กลับ
ผลิต 22 วิดีโอใน 2 สัปดาห์ ด้วยทีม 1 คน + AI
AI Workflow3 เมษายน 256910 นาที

ผลิต 22 วิดีโอใน 2 สัปดาห์ ด้วยทีม 1 คน + AI

Case study จริงจาก DopeLab — ผลิต 22 short videos ใน 14 วัน โดยคนเดียวด้วย AI pipeline ต้นทุนต่ำกว่าจ้างทีมถึง 97% สรุปทุก tool, ทุก step, ทุกบทเรียน

Tor Supakit

Tor Supakit

AI × Digital Marketing Agency

22 คลิปใน 2 สัปดาห์ — ตัวเลขที่ทำให้ตัวเองงง

22 videos in 2 weeks - AI production dashboard
22 videos in 2 weeks - AI production dashboard

ผมไม่ได้วางแผนว่าจะทำ 22 วิดีโอ

เริ่มจาก "จะทำ batch สัก 5-7 คลิป" แต่พอ pipeline มัน smooth ขึ้น ก็ทำต่อไปเรื่อยๆ จนนับดูปลายสัปดาห์ที่ 2 — ได้ 22 คลิป

ระยะเวลา: 14 วัน (1-14 มีนาคม 2026) ทีม: 1 คน (ผม) ช่วยโดย: AI เกือบทุก step

ก่อนจะอ่านต่อ นี่คือตัวเลขที่สำคัญที่สุด:

TraditionalAI Pipeline
เวลาต่อคลิป3-5 ชั่วโมง45-90 นาที
ต้นทุนต่อคลิป฿2,000-5,000 (จ้าง editor)~฿150-300
คลิปใน 2 สัปดาห์4-6 คลิป (คนเดียว)22 คลิป

ลด 97% ในเรื่องต้นทุน เร็วขึ้น 3-5x ในเรื่องเวลา

ข้อมูลจากอุตสาหกรรม 2026

AI video generation market ปี 2026 มีมูลค่า $847M โตจากปีก่อน 18.8% | เวลาผลิต 60-second video ลดจาก 13 วัน (traditional) เหลือ 27 นาที (AI) — ที่มา: ngram.com industry research 2026


Pipeline ที่ใช้จริง: 6 ขั้นตอน

6-step AI video production pipeline
6-step AI video production pipeline

ไม่ใช่ทุก step ต้องใช้ AI — บางขั้นยังต้องการ human judgment แต่ AI ช่วยตรงจุดที่ใช้เวลามากที่สุด

Step 1: Research + Script (15-25 นาที)

AI ช่วย: Claude Code เขียน script ภาษาไทย Human ทำ: เลือกหัวข้อ, ตรวจ fact, ปรับ tone ให้เป็นเสียงตัวเอง

Prompt template ที่ใช้:
"เขียน script short video 25-35 วินาที เรื่อง [หัวข้อ]
สำหรับ DopeLab — เสียงเป็นกันเอง ภาษาไทยผสม tech terms
Hook: [ปัญหา/คำถามที่ target audience เจอ]
Middle: [insight หลัก 1-2 จุด]
CTA: ติดตาม DopeLab + link dopelab.studio"

Output: script 3-5 บรรทัด พร้อม timing estimate

Step 2: Voiceover (10-15 นาที)

AI ทำ: ElevenLabs gen VO ด้วย eleven_v3 model, Hope voice (Thai) Human ทำ: ฟัง approve หรือ re-gen ถ้า intonation ผิด

สิ่งที่เรียนรู้: ต้องส่ง text ที่ clean มาก — ถ้ามีจุดหรือลูกน้ำอยู่ผิดที่ เสียงจะ pause ผิดจังหวะ ต้องแก้ text ก่อน re-gen

ElevenLabs API cost สำหรับ 22 คลิป (~35-45 วินาทีต่อคลิป): ประมาณ $18-22 (จาก Pro plan $22/เดือน)

Step 3: Background Video (20-30 นาที รวมทุกคลิป)

AI ทำ: Veo 3 gen dark tech background 9:16 Human ทำ: เลือก style, approve

เคล็ดลับ: gen background ล้วน 8-10 clips ต้นสัปดาห์ ใช้ rotate ทั้งสัปดาห์ — ไม่ต้อง gen ใหม่ทุกคลิป เพราะ DopeLab ใช้ visual identity เดิม

Background ที่ gen ไปรอบนี้ใช้ไปได้ถึง DL-130+ ก่อนที่จะ gen ใหม่

Step 4: Render (2-3 นาที per คลิป)

AI/Tool ทำ: Remotion render composition อัตโนมัติ Human ทำ: รอ

Remotion setup มี composition เดียวที่รับ:

  • VO audio file
  • Script text (สำหรับ auto caption sync)
  • Background video file

ทุกอย่างที่เหลือ — caption timing, font, animation, logo position — ตั้งค่าไว้ใน component แล้ว

22 คลิป × 2.5 นาที average = ~55 นาที render time
สามารถ queue และทิ้งไว้ทำอย่างอื่นได้

Step 5: Post-Processing FFmpeg (1-2 นาที per คลิป)

Tool ทำ: FFmpeg ทำ 3 ขั้นอัตโนมัติ Human ทำ: รัน script เดียว

# Script ที่ใช้ process ทั้ง batch
for video in ./raw/*.mp4; do
  filename=$(basename "$video" .mp4)
  
  # 1. Mix BGM
  ffmpeg -i "$video" -i ./assets/bgm.mp3 \
    -filter_complex "[1:a]volume=0.25,afade=t=in:ss=0:d=1,afade=t=out:st=30:d=2[bgm];[0:a][bgm]amix=inputs=2[a]" \
    -map 0:v -map "[a]" -c:v copy ./bgm_done/"$filename".mp4
  
  # 2. Video fade
  ffmpeg -i ./bgm_done/"$filename".mp4 \
    -vf "fade=in:0:15,fade=out:st=32:d=1" \
    -af "afade=in:d=0.5,afade=out:st=32:d=1.5" \
    ./final/"$filename".mp4
done

Step 6: Upload + Schedule (10-15 นาที ต่อ batch 5-7 คลิป)

Tool ทำ: rclone sync ขึ้น Google Drive Human ทำ: เลือก caption, ตั้งเวลา schedule ใน Blotato

Blotato schedule: Facebook Page + Instagram Reels ในครั้งเดียว ใช้เวลาน้อยมาก


14 วัน ทำอะไรบ้าง

14-day production calendar overview
14-day production calendar overview

ไม่ได้ทำ 22 คลิปพร้อมกันในคืนเดียว มันค่อยๆ สะสม

ช่วงเวลาDL #จำนวนTheme
Week 1, Day 1-3DL-108-1125 คลิปManga Journal series
Week 1, Day 4-5DL-113-1164 คลิปAI Tools reviews
Week 1, Day 6-7DL-117-1204 คลิปAI News week recap
Week 2, Day 8-10DL-121-1255 คลิปWorkflow tutorials
Week 2, Day 11-14DL-126-1294 คลิปCase studies

สัดส่วน pillar:

  • AI Workflow: 9 คลิป (41%)
  • AI News: 6 คลิป (27%)
  • Tools & Tech: 4 คลิป (18%)
  • Case Study: 3 คลิป (14%)

Workflow สูงที่สุดเพราะ engage มากที่สุด — คนดูแล้วได้ value ทันที


5 บทเรียนที่ได้จาก batch นี้

Lessons learned from 22-video production batch
Lessons learned from 22-video production batch

บทเรียนที่ 1: Batch คือหัวใจ ไม่ใช่ speed

คนส่วนใหญ่คิดว่า "เร็วขึ้น" มาจากการที่ AI ทำแต่ละขั้นได้เร็ว

แต่ gain ส่วนใหญ่มาจาก batch processing — ทำทีละ step กับทุกคลิปพร้อมกัน แทนที่จะทำแต่ละคลิปจบก่อนค่อยไปต่อ

ตัวอย่าง: render ทั้ง 7 คลิปพร้อมกัน vs render ทีละคลิปรอจบแล้วค่อย render คลิปต่อไป — ประหยัดเวลา 40% เพราะไม่มี idle time

บทเรียนที่ 2: Template > Creativity (ในเฟส production)

ความ creative อยู่ในขั้น script และ concept ไม่ใช่ production

พอมี template production ที่ fixed แล้ว — ทุกคลิปหน้าตาเหมือนกัน consistent และรัน fast

อย่า customize layout ทุกคลิป — เสียเวลาเปล่า brand identity มาจากความ consistent ไม่ใช่ความแตกต่างของแต่ละคลิป

บทเรียนที่ 3: Quality Gate ช่วยได้มากกว่าที่คิด

ก่อนหน้านี้ไม่มี quality check ก่อน publish — output มีทั้งดีและไม่ดีปนกัน

พอใช้ Gemini Vision eval score ≥56/80 ก่อน publish — คลิปที่ผ่านไปมี avg reach สูงกว่าชิ้นที่ไม่ผ่าน 23%

เสียเวลา re-gen บ้าง แต่คุ้มมาก

Data จริง

คลิปที่ผ่าน vision eval ≥56/80: avg reach 4,200 views | คลิปที่ไม่ผ่าน (ส่งไปก่อนมีระบบ): avg reach 1,800 views | ต่างกัน 133%

บทเรียนที่ 4: Short < 20 วินาที = reach สูงกว่า

จาก data ของ DopeLab เอง:

ความยาวAvg Reach
≤20 วินาที57,000+
21-35 วินาที12,000-18,000
35+ วินาที4,000-8,000

ตอนแรกคิดว่ายิ่งให้ value เยอะยิ่งดี แต่ algorithm มันไม่ได้คิดแบบนั้น — completion rate ของ ≤20s สูงกว่ามาก ทำให้ algorithm push ต่อ

ใน batch นี้ 14 คลิปจาก 22 คลิปอยู่ใน ≤20s range

บทเรียนที่ 5: VO คือ identity — ต้องลงทุนที่นี่

ElevenLabs v3 กับ Hope voice — ต้นทุนสูงกว่า voice ทั่วไป แต่ผลที่ได้คือ VO ที่ฟังแล้วรู้ทันทีว่าเป็น DopeLab

อย่า cut corner ที่ voice — คนอาจจำ visual ไม่ได้ แต่จำ "เสียง" ของ brand ได้


ค่าใช้จ่ายทั้งหมด 2 สัปดาห์

Cost breakdown for 22-video AI production
Cost breakdown for 22-video AI production

Toolค่าใช้จ่าย 2 สัปดาห์หมายเหตุ
ElevenLabs v3~฿650VO 22 คลิป (~45s avg)
Veo 3 (background)฿0Free tier
NB2/Gemini (cover image)฿0Free tier
Remotion฿0Open source
FFmpeg฿0Open source
Blotato฿0Free plan
Claude (script)~฿300API usage
รวม~฿950

เทียบกับจ้าง video editor freelance:

22 คลิป × ฿2,000-3,000 = ฿44,000-66,000

ประหยัดไป ฿43,000-65,000 ใน 2 สัปดาห์ = ประหยัด 97-98%


ใครทำตามได้บ้าง?

ไม่ใช่ทุกคนต้องทำ 22 คลิปใน 2 สัปดาห์ นั่นคือ pace ของ DopeLab ซึ่งเป็น content-first business

แต่ถ้าต้องการทำ 5-10 คลิปต่อสัปดาห์:

ต้องการ:

  • Claude/ChatGPT (สำหรับ script) — ฟรีหรือ $20/เดือน
  • ElevenLabs Starter — $5/เดือน (10,000 characters)
  • CapCut หรือ Canva Video — ฟรี (แทน Remotion ถ้าไม่มี dev background)
  • FFmpeg — ฟรี (optional)

ไม่ต้องการ:

  • Remotion (ถ้าไม่มี dev background — ใช้ CapCut แทนได้)
  • Blotato (ใช้ Meta Business Suite schedule ฟรีได้)
  • Veo 3 (ถ้าไม่มี dark tech aesthetic — ใช้ stock video ฟรีจาก Pexels/Pixabay)

เป้าหมายที่ practical:

  • สัปดาห์แรก: ทดลอง pipeline กับ 3 คลิป
  • สัปดาห์ที่ 2-3: ปรับ template จนพอใจ
  • สัปดาห์ที่ 4+: รัน batch จริง 5-7 คลิป/สัปดาห์

ตัวเลขที่ต้องรู้จากอุตสาหกรรม

71% ของ creators ในปี 2026 ใช้ AI สำหรับ first drafts แล้วปรับเอง — ไม่ใช่ให้ AI ทำทั้งหมด | 61% ของ freelance creators ใช้ AI video tools อย่างน้อยสัปดาห์ละครั้ง — ที่มา: vivideo.ai 2026


บทสรุป

22 วิดีโอใน 2 สัปดาห์ไม่ใช่เรื่องของการทำงานหนักขึ้น

มันเป็นเรื่องของการออกแบบ ระบบ ที่ทำให้ทุก step มี tool รองรับ ทุก step ทำ batch ได้ และทุก step มี quality gate

AI ไม่ได้แทนที่ creative work — script ยังต้องคิดเอง, concept ยังต้องเป็นเสียงตัวเอง แต่ AI แทนที่งาน execution ที่ซ้ำซากและกินเวลา

เมื่อ execution เร็วขึ้น — เวลาที่เหลือไปลงกับ strategy และ quality แทน

นั่นคือ multiplier ที่แท้จริงของ AI


ดู case study เพิ่มเติมและ workflow จริงได้ที่ dopelab.studio

ถ้าต้องการให้ DopeLab ช่วยวาง AI content pipeline สำหรับธุรกิจของคุณ — DM มาได้เลย

video-productionai-workflowproductivitycontent-creation
แชร์บทความนี้

บทความที่เกี่ยวข้อง

สูตร 20% คน + 80% AI — ทำคอนเทนต์ทุกวันโดยไม่หมดไฟAI Workflow
27 มีนาคม 2569

สูตร 20% คน + 80% AI — ทำคอนเทนต์ทุกวันโดยไม่หมดไฟ

เราผลิต content 6 ชิ้นต่อวัน ด้วยทีมจริง 1 คน + AI 11 ตัว flow จริงตั้งแต่เช้าถึงเย็น สูตร 20/80 ที่ใช้งานจริงไม่ใช่ทฤษฎี

2 นาที
100 ชั่วโมงกับ Claude Code — 10 เรื่องที่เรียนรู้จากการใช้จริงทุกวันAI Workflow
18 มีนาคม 2569

100 ชั่วโมงกับ Claude Code — 10 เรื่องที่เรียนรู้จากการใช้จริงทุกวัน

เจ้าของ agency + ร้านอาหาร ใช้ Claude Code ทุกวันมา 2 เดือน+ ผ่าน 50+ sessions จัดการ 6 ลูกค้า สร้าง 17 Skills เชื่อม 14 MCP — 10 บทเรียนที่ไม่มีในคู่มือ

6 นาที
11 AI ทำงานพร้อมกัน — Agent Teams ที่ทำงาน 3 วัน เสร็จใน 2 ชั่วโมงAI Workflow
4 มีนาคม 2569

11 AI ทำงานพร้อมกัน — Agent Teams ที่ทำงาน 3 วัน เสร็จใน 2 ชั่วโมง

ใช้ Claude Code Agent Teams สั่ง 11 AI instances ทำงานพร้อมกัน — Strategy, Content, Media, Data, Design — คุยกันเอง แบ่งงานเอง เราแค่ approve

3 นาที