แนวทางการทำ Podcast ของ Spotify
Spotify Presents Agile Storytelling – Creating Beyond the Jargon
Talent: Courtney Holt | Head of Spotify studio
Bill Simmons ผู้ก่อตั้ง The Ringer
Mallory Rubin | Head of Editorial The Ringer
2-3 ปีที่ผ่านมา Spotify ลงทุนกับ Podcast สูงมาก ทั้งทยอยซื้อบริษัทที่ทำเนื้อหาดีๆ และลงทุนเพิ่มด้านเทคนิคเพื่อให้ Spotify เป็นศูนย์รวมคนทำพ็อดแคสต์คุณภาพจากทั่วโลก
หนึ่งในบริษัทที่ Spotify เพิ่งลงทุนซื้อไปคือ The Ringer บริษัทสื่อออนไลน์และพ็อดแคสต์วงการกีฬาและวงการบันเทิง เหตุผลก็เพราะริงเกอร์เก่งเรื่องพ็อดแคสต์ Ben Simmons — ผู้ก่อตั้ง เคยบุกเบิกทำรายการในช่วงแรกๆ กับ ESPN ปัจจุบันเขาดูแลพ็อดแคสต์ถึง 30 รายการ และมีฐานแฟนคลับคับคั่งอย่างชวนให้อิจฉา
สำหรับประเด็นรายการช่วงนี้ Courtney Holt หัวหน้าฝ่าย Spotify studio คุยกับเบน และ Mallory Rubin หนึ่งในผู้ก่อตั้ง พูดถึงวิธีการเล่าเรื่องที่โดดเด่นในสื่ออย่างพ็อดแคสต์ ที่คนส่วนใหญ่มักมองว่า ‘น่าจะ’ ทำง่าย แค่มีไมค์และคอมพ์ฯ ก็ทำได้แล้ว แต่ความจริง—การเล่าเรื่องให้คน ‘ติด’ น่ะไม่ง่ายเลย
ในการทำพ็อดแคสต์ สิ่งที่สำคัญไม่แพ้เนื้อหาในรายการคือ ‘คนเล่าเรื่อง’ ทั้งผู้ดำเนินรายการหรือแขกรับเชิญ เคมีระหว่างคนร่วมรายการนั้นสำคัญมาก มีหลายรายการของริงเกอร์ที่ไอเดียไม่ได้โดดเด่นเป็นพิเศษ แต่ออกมาดีได้เพราะคนเล่าเรื่อง
เนื้อหาของพ็อดแคสต์ของริงเกอร์ เด่นที่นำเสนอความหมกมุ่น (Obsession) หรือหลงใหลในสิ่งต่างๆ ออกมาอย่างจริงใจ บ่อยครั้งที่คนมักจะไม่กล้าแสดงตัวว่าเราเป็นแฟน (หรือเป็นติ่ง) ของนิยายเรื่องโปรด เพราะมันดูไม่เท่ที่จะบอกคนอื่น การทำพ็อดแคสต์ที่ตอบโจทย์คนกลุ่มนี้ ทำให้คนกล้าออกมายอมรับในตัวตนและรสนิยมของตัวเองมากขึ้น ทั้งยังสร้างชุมชนของคนที่เป็นแฟนคอเดียวกัน นอกจากนี้ ริงเกอร์ยังกระตุ้นให้ทีมงานกล้าแสดงความเป็นแฟนตัวยงของตัวเอง เพื่อต่อยอดออกมาเป็นงานใหม่ได้ด้วย
ปัจจุบัน Streaming audio คือรูปแบบสื่อสร้างสรรค์ที่โตเร็วที่สุด ในไตรมาสที่ 4 ปี 2019 จำนวนชั่วโมงในการฟังพ็อดแคสต์เพิ่มขึ้นถึง 200% คนอเมริกัน 68% ฟัง Streaming audio กันเป็นปกติ ตอนนี้พ็อดแคสต์ได้ยกระดับเป็น Premium content ซึ่งแทบจะตรงกันข้ามกับยุคแรกของการทำพ็อดแคสต์ ที่แทบจะไม่มีแบรนด์หรือนักการตลาดคนไหนให้ความสนใจ
ถ้าแบรนด์ที่ต้องจะสปอนเซอร์รายการใดก็ตาม สิ่งที่ควรรู้ก่อนคือพฤติกรรมของคนฟังพ็อดแคสต์ต่างจากการเสพสื่ออื่น พ็อดแคสต์สร้างความเชื่อมโยงกับคนฟังได้เหนียวแน่นมากกว่า คนที่ยินดีฟังพ็อดแคสต์ 40-50 นาทีจะผูกพันกับตัวรายการมากกว่า นอกจากนี้ เบนบอกว่าให้ระวังโฆษณาในพ็อดแคสต์ให้ดีๆ หากเทียบกับโฆษณาในสื่อออนไลน์อื่นที่เรามักจะกดข้ามหรือไม่สนใจ แต่ 81% ของคนฟังพ็อดแคสต์จะลุกขึ้นไปทำอะไรสักอย่างทันทีที่ได้ยินเสียงโฆษณาระหว่างรายการ
มีหลายทฤษฎีที่อธิบายว่าทำไมคนรุ่นใหม่ถึงชอบพ็อดแคสต์ เจ้าของบริษัททำพ็อดแคสต์ระดับโลกคิดว่า ในยุคของการใช้ชีวิตแบบดิจิทัลที่ทำให้คนรู้สึกแปลกแยกจากสังคมมากขึ้น การฟังพ็อดแคสต์ที่มีคน ‘คอเดียวกัน’ หรือชอบในสิ่งเดียวกันกับเราเป็นเหมือนการบำบัดสำหรับคนรุ่นใหม่ นอกจากนี้คน Gen Z และ Milleinal จำนวน 56% รู้สึกอ่อนล้ากับการเสพเนื้อหาทางภาพด้วยสายตา คอนเทนต์เสียงจึงเป็นทางออกที่ดี
คอนเทนต์เสียงยังสามารถแทรกซึมในการใช้ชีวิตของเราได้แนบเนียนกว่า เราฟังพ็อดแคสต์ระหว่างขับรถ ชงกาแฟ หรือแม้แต่ระหว่างวิ่งก็ได้ แต่เราไม่สามารถอ่านบทความออนไลน์ระหว่างทำบางกิจกรรมอื่นด้วยได้ คนที่อายุต่ำกว่า 30 ที่คุ้นเคยกับการทำงานแบบ Multitask สามารถฟังพ็อดแคสต์แล้วทำอย่างอื่นไปพร้อมๆ กันได้ หรือจะฟังแบบเร่งความเร็วก็ได้ คนอเมริกัน .64% ที่อายุระหว่าง 15-38 ปี บอกว่าพวกเขาไม่เพียง multitask ระหว่างฟังพ็อดแคสต์ แต่การฟังยังช่วยให้รู้สึกว่าชีวิต productive มากขึ้นด้วย
อนาคตของการสร้างสรรค์ภาพด้วย Deepfake
Framestore Presents Demystifying Deepfakes, Unlocking the Future of Creativity
Talent: Mike McGee หนึ่งในผู้ก่อตั้งและ CCO บริษัท Framestore
William Bartlett | Excutive creative director บริษัท Framestore
ตั้งแต่ปีก่อน ผู้อ่านน่าจะเคยได้ยินข่าวเทคโนโลยีการสร้างภาพแบบใหม่ ที่เปลี่ยนใบหน้าคนในวิดีโอให้เป็นใบหน้าคนอื่นได้อย่างแนบเนียน การสร้างคลิปวิดีโอ ‘คนดังตัวปลอม’ ทำได้ง่ายมาก เดือนที่ผ่านมา เราก็ได้เห็นคลิปวิดีโอที่ผู้ใช้สามารถเปลี่ยนใบหน้านักแสดงในมิวสิควิดีโอให้กลายเป็นใบหน้าของเราเองได้ เทคนิคนี้เรียกว่า Deepfake และมันกำลังมีบทบาทมากขึ้นในวงการสร้างสรรค์
ปี 2013 มีแคมเปญโฆษณาตัวหนึ่งของ ‘Dove Chocolate’ ที่ใช้ CG (Computer-Generated) สร้างนักแสดงผู้ล่วงลับ Audrey Hepburn ขึ้นมาใหม่ ทีมงานใช้วิธีสร้างคาแรกเตอร์ออเดรย์เฉพาะส่วนศีรษะโดยใช้ภาพถ่ายเก่าเป็นต้นแบบ จากนั้นนำโมเดลที่ทำมาแปะบนใบหน้านักแสดงที่ถ่ายด้วยกล้องจริง โดยใช้เวลาครึ่งปีในการทำโปรดักชั่นชิ้นนี้
Framestore บริษัทผู้เชี่ยวชาญการสร้างเทคนิคพิเศษ โชว์ให้เราเห็นว่า Deepfake ไปได้ไกลแค่ไหนโดยฉายวิดีโอนายกรัฐมนตรีอังกฤษ—บอริส จอห์นสัน และประธานาธิบดีสหรัฐฯ—โดนัลด์ ทรัมป์ ออกมาพูดด้วยเสียงและท่าทางที่แม้จะรู้ว่าปลอมแต่ภาพก็เนียนมากจนแยกแทบไม่ออก ฟุตเทจนี้ใช้เทคนิค Deepfake และระบบการสร้างภาพที่เรียกว่า Neural network ถ่ายทำด้วยกล้องไอโฟน ซึ่งใช้เวลาทำโพรดักชั่นเพียง 3 สัปดาห์
Neural network คือหลักการพื้นฐานในการสร้างภาพแบบ Deepfake มันคือระบบการอ่านข้อมูลจากงานหนึ่งชิ้น แปรค่าข้อมูลเป็นสัญญาณที่สามารถบอกได้ว่างานชิ้นนั้นเป็นข้อมูลแบบไหน เช่น ถ้าเราอยากให้ระบบสามารถอ่านข้อมูลว่าสิ่งที่เห็นตรงหน้าเป็นตัวเลข 0-9 เราก็จะแทนข้อมูลว่าเมื่อเห็นภาพนี้แล้วจะเป็นตัวเลขอะไรบ้าง
ถ้ายกตัวอย่างให้เห็นภาพมากขึ้น ลองคิดถึงสมองของเรา เมื่อตาเราเห็นภาพแก้วน้ำ มันจะส่งสัญญาณไปสู่สมองเพื่อบอกว่านั่นคือแก้วน้ำ หรือระบบสะกดคำอัตโนมัติของโทรศัพท์มือถือ เวลาเราใส่คำว่า ‘คร’ ระบบจะขึ้นว่าเราอยากพิมพ์คำว่า ‘ครับ’ เพราะระบบวิเคราะห์ว่าคำที่ขึ้นต้นด้วยพยัญชนะนี้ส่วนมากจะลงท้ายด้วยคำนี้เสมอ
การอ่านข้อมูลแบบนี้ จะมีความแม่นยำมากขึ้นถ้าเราใช้เทคนิคที่เรียกว่า Weighting และถ้าเราให้คอมพิวเตอร์มาช่วยทำงาน ใส่ข้อมูลเข้าไปในระบบว่าแต่ละตัวอย่างควรจะให้คำตอบแบบไหน ระบบจะอ่านค่าได้เร็วกว่ามาก ยิ่งทำซ้ำๆ ก็ยิ่งเก่ง นี่คือสิ่งที่เรียกว่า Machine learning
การทำภาพแบบ Deepfake คือการนำหลักการ Neural network มาใช้กับข้อมูลภาพ จากฟุตเทจสองผู้นำที่ยกตัวอย่างมา ทีมงานได้นำภาพนิ่งจำนวนหมื่นกว่าภาพใส่ลงไปในระบบ เก็บข้อมูลโดยกำหนด position data กับภาพใบหน้าทุกภาพ จากนั้นก็ถ่ายวิดีโอนักแสดงที่เลียนแบบคาแรกเตอร์ของสองผู้นำ สุดท้าย นำข้อมูลเข้าระบบ โดยนำภาพนิ่งของบอริสและทรัมป์ตัวจริงมาแปะบนใบหน้านักแสดง ก็จะได้ฟุตเทจสำเร็จออกมา แต่การจะทำให้ภาพออกมาเสมือนจริง ต้องอาศัยตัวแสดงที่เลียนแบบพฤติกรรมและหน้าตาท่าทางให้เหมือนที่สุดร่วมกัน เพื่อให้ผลลัพธ์ออกมาแนบเนียนสมจริง ซึ่งลักษณะการทำงานของ Deepfake มีส่วนคล้ายการแต่งหน้าแบบดิจิทัลหรือการรีทัชภาพที่เราสามารถทำในช่วงโพสต์โพรดักชั่น
อีกตัวอย่างหนึ่งที่ทีม Framestore ทดลองพัฒนา Deepfake คือการนำภาพต้นแบบมาผสมกันมากกว่า 1-2 ภาพ เพื่อให้สามารถปรับภาพของเป้าหมายให้เปลี่ยนเพศหรือลักษณะหน้าตาตามต้องการได้ สามารถควบคุมหน้าตาของนักแสดงว่าจะให้มีความเป็นผู้ชายหรือหญิงมากกว่า และนี่คืออีกพัฒนาการของ Deepfake ที่เราจะได้เห็นในอีกไม่ช้านาน
Machine learning ที่ช่วยทำให้การทำงานเร็วขึ้น มันจะใช้ดีกับการสร้างงานที่ต้องใช้เวลานาน เช่น การสร้างแอนิเมชั่น วันนี้เราสามารถสร้างแอนิเมชั่น 1 วินาทีโดยใช้เวลาประมาณ 1 วัน ฉากสไปเดอร์แมนในหนังเรื่อง ‘The Avenger Infinity War’ ฉากเดียว ใช้เวลา 15 วันในการถ่ายทำ แต่ถ้าเรานำระบบ machine learning มาใช้กับโปรแกรมจำลองฟิสิกส์ การทำงานก็จะเร็วขึ้น ผลดีคือแอนิเมเตอร์จะมีเวลามากขึ้นในการสร้างสรรค์งานส่วนอื่นให้มีประสิทธิภาพ และส่งผลให้ผลงานออกมาดีขึ้น
ทุกวันนี้ Deepfacek ยังไม่ได้มีการใช้อย่างแพร่หลาย เพราะยังมีข้อจำกัดเรื่องความละเอียด แต่เมื่อมันพัฒนาขึ้นไปเรื่อยๆ มันจะกลายเป็นเครื่องมือสำคัญอีกอย่างหนึ่งของการทำงานสร้างสรรค์ด้านภาพในเร็ววันนี้แน่นอน
https://lionslive.canneslions.com/keynotes/framestore-presents-demystifying-deepfakes-unlocking-the-future-of-creativity-e1-41714
Tags: Spotify, Learn from Lions
