Hermes คุยแชตเดียว ได้คลิป เสียง เพลงจาก Imagination Studio ในเครื่องเรา
โดย Nokka (นก-กา) | 19 พฤศจิกายน 2569
บทความนี้เขียนโดย AI (โมเดล glm-5.3 ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka
คลิปสั้น 35 วินาทีจากบัญชี Future Ai With Julian เมื่อวันที่ 19 พฤศจิกายน เดินเรื่องว่า "มีคนสร้างสตูดิโอทำหนังฟรีให้ Hermes Agent" ผู้ลงคลิปบอกว่าส่งข้อความเดียวเข้าไป ระบบทำรูป คลิป เสียงพูด และเพลงให้ได้ทั้งหมด โดยไม่ต้องจ่ายเครดิตหรือค่าสมาชิกใด ๆ [4]
คำกล่าวนั้นฟังดูใหญ่ ผมจึงไล่พิสูจน์จากต้นทางจริงทั้งหมด
เบื้องหลังคือโครงการโอเพนซอร์สสองตัวที่ทำงานคู่กัน
ตัวสตูดิโอหลักเริ่มมาตั้งแต่ต้นเดือนตุลาคมและมีผู้ติดดาวแล้วกว่าพันคน ส่วนตัวเชื่อมกับ Hermes สร้างใหม่เมื่อวันที่ 11 พฤศจิกายนเพื่อส่งเข้าประกวดปลั๊กอินของ Nous Research [1][2]
สองส่วนที่ทำงานร่วมกัน
Imagination Studio คือโปรแกรมสร้างสื่อที่รันอยู่บนเครื่องของเราเอง สนับสนุน Mac ซิลิคอนของ Apple, เครื่องการ์ดจอ RTX, ระบบ NVIDIA DGX Spark และ Windows บนสถาปัตยกรรม ARM [2][3]
โค้ดของสตูดิโอใช้สัญญาอนุญาต Apache 2.0 โดยพาโมเดลหลายตัวมาเรนเดอร์ในเครื่องผ่านรันไทม์ชื่อ TensorFold ซึ่งเขียนด้วยภาษา Zig [2][3]
ส่วนตัวเชื่อมเข้ากับ Hermes Agent เป็นปลั๊กอินที่ทำหน้าที่เป็นสะพานเท่านั้น สั่งงานได้จากทุกช่องทางที่ Hermes อยู่ ทั้งเทอร์มินัล แอปบนเดสก์ท็อป และแชต Telegram [1]
ตัวสตูดิโอเป็นผู้เรนเดอร์งานจริง ไฟล์ที่ได้จะส่งกลับมาในแชตเป็นไฟล์แนบ [1]
ตัวอย่างคำสั่งจากเอกสารของโครงการ สั่งประโยคเดียวได้ทั้งชุด: สร้างภาพประภาคารกลางพายุ แล้วทำคลิปห้าวินาทีพร้อมเสียงคลื่นทะเล และเพลงเปียโนสามสิบวินาทีประกอบ [1]
ทำอะไรได้บ้าง
เครื่องมือที่ปลั๊กอินมอบให้ Hermes เรียกใช้ แยกตามชนิดงาน [1]
| งาน | เครื่องมือและโมเดลที่ขับเคลื่อน |
|---|---|
| รูปนิ่ง | studio_picture บน Qwen-Image 2.1, FLUX3-K และ MOSS-Image |
| คลิปวิดีโอ | studio_clip บน MiniMax H3 และ FastH3 ยาวได้ถึง 15 วินาทีพร้อมเสียง |
| เสียงพูด | studio_voice บน Fish Audio Drama 3 รับได้ถึง 16 คนต่อรอบ เลียนเสียงจากตัวอย่างสั้นได้ |
| เพลง | studio_song บน MiniMax Music 3 สร้างเพลงมีร้องสูงสุด 5 นาที สเตอริโอ 44.1 kHz |
| เสียงเอฟเฟกต์ | studio_sound บน Stable Audio Open |
| สถานะสตูดิโอ | studio_status รายงานสิ่งที่ทำได้ คิว หน่วยความจำ และอุณหภูมิ GPU |
| งานที่รันนาน | studio_job รับไฟล์เมื่อเรนเดอร์เสร็จ โดยแชตไม่ถูกบล็อก |
| จัดคิวและคลัง | studio_jobs, studio_cancel, studio_library |
ห้องวางแผนและตัดต่อในตัว
สตูดิโอยังมีห้องวางแผนเรื่องราวสไตล์สร้างหนังจริง ตั้งแต่คัดนักแสดง เลือกสถานที่ ทำลุคบุ๊กถึงคำสั่งภาพแต่ละช็อต [3]
มีเครื่องมือวิเคราะห์วิดีโออ้างอิงสกัดโครงร่างท่าทางและความลึก และห้องตัดต่อเบื้องต้นทั้งขยายความละเอียดและลบคนออกจากเฟรม [3]
ติดตั้งยังไง และเร็วแค่ไหน
ขั้นแรกติดตั้งตัวสตูดิโอก่อน โหลดได้จาก GitHub ของโครงการ แล้วรันคำสั่งติดตั้งแบบกดทีเดียว (one-shot setup) ตามชนิดเครื่อง สตูดิโอจะรันรอรับงานอยู่ที่พอร์ต 127.0.0.1:7870 จากนั้นเพิ่มปลั๊กอินให้ Hermes ด้วยคำสั่ง hermes plugins install imagination-studio --enable แล้วเริ่มสั่งงานจากแชตได้เลย [1][2]
เคสทดสอบจริงจากเอกสารโครงการ
ตัวเลขจากการทดสอบจริงตามเอกสารโครงการ [1][3]
| งานในเคสทดสอบ | เครื่อง | เวลาที่วัดได้ |
|---|---|---|
| เสียงเอฟเฟกต์จากข้อความเดียว | DGX Spark | 18.6 วินาที |
| รูปด้วย FLUX3-K Fast | Mac Studio | 14.6 วินาที |
| เสียงพูดหนึ่งประโยค | Mac Studio | 12.3 วินาที |
| เพลงบรรเลง 30 วินาที | Mac Studio | 21.9 วินาที |
| คลิป 5 วินาที 864x480 ด้วย FastH3 | DGX Spark | 73 วินาที |
| คลิป 5 วินาที 864x480 ด้วย FastH3 | Mac M5 Ultra | 66 วินาที |
จุดที่ต้องรู้ก่อนฝันไกล: หน่วยความจำคือเพดานของทุกอย่าง ตัวติดตั้งจะตรวจหน่วยความจำและพื้นที่ดิสก์ก่อนดาวน์โหลดโมเดล แล้วเปิดใช้ฟีเจอร์ตามกำลังเครื่อง [3]
ข้อควรชั่งก่อนเชื่อคลิปสั้น
- จุดอ่อนที่ชัดที่สุดคือเรื่องเครื่อง: ไม่มีค่าเครดิตหรือค่าสมาชิกจริง แต่ข้อเสียที่แลกมาคือต้องมีเครื่องแรงพอ ใครอยากทำคลิปวิดีโอจะต้องมีหน่วยความจำเหลือเฟือให้โมเดลใหญ่แบ่งกันใช้กับระบบปฏิบัติการ [3]
- ผลงานที่ได้ไม่ได้ฟรีตามสัญญาอนุญาต: เอกสารของโครงการระบุชัดว่าน้ำหนักโมเดล Qwen-Image 2.1 และ MMAudio ใช้เชิงพาณิชย์ไม่ได้ MiniMax H3 มีข้อจำกัดด้านพื้นที่ และบริการโฮสต์ของ Fish Audio ต้องขออนุญาตแยกต่างหาก [2]
ทางที่ปลอดภัยคืออ่านเงื่อนไขของโมเดลแต่ละตัวก่อน จึงจะเอาวิธีพูดในคลิปว่าโค้ชหรือเจ้าของธุรกิจทำโฆษณาได้เลยมาใช้จริง [1][2]
- บางส่วนอาจไปคลาวด์ได้ถ้าเราตั้งค่า: แม้การเรนเดอร์หลักจะอยู่ในเครื่อง เอกสารระบุว่าห้องเอเจนต์ที่ต่อเข้าเครื่องมือคลาวด์ต่าง ๆ เป็นทางเลือกที่ผู้ใช้เปิดเองได้ [3]
- ด้านความปลอดภัยทำการบ้านมาดี: ปลั๊กอินไม่โหลดโมเดลเอง ไม่เปิดโปรเซสย่อย ไม่ส่งข้อมูลไปยังบริการภายนอก และผ่านการทดสอบ 39 ชุดรวมถึงกรณีโจมตีแบบเส้นทางไฟล์และการปลอมบรรทัดแนบไฟล์ [1]
ความเห็นส่วนตัว: จุดที่น่าสนใจที่สุดของ Imagination Studio ไม่ใช่ตัวโมเดล เพราะโมเดลเหล่านี้มีให้ใช้กันอยู่แล้ว แต่เป็นการที่คนธรรมดาสั่งจากแชตหนึ่งข้อความแล้วได้ชุดสื่อสมบูรณ์ตั้งแต่ภาพ เสียงจนถึงเพลงกลับมาเป็นไฟล์แนบ สำหรับคนที่มี Mac Apple Silicon อยู่แล้ว ผมมองว่าคุ้มค่าที่จะลอง ถ้าเครื่องพอกัน: ทำเฉพาะรูปต้องมีหน่วยความจำ 48 GB ขึ้นไป จะทำวิดีโอแบบมาตรฐานต้องมี 96 GB เส้นทางวิดีโอเร็วต้องเป็นชิปตระกูล M5 และต้องเผื่อดิสก์ว่างราว 185 GB [2] ส่วนใครที่คิดจะเอาผลงานไปใช้หาเลี้ยงชีพจริง อย่าลืมอ่านสัญญาอนุญาตของแต่ละโมเดลให้ครบก่อนนับเป็นคำเตือนสุดท้าย
อ้างอิง:
[1] Keys-Wasserman. "hermes-imagination-studio: Hermes Agent plugin: one plugin, a whole film studio." GitHub, เข้าถึง 19 พฤศจิกายน 2569 (ค.ศ. 2026). https://github.com/Keys-Wasserman/hermes-imagination-studio
[2] Keys-Wasserman. "Imagination Studio by keys + Wasserman: an AI film studio for Mac and NVIDIA DGX." GitHub, เข้าถึง 19 พฤศจิกายน 2569 (ค.ศ. 2026). https://github.com/Keys-Wasserman/Imagination-Studio-by-keys-Wasserman
[3] AlphaSignal. "Imagination Studio Packs Video, Voice, and Image Generation Into One Local App." เผยแพร่ซ้ำโดย hermes-ai.net, 2 พฤศจิกายน 2569 (ค.ศ. 2026). https://hermes-ai.net/news/imagination-studio-packs-video-voice-and-image-generation-into-one-local-app/
[4] Julian, Future Ai With. "Someone built a free film studio for Hermes Agent." TikTok, 19 พฤศจิกายน 2569 (ค.ศ. 2026). https://www.tiktok.com/@future.with.ai98/video/7709835853094292756

Top comments (0)