ติดตั้ง Voice-Pro: สามวันแห่งกำแพง และสิ่งที่สุดท้ายแล้วได้ผล

ผมทำวิดีโอ และผมอยากได้วิธีพากย์เสียงให้มันด้วยเครื่องมือโอเพนซอร์สแทนบริการแบบเสียเงิน ผมเลยลงมือติดตั้ง Voice-Pro สุดท้ายมันกินเวลาผมไปราวสามวัน และพูดตามตรง เวลาส่วนใหญ่นั้นหมดไปกับการติดอยู่กับที่มากกว่าจะได้คืบหน้า แต่สุดท้ายผมก็ทำให้มันรันได้ และงานพากย์ก็คุ้มกับความพยายาม ต่อไปนี้คือบันทึกเรียบๆ ของทุกกำแพงที่ผมเจอและวิธีที่ผมปีนข้ามมันมา ด้วยความหวังว่ามันจะช่วยใครสักคนประหยัดเวลาไปได้สักสองสามวัน

เริ่มผิดแพลตฟอร์ม

ผมเริ่มบนเครื่องที่มี GPU และรัน Linux ซึ่งดูเป็นทางเลือกที่เป็นธรรมชาติ จากนั้นผมอ่านให้ละเอียดขึ้นแล้วสังเกตว่าในบันทึกของตัวโปรเจกต์เองบอกไว้ว่ามันถูกทดสอบบน Windows ส่วน Linux ยังไม่ได้ตรวจสอบ แทนที่จะสู้กับสภาพแวดล้อมที่ไม่รองรับต่อไป ผมหยุดแล้วติดตั้งทุกอย่างใหม่บน Windows และแทบจะในทันทีมันก็ราบรื่นขึ้นมาก ถ้าคุณเป็นมือใหม่ จงเรียนรู้จากทางอ้อมของผม แล้วเริ่มที่ Windows ตั้งแต่แรกเลย มันช่วยตัดความทรมานที่ไม่จำเป็นออกไปได้เยอะ

การติดตั้งที่ค้างไปทีละหลายนาที

อุปสรรคถัดมาคือตัวติดตั้งค้างเป็นช่วงยาวๆ กลายเป็นว่าส่วนหนึ่งของเครือข่ายผมกำลังบล็อกแหล่งดาวน์โหลดบางแห่งที่ตัวติดตั้งพึ่งพาอยู่ มันเลยเอาแต่พยายามต่อไปยังที่ที่มันไปไม่ถึง วนซ้ำอยู่อย่างนั้น วิธีแก้คือบังคับให้มันดึงทุกอย่างจากแหล่งแพ็กเกจหลักเพียงที่เดียว สำหรับไลบรารีหนึ่งตัวที่ถูกบล็อกสนิท ผมดาวน์โหลดไฟล์เองด้วยมือแล้ววางมันลงที่ที่ควรอยู่ นอกจากนั้น ผมยังต้องลงเครื่องมือเสริมอีกสองตัวเองด้วยมือ คือ ffmpeg กับ cuDNN ซึ่งเป็นของที่ตัวโปรแกรมต้องใช้แต่ไม่ได้ติดตั้งมาให้

ข้อผิดพลาดที่ไม่มีอะไรให้อ่าน

ต่อให้ติดตั้งเสร็จแล้ว งานพากย์ก็ยังล้มเหลวอยู่ดี และที่แย่ที่สุดคือผมบอกไม่ได้ว่าทำไม ไม่มีข้อผิดพลาดให้เห็นให้อ่าน มีแค่แถบแจ้งเตือนสีเหลืองเล็กๆ ที่โผล่มาแวบเดียวครึ่งวินาทีแล้วก็หายไป เมื่อไม่มีอะไรให้ยึด ผมเลยขอให้ Claude Code ดึงข้อความข้อผิดพลาดที่ซ่อนอยู่ออกมา แล้วแสดงมันในที่ที่ผมเห็นได้จริงๆ แค่การเปลี่ยนตรงนั้นอย่างเดียวก็สร้างความต่างอย่างมหาศาล พอข้อผิดพลาดมองเห็นได้ ปัญหาทุกอย่างหลังจากนั้นก็กลายเป็นสิ่งที่ผมใช้เหตุผลคิดตามได้ แทนที่จะต้องเดา

กำแพงสุดท้าย และบทเรียนเล็กๆ ว่าเครื่องมือทำงานยังไง

หลังจากทั้งหมดนั้น มันก็ยังดื้อไม่ยอมพากย์ ผมขุดอยู่ในกองข้อผิดพลาดที่ตอนนี้มองเห็นได้แล้ว และภายในราวหนึ่งชั่วโมง ผมก็พบว่าผมแค่ปล่อยช่อง Reference Audio (เสียงอ้างอิง) ว่างไว้เฉยๆ ข้อความขึ้นว่า 'NoneType' object has no attribute 'read' เหตุผลจะเข้าใจได้ทันทีพอคุณรู้ว่าเบื้องหลังมันทำงานยังไง Voice-Pro ใช้ตัวโคลนเสียงที่ไม่มีเสียงเป็นของตัวเอง แต่จะลอกเลียนตัวอย่างไหนก็ตามที่คุณยื่นให้มันแทน พอไม่มีตัวอย่างให้ มันก็เลยไม่มีอะไรให้อ่านเลยจริงๆ มันเลยทำงานไม่ได้ ผมหย่อนคลิปเสียงสั้นๆ เข้าไป แล้วในที่สุดมันก็ผลิตงานพากย์ที่เรียบร้อยออกมา

พอรันได้แล้ว เครื่องมือนี้ก็ทำได้ดีจริง งานพากย์ใช้ได้ และการโคลนเสียงจากตัวอย่างแค่สั้นๆ ก็น่าทึ่งพอที่จะทำให้ความทรมานทั้งหมดรู้สึกคุ้มค่า

มองย้อนกลับไป ส่วนที่ยากที่สุดไม่เคยเป็นข้อผิดพลาดทีละอันเลย แต่เป็นข้อเท็จจริงง่ายๆ ว่าตั้งแต่แรกผมก็ไม่รู้วิธีติดตั้งซอฟต์แวร์แบบนี้ และผมติดอยู่แทบทุกขั้นตอนตลอดทาง บทเรียนที่ผมได้คือ Voice-Pro มันคุ้มกับคนที่อดทน ขั้นตอนติดตั้งนั้นชันและโหดร้ายสำหรับมือใหม่ แต่ผลลัพธ์ที่อยู่อีกฝั่งเป็นของจริง ถ้าคุณยอมฝ่าการติดตั้งให้จบ หรือยอมพึ่งเครื่องมืออย่าง Claude Code เพื่อทำให้ข้อผิดพลาดที่มองไม่เห็นกลายเป็นมองเห็นได้ มันก็เป็นตัวเลือกพากย์เสียงที่เก่งกาจและไม่เสียเงินสักบาท ต่อไปผมอยากใช้เวลากับการโคลนเสียงให้มากขึ้น และดูว่าผมจะทำให้ผลลัพธ์ฟังดูเป็นธรรมชาติได้ถึงขนาดไหน