Phosphene (โปรแกรมสร้างภาพ และเสียง ด้วย AI ทำงานแบบ Local)

โปรแกรม Phosphene

Phosphene (โปรแกรมสร้างภาพ และเสียง ด้วย AI ทำงานแบบ Local)  : โปรแกรม Phosphene เป็นโปรแกรมสำหรับผู้ใช้ ระบบปฏิบัติการ (OS) อย่าง แมคโอเอส (macOS) ที่ทำงานด้วยชิป Apple Silicon โดยเฉพาะ หน้าที่หลักของโปรแกรมนี้คือการเป็น ส่วนติดต่อผู้ใช้งานแบบกราฟิก (GUI) สำหรับการสร้างวิดีโอ และเสียงด้วยเทคโนโลยี ปัญญาประดิษฐ์ (AI) แบบทำงานเบ็ดเสร็จภายในเครื่อง คอมพิวเตอร์ (PC) ของผู้ใช้งานเอง ระบบนี้ถูกออกแบบมาเพื่อลบข้อจำกัดในการพึ่งพาบริการระบบ คลาวด์ (Cloud) ทำให้ผู้ใช้ไม่ต้องสมัครสมาชิก, ไม่ต้องเสียค่าใช้จ่ายรายเดือน และไม่ต้องใช้ ส่วนต่อประสานโปรแกรมประยุกต์ (API) ใดๆ ในการทำงาน

กลไกการทำงานหลักของโปรแกรม Phosphene คือการนำโมเดลปัญญาประดิษฐ์สำหรับสร้างวิดีโอเวอร์ชันล่าสุดอย่าง LTX 2.3 มาครอบไว้ และสั่งให้ทำงานผ่าน เฟรมเวิร์ก (Framework) MLX ซึ่งเป็นเทคโนโลยีเฉพาะของ Apple เพื่อช่วยให้ชิปตระกูล M สามารถประมวลผลการสร้างวิดีโอได้อย่างมีประสิทธิภาพสูงสุด นอกจากนี้ผู้ใช้ยังสามารถติดตั้งโปรแกรมทั้งหมดพร้อมสภาพแวดล้อมที่จำเป็นได้อย่างง่ายดายในคลิกเดียวผ่านโปรแกรม Pinokio

ในด้านความสามารถในการสร้างสรรค์ โปรแกรม Phosphene รองรับการทำงานที่หลากหลาย ทั้งการพิมพ์ข้อความเพื่อสั่งให้สร้างเป็นวิดีโอ, การนำภาพนิ่งมาทำเป็นวิดีโอเคลื่อนไหว, การกำหนดภาพเริ่มต้นพร้อมภาพสุดท้ายเพื่อให้ AI สร้างวิดีโอเชื่อมต่อตรงกลางให้สมูท รวมไปถึงการต่อยอดคลิปวิดีโอเดิมที่มีอยู่แล้วให้มีความยาวเพิ่มขึ้นแบบไร้รอยต่อ นอกจากนี้ ยังมีฟีเจอร์ตัวช่วยอัจฉริยะที่ใช้โมเดลภาษา Gemma 3 มาช่วยเกลาคำสั่ง หรือพรอมต์ของผู้ใช้ให้มีโครงสร้างที่เหมาะสมกับโมเดล LTX 2.3 มากที่สุดเพื่อให้ได้ผลลัพธ์ที่สวยงาม และแม่นยำยิ่งขึ้น

สำหรับการใช้งานจริง ผู้ใช้สามารถเลือกระดับคุณภาพ และระยะเวลาในการเรนเดอร์ได้ถึงสี่ระดับ ตั้งแต่โหมดรวดเร็วสำหรับการทดสอบไอเดียคร่าว ๆ ไปจนถึงโหมดคุณภาพสูงสุดที่ต้องใช้เวลาประมวลผลนานแต่ให้ภาพคมชัด และลดความผิดเพี้ยน ระบบยังมีความชาญฉลาดในการตรวจจับขนาดหน่วยความจำ หรือ หน่วยความจำสำรอง (RAM) ของเครื่อง Mac ที่ใช้งานอยู่ตั้งแต่เริ่มเปิดโปรแกรม เพื่อทำการปรับแต่ง และปลดล็อกฟีเจอร์ต่าง ๆ ให้สอดคล้อง กับสเปคเครื่องโดยอัตโนมัติ โดยเครื่องที่มี RAM สูงระดับ 80 ถึง 120 GB ขึ้นไปจะสามารถสร้างวิดีโอที่มีความละเอียดสูง และยาวขึ้นได้โดยไม่มีข้อจำกัด ท้ายที่สุดในขั้นตอนการบันทึกไฟล์ โปรแกรมยังมีตัวเลือกในการส่งออกวิดีโอ และเสียงในหลากหลายรูปแบบ ไม่ว่าจะเป็นไฟล์ขนาดเล็กสำหรับเว็บไซต์ ไฟล์มาตรฐานสำหรับโซเชียลมีเดีย หรือไฟล์คุณภาพสูงสุดแบบไม่สูญเสียรายละเอียดสำหรับนำไปใช้งานในกระบวนการตัดต่อระดับมืออาชีพต่อไป

คุณสมบัติ และความสามารถของ โปรแกรม Phosphene

การทำงานพื้นฐาน และระบบ

• ทำงานแบบ Local 100% ประมวลผลบนเครื่องของคุณเองทั้งหมด
• ออกแบบมาเพื่อเครื่อง Mac ที่ใช้ชิป Apple Silicon (ตระกูล M) โดยเฉพาะ ผ่านเฟรมเวิร์ก MLX
• ไม่ต้องสมัครสมาชิก, ไม่ต้องเสียเงินซื้อ และไม่ต้องใช้ API Key 
• สามารถติดตั้งทุกอย่างที่จำเป็นได้ในคลิกเดียวผ่านโปรแกรม Pinokio
• ปรับตัวตามสเปคอัตโนมัติ มีระบบตรวจจับ RAM ของเครื่องตั้งแต่ตอนเปิดโปรแกรม เพื่อปรับข้อจำกัดให้เหมาะสม เช่น เครื่อง RAM ต่ำกว่า 48 GB. จะจำกัดขนาดความละเอียดวิดีโอ ส่วนเครื่อง RAM 120 GB. ขึ้นไปจะปลดล็อกให้ใช้งานได้เต็มประสิทธิภาพทุกฟีเจอร์

โหมดการสร้างสรรค์

• Text-to-Video (T2V) : สร้างวิดีโอจากการพิมพ์ข้อความ (Prompt)
• Image-to-Video (I2V) : เปลี่ยนภาพนิ่งให้กลายเป็นวิดีโอเคลื่อนไหว
• First / Last Frame (FFLF) : กำหนดภาพเริ่มต้น และภาพสุดท้าย จากนั้น AI จะสร้างวิดีโอที่เคลื่อนไหวเชื่อมต่อระหว่างสองภาพนี้ให้เนียนตา
• Extend : นำคลิปวิดีโอที่มีอยู่แล้วมาต่อความยาวเพิ่ม โดยเสียงจะเชื่อมต่อกันแบบไร้รอยต่อ
• โหมดเสียงแบบเลือกได้ รองรับการตั้งค่าเสียง ทั้งแบบ
  • มีดนตรีประกอบ
  • เสียงพูดพร้อมเสียงบรรยากาศ
  • Sound Effect
  • วิดีโอแบบไม่มีเสียง

ระดับคุณภาพ และความเร็ว

• Quality Tiers 4 ระดับ
  • Quick : เน้นทดสอบไอเดียรวดเร็ว (ความละเอียด 640×480)
  • Balanced : ระดับแนะนำ สร้างวิดีโอแล้วอัปสเกลเป็น 720p ให้แบบรวดเร็ว
  • Standard : โหมดใช้งานหลัก เน้นสมดุลของคุณภาพ (ความละเอียด 1280×704)
  • High : โหมดความละเอียดสูงสุด ลดความผิดเพี้ยนของใบหน้า และตัวหนังสือ (ต้องใช้โมเดล Q8 ที่ใหญ่ขึ้น)
• Speed Controls : เลือกความเร็วในการเรนเดอร์ได้ 3 แบบ คือ
  • Exact ปกติ ได้ภาพสมบูรณ์สุด
  • Boost ข้ามขั้นตอนการประมวลผลช่วงกลางบางส่วนเพื่อให้เร็วขึ้น
  • Turbo เร็วที่สุด แต่อาจเสียรายละเอียดบางจุดไปบ้าง

เครื่องมือช่วยเหลือ และปรับแต่ง

• มีโมเดลภาษาปัญญาประดิษฐ์ Gemma 3 (12B) ฝังมาให้ในตัว เพื่อช่วยเขียนและเกลาคำสั่งของคุณให้เข้ากับโครงสร้างที่โมเดลวิดีโอเข้าใจได้ดีที่สุด
• เลือกส่งออกวิดีโอได้ทั้งแบบ
  • ขนาดดั้งเดิม (Native)
  • ขยายให้พอดีกับ 720p (โดยไม่โดนครอปภาพ)
  • ขยายขนาดเป็น 2 เท่า โดยใช้เทคโนโลยี Lanczos หรือ PiperSR

รูปแบบไฟล์

• Standard : คุณภาพดี ไฟล์เล็ก แชร์ลงโซเชียลได้ทันที
• Video production : ไฟล์คุณภาพสูงสุดแบบ Lossless สำหรับนำไปทำสี (Color Grading) หรือตัดต่อ VFX ต่อ
• Web : บีบอัดไฟล์ให้เล็กที่สุดสำหรับใช้บนเว็บไซต์
• Custom : ปรับแต่งค่า Bitrate หรือรายละเอียดได้เองตามต้องการ

และความสามารถอื่น ๆ อีกมากมาย

เงื่อนไขการใช้งาน โปรแกรม Phosphene

โปรแกรม Phosphene เป็นซอฟต์แวร์ ฟรี (Free) ที่พัฒนาแบบ โอเพ่นซอร์ส (Open-Source) ที่อยู่ภายใต้เงื่อนไขการใช้งานแบบ MIT License ซึ่งหมายความว่าผู้ใช้สามารถใช้งาน, ดัดแปลง, แจกจ่าย และเข้าถึง โค้ดต้นฉบับ (Source Code) ได้อย่างเสรี ภายใต้เงื่อนไขที่กำหนด

หากต้องการค้นหาข้อมูลเพิ่มเติม สามารถติดต่อกับทางผู้พัฒนาโปรแกรมนี้ได้ผ่านทางช่องทางเว็บไซต์ (Website) : https ://github.com/mrbizarro/phosphene (ภาษาอังกฤษ) ได้เลย

คำบรรยายภาษาอังกฤษ (English Descriptions)

Phosphene is a program exclusively designed for macOS users operating on Apple Silicon chips. Its primary function is to serve as a graphical user interface (GUI) for generating video and audio using artificial intelligence (AI) technology, running entirely locally on the user's own computer (PC). This system is designed to eliminate the limitations of relying on cloud services, meaning users do not need to sign up for subscriptions, pay monthly fees, or use any application programming interfaces (APIs) to operate it.

The core mechanism of the Phosphene program involves wrapping the latest AI video generation model, LTX 2.3, and executing it through the MLX framework, a proprietary Apple technology. This enables M-series chips to process video generation with maximum efficiency. Additionally, users can easily install the entire program along with all necessary environments in a single click via the Pinokio program.

In terms of creative capabilities, Phosphene supports a wide variety of functions. These include typing text to generate video (text-to-video), animating still images (image-to-video), setting a starting image along with a final image for the AI to smoothly generate the connecting video in between, and seamlessly extending the length of existing video clips. Furthermore, it features a smart assistant utilizing the Gemma 3 language model to help refine and structure user prompts to best suit the LTX 2.3 model, resulting in more beautiful and accurate outputs.