าย: เวลาผมปล่อยให้ AI คิดเนื้อหาให้ตั้งแต่ต้น มันมักจะเข้ารกเข้าพง กลายเป็นเนื้อหาที่ไม่ใช่เรา สำหรับผม ไอเดียแก่นหลักต้องมาจากเรา แล้วให้ AI ช่วยเรียบเรียงจากสิ่งที่เราคิด จะดีกว่า