เปลี่ยนพอดแคสต์หนึ่งตอนให้เป็น Show Notes ที่คนอ่านจริง

สรุปประเด็นสำคัญ

ถอดเสียงตอนนั้นให้เสร็จก่อน และต้องมีไทม์สแตมป์ด้วย จากนั้นให้มองไฟล์นั้นเป็นวัตถุดิบ ไม่ใช่ของที่เอาไปเผยแพร่ตรง ๆ ไทม์สแตมป์คือที่มาของแชปเตอร์ ตัวข้อความคือที่มาของประโยคเด็ดที่จะยกไปทำโพสต์ ซึ่งต้องย้อนไปเช็กกับเสียงจริงก่อนปล่อยออกไปทุกครั้ง ส่วนบทสรุปนั้นเขียนให้คนที่ยังลังเลว่าจะฟังดีไหม ขณะที่ Show Notes เขียนให้คนที่ฟังจบแล้ว การเอาไฟล์ถอดเสียงดิบ ๆ ไปวางเป็น Show Notes จึงไม่ตอบโจทย์ใครสักคน เพราะคำพูดเวลาอยู่บนหน้ากระดาษจะเต็มไปด้วยคำซ้ำและประโยคที่พูดค้างไว้ ซึ่งตอนฟังไม่มีใครสังเกตเลย

อัดเสร็จ ตัดต่อเสร็จ แล้วก็มีงานรอบสองโผล่มาโดยไม่มีใครเตือนล่วงหน้า ทั้ง Show Notes ทั้งจุดแบ่งแชปเตอร์ ทั้งคำโปรยลงฟีด แล้วก็โพสต์โซเชียลอีกสองสามอัน คนทำพอดแคสต์ส่วนใหญ่ทำงานพวกนี้ด้วยความจำกับแถบเลื่อน ลากไปลากมาในไฟล์ยาวเจ็ดสิบนาทีเพื่อหาจังหวะที่แขกรับเชิญพูดประโยคเด็ดไว้ สุดท้ายใช้เวลาพอ ๆ กับตอนตัดต่อ แถมผลลัพธ์ยังคลุมเครือ เพราะกำลังบรรยายตอนที่ตัวเองจำได้แค่ครึ่งเดียว

ไฟล์ถอดเสียงแก้ปัญหาเรื่องการค้นหาได้ แต่มันไม่ได้เขียน Show Notes ให้ สิ่งที่มันทำคือเปลี่ยนงานทุกชิ้นที่ว่ามาจาก “งานค้นหา” ให้กลายเป็น “งานเรียบเรียง” และการเรียบเรียงเร็วกว่าการค้นหามาก ลำดับที่ลงมือทำสำคัญกว่าการเลือกว่าจะใช้เครื่องมือตัวไหนเสียอีก

เริ่มที่ไฟล์ถอดเสียง ไม่ใช่เริ่มที่ Show Notes

ลำดับที่ใช้ได้จริงคือ ถอดเสียงพร้อมไทม์สแตมป์ ตามด้วยแชปเตอร์ ตามด้วยประโยคเด็ด ตามด้วยบทสรุป ตามด้วย Show Notes แล้วค่อยจบที่โพสต์โซเชียล แต่ละขั้นใช้ของที่ขั้นก่อนหน้าผลิตไว้ ถ้าเขียน Show Notes ก่อน สุดท้ายก็ต้องกลับมาลากแถบเลื่อนหาตำแหน่งแชปเตอร์อยู่ดี แล้วก็ต้องลากอีกรอบเพื่อหาประโยคเด็ด

ไทม์สแตมป์คือส่วนที่คนชอบข้าม แล้วมาเสียใจทีหลัง ข้อความยาวเป็นพรืดบอกได้แค่ว่ามีใครพูดอะไร ไทม์สแตมป์บอกว่าพูดตรงไหน และ “ตรงไหน” คือสิ่งที่งานปลายทางทุกอย่างต้องใช้ จุดแบ่งแชปเตอร์คือตำแหน่ง ประโยคเด็ดต้องมีตำแหน่งเพื่อให้ย้อนไปตรวจสอบได้ คนฟังที่ถามว่า “ตอนนี้คุยเรื่องราคาช่วงไหน” ก็อยากได้ตำแหน่งเหมือนกัน ไฟล์ถอดเสียงที่ไม่มีไทม์สแตมป์แก้ปัญหาให้ได้แค่ครึ่งเดียว อีกครึ่งยังต้องกลับไปหาที่แถบเลื่อนอยู่ดี

วิธีให้ได้ไฟล์ถอดเสียงมีหลายทาง ผู้ให้บริการโฮสต์บางเจ้าสร้างให้ตอนเผยแพร่ โปรแกรมตัดต่อบางตัวส่งออกจากโปรเจกต์ได้ และยังมีเครื่องมือแยกต่างหากอีกหลายตัว ความต่างในทางปฏิบัติอยู่ที่การแยกผู้พูด ความละเอียดของไทม์สแตมป์ และการรับมือกับคำเฉพาะแปลก ๆ การถอดเสียงพอดแคสต์ ตอนนี้มีตัวเลือกให้เยอะพอสมควรแล้ว และเรื่องว่าจะเลือกตัวไหนสำคัญน้อยกว่าการที่คุณเปิดไฟล์นั้นค้างไว้อีกหน้าต่างหนึ่งขณะเขียนงาน

ถ้าอยากทำบนเครื่องที่ใช้ตัดต่ออยู่แล้ว SozAI เป็นแอปถอดเสียงสำหรับ iOS, Android และ macOS ที่รับไฟล์เสียง ไฟล์วิดีโอ หรือลิงก์ YouTube แล้วคืนข้อความออกมาพร้อมป้ายกำกับผู้พูดและบทสรุป รองรับกว่า 99 ภาษา นี่เป็นแค่หนึ่งในหลายตัวเลือก และถ้าโฮสต์ที่ใช้อยู่สร้างไฟล์ถอดเสียงพร้อมไทม์สแตมป์ที่ใช้งานได้อยู่แล้ว ก็ใช้อันนั้นแล้วข้ามขั้นนี้ไปเลย

ขอพูดตรง ๆ ว่า ถ้าตอนของคุณสั้น คุยเรื่องเดียวจบ และเขียนคำอธิบายแค่สองบรรทัดกับลิงก์หนึ่งอัน กระบวนการทั้งหมดนี้คือภาระเกินจำเป็น ไฟล์ถอดเสียงจะคุ้มก็ต่อเมื่อเป็นตอนคุยยาว ๆ ที่มีหลายช่วงหลายประเด็น ซึ่งก็คือรายการสัมภาษณ์แทบทุกรายการนั่นแหละ

จุดแบ่งแชปเตอร์มาจากไทม์สแตมป์ ไม่ใช่จากตัวข้อความ

แชปเตอร์คือตำแหน่งในไฟล์เสียง ฟังดูเป็นเรื่องธรรมดาจนกระทั่งคุณลองสร้างแชปเตอร์จากบทสรุป แล้วพบว่าบทสรุปไม่มีตำแหน่งอยู่ในนั้นเลยสักจุดเดียว มันบอกได้ว่าตอนนี้พูดถึงการจ้างงาน ราคา และภาวะหมดไฟ แต่บอกไม่ได้ว่าช่วงเรื่องราคาเริ่มที่นาทีสิบสี่กว่า ๆ เพราะข้อมูลนั้นไม่เคยอยู่ในตัวบทสรุปตั้งแต่แรก

ไฟล์ถอดเสียงจึงทำงานสองรอบ รอบแรกอ่านรวดเดียวจบแบบเร็ว ๆ แล้วทำเครื่องหมายไว้ตรงจุดที่หัวข้อเปลี่ยนจริง ๆ รอบสองจึงหยิบไทม์สแตมป์ของบรรทัดแรกของหัวข้อใหม่ ไม่ใช่บรรทัดสุดท้ายของหัวข้อเก่า เพื่อให้คนที่กดข้ามมาที่แชปเตอร์นั้นลงตรงจุดเริ่มของเรื่องใหม่ ไม่ใช่หางของเรื่องก่อนหน้า

การตัดสินใจว่าหัวข้อเปลี่ยนตรงไหนเป็นเรื่องของวิจารณญาณ และจะเป็นแบบนั้นตลอดไป บทสนทนาไม่ได้เปลี่ยนเรื่องแบบสวย ๆ มันไหลออกไป วนกลับมา แล้วจู่ ๆ ก็มีคนเล่าเรื่องหนึ่งที่กลายเป็นแก่นของช่วงนั้นไปเลย คุณต้องตัดสินเองว่าเรื่องเล่านั้นควรเป็นแชปเตอร์ของตัวเอง หรือเป็นส่วนหนึ่งของช่วงที่มันอยู่ ไม่มีระบบสรุปอัตโนมัติไหนตัดสินแทนได้ เพราะคำตอบขึ้นอยู่กับว่าคุณคิดว่าคนฟังอยากกดข้ามไปที่ไหน

• ตั้งเป้าที่แชปเตอร์ซึ่งคนฟังน่าจะกดข้ามไปหาจริง ๆ ไม่ใช่ทุกหัวข้อที่ถูกเอ่ยถึง
• ตั้งชื่อตามเนื้อหา ไม่ใช่ตามโครงสร้าง เช่น “ทำไมถึงยกเลิกแพ็กเกจฟรี” ดีกว่า “ช่วงที่ 3”
• แยกช่วงเปิดรายการกับช่วงอ่านโฆษณาเป็นแชปเตอร์สั้น ๆ ของตัวเอง คนจะได้ข้ามผ่านได้
• เช็กว่าแชปเตอร์สุดท้ายเริ่มก่อนช่วงปิดท้าย ไม่ใช่เริ่มกลางช่วงปิดท้าย

รูปแบบเวลาต่างกันไปตามแพลตฟอร์ม บางที่ต้องการชั่วโมง นาที วินาที บางที่รับแค่นาทีกับวินาที บางที่กำหนดตัวคั่นเฉพาะ และไฟล์แชปเตอร์ที่เครื่องเล่นไม่ยอมรับนั้นแย่กว่าการไม่มีแชปเตอร์เสียอีก เวลาต้องแปลงข้ามรูปแบบ ตัวแปลงไทม์โค้ดที่ใช้งานผ่านเบราว์เซอร์ จะจัดการให้ โดยไม่ต้องนั่งกดเครื่องคิดเลขบวกลบเวลาตอนเที่ยงคืน

ประโยคเด็ด และเหตุผลที่ยังต้องย้อนไปเช็กอยู่ดี

การกวาดสายตาหาประโยคน่าอ้างอิงในไฟล์ถอดเสียงเร็วกว่าการนั่งฟังหาเยอะมาก แถมยังเจอของที่ลืมไปแล้วว่าเคยพูด ให้มองหาประโยคที่ยืนได้ด้วยตัวเองโดยไม่ต้องปูพื้น ซึ่งหายากกว่าที่คิด เพราะจังหวะดี ๆ ในบทสนทนาส่วนใหญ่พึ่งพาคำถามที่มาก่อนหน้า และประโยคที่ต้องอธิบายบริบทอีกสามประโยคย่อมไม่ใช่ประโยคเด็ด

จากนั้นต้องย้อนไปเทียบกับเสียงจริงทุกประโยคก่อนเอาไปวางบนภาพหรือลงโพสต์ ข้อนี้ไม่มีข้อยกเว้น และเหตุผลก็ชวนอึดอัดอยู่ไม่น้อย เพราะจุดที่ระบบถอดเสียงอัตโนมัติพลาดบ่อยที่สุด กระจุกอยู่ตรงประโยคสะดุดหูที่คนอยากยกไปอ้างพอดี ทั้งคำเลือกใช้แปลก ๆ ศัพท์ที่คิดขึ้นเอง น้ำเสียงเน้นหนัก หรือคนพูดเร็วเพราะกำลังตื่นเต้น เงื่อนไขพวกนี้คือช่วงที่ข้อความเชื่อถือได้น้อยที่สุด และก็เป็นช่วงเดียวกับที่ผลิตประโยคซึ่งคุณอยากเอาไปขึ้นตัวโตเต็มภาพ

การตรวจสอบไม่ได้แพงเลยถ้ามีไทม์สแตมป์ กระโดดไปที่ตำแหน่งนั้น ฟังสิบห้าวินาที ยืนยันคำพูด ทำแบบนี้กับสี่ประโยคก็ใช้เวลาแค่สองสามนาที เทียบกับการอ้างคำพูดแขกรับเชิญของตัวเองผิดแล้วเผยแพร่ออกไป ราคานั้นแพงกว่ากันมาก

ตัดแต่งเล็กน้อยถือว่าเป็นธรรม เช่น ตัดคำอือ ตัดประโยคที่พูดค้างไว้ ใส่จุดไข่ปลาตรงที่ตัดวลีออก แต่การเขียนใหม่ให้สิ่งที่เขาพูดฟังดูเรียบร้อยขึ้นนั้นไม่ใช่ ต่อให้ฉบับที่เรียบร้อยกว่าจะเป็นสิ่งที่เขาตั้งใจจะสื่อชัด ๆ ก็ตาม

บทสรุปกับ Show Notes เขียนให้คนละคนอ่าน

บทสรุปมีไว้ให้คนที่ยังไม่ได้ฟังและกำลังตัดสินใจว่าจะฟังดีไหม มันจึงต้องอ่านรู้เรื่องในตัวเอง คือบอกว่าตอนนี้ว่าด้วยอะไร ใครมาร่วมรายการ ข้อถกเถียงหลักคืออะไร และทำไมถึงคุ้มกับเวลาหนึ่งชั่วโมง ควรบอกเนื้อหาไปเลย ไม่ใช่ปล่อยให้ค้างคา เพราะบทสรุปที่กั๊กประเด็นไว้จะอ่านเหมือนตัวอย่างหนัง แล้วคนก็กดข้ามตัวอย่างหนังกันทั้งนั้น

ส่วน Show Notes มีไว้ให้คนที่ฟังจบแล้ว หรือกำลังฟังอยู่โดยเปิดหน้านี้ค้างไว้ คนอ่านกลุ่มนี้อยากได้รายละเอียดที่ดึงออกจากไฟล์เสียงไม่ได้ ทั้งชื่อหนังสือที่ถูกพูดถึง บัญชีโซเชียลของแขกรับเชิญ งานวิจัยที่เถียงกัน เครื่องมือที่สะกดยาก ๆ และลิงก์ไปตอนก่อนหน้าที่อ้างถึง แชปเตอร์ก็อยู่ตรงนี้เช่นกัน คนอ่านกลุ่มนี้ไม่ต้องการให้ใครมาขายอะไรอีกแล้ว

ความผิดพลาดที่เจอบ่อยคือเขียนย่อหน้าเดียวแล้วให้มันทำงานทั้งสองหน้าที่ ผลลัพธ์คือสรุปก็คลุมเครือเกินกว่าจะมีประโยชน์ และรายการอ้างอิงก็น้อยเกินกว่าจะใช้ค้นหาอะไรได้ ให้เขียนแยกกันไปเลย ทั้งสองอันสั้นทั้งคู่

ถ้าปล่อยเวอร์ชันวิดีโอด้วย ช่องคำอธิบายบนแพลตฟอร์มวิดีโอถือเป็นผู้อ่านกลุ่มที่สาม ส่วนใหญ่มาจากการค้นหาหรือจากระบบแนะนำ การส่งตอนนั้นเข้าตัวสรุปที่ทำงานจากลิงก์ YouTube จะได้ร่างสำหรับช่องนั้นมาใช้ แต่ก็ยังต้องผ่านการเรียบเรียงอีกรอบเหมือนทุกอย่างในบทความนี้

ชื่อคนชื่อบริษัทคือส่วนที่ต้องถูกต้อง

ไฟล์ถอดเสียงทำให้คลังตอนเก่าค้นหาได้ และนั่นคือความต่างระหว่างคนฟังที่หาตอนซึ่งคุยเรื่องนั้นเจอ กับคนฟังที่ลองสองครั้งแล้วเลิกไป เสียงเป็นสิ่งที่ค้นหาไม่ได้ ข้อความค้นหาได้ คลังไฟล์ถอดเสียงเปลี่ยนบทสนทนาสามสิบชั่วโมงให้เป็นของที่คนเปิดเข้าไปดูข้างในได้จริง

ปัญหาคือคำที่มีโอกาสถอดผิดมากที่สุด ก็คือคำที่คนใช้ค้นหานั่นเอง ทั้งชื่อแขกรับเชิญ ชื่อบริษัท ชื่อผลิตภัณฑ์ พูดรวม ๆ คือคำนามเฉพาะ โดยเฉพาะคำที่ไม่ใช่คำทั่วไปในภาษานั้น มันแปลกโดยธรรมชาติ ระบบถอดเสียงจึงจับยาก และมันเฉพาะเจาะจงโดยธรรมชาติ จึงเป็นสิ่งที่คนพิมพ์ลงช่องค้นหา

ให้แก้ตรงนี้ก่อนเป็นอันดับแรก ก่อนจะเขียนอย่างอื่นทั้งหมด เปิดไฟล์ถอดเสียง ค้นหาชื่อทุกชื่อที่รู้ว่ามีอยู่ในตอนนั้น แล้วแก้ให้ครบทุกจุดในรอบเดียว ใช้เวลาไม่กี่นาที และผลจะไหลต่อไปเอง คือคำสะกดที่ถูกต้องจะไปโผล่ในชื่อแชปเตอร์ ในประโยคที่ยกมา ในบทสรุป และใน Show Notes โดยไม่ต้องมาไล่จับซ้ำอีกสี่รอบ ระวังชื่อที่ถอดผิดออกมาเป็นสองหรือสามแบบ เพราะการค้นหาแล้วแทนที่ครั้งเดียวจะจับได้แค่แบบเดียว

สิ่งที่ไฟล์ถอดเสียงทำให้ไม่ได้

มันไม่ใช่ Show Notes ของคุณ การเอาไฟล์ถอดเสียงดิบ ๆ ไปวางในช่อง Show Notes คือความผิดพลาดที่พบบ่อยที่สุดในกระบวนการทั้งหมดนี้ และมันอ่านแล้วแย่พอ ๆ กับที่ฟังดูแย่ คำพูดเต็มไปด้วยคำซ้ำ การเริ่มประโยคใหม่ ประโยคที่ทิ้งค้างกลางทาง และคำแทรกนอกเรื่อง ซึ่งตอนฟังแทบมองไม่เห็นเลย แต่บนหน้าจอมันโดดออกมาทันที คนฟังไม่ทันสังเกตว่าแขกรับเชิญพูดคำว่า “คือแบบ” ไปเก้าครั้ง แต่คนอ่านเห็นตั้งแต่วินาทีแรก

แถมยังไม่ตอบโจทย์ใครเป็นพิเศษด้วย คนที่กำลังตัดสินใจว่าจะฟังไหมไม่อยากได้ข้อความหมื่นหนึ่งพันคำ ส่วนคนที่ฟังจบแล้วต้องการลิงก์กับแหล่งอ้างอิง ไม่ใช่สิ่งที่เพิ่งฟังไปในเวอร์ชันที่แย่ลง มันอ่านเหมือนเนื้อหาถ่วงจำนวนคำ และเครื่องมือค้นหาก็อ่านเนื้อหาแบบนั้นออกมานานแล้ว

การเผยแพร่ไฟล์ถอดเสียงบนหน้าของมันเอง โดยระบุชัดว่านี่คือบทถอดเสียง เป็นคนละเรื่องกัน และเป็นสิ่งที่สมเหตุสมผลที่จะทำ มันมีไว้เพื่อการเข้าถึงและเพื่อการค้นหา และคนที่กดเข้าไปอ่านก็รู้อยู่แล้วว่าจะเจออะไร

การแปลงไฟล์ถอดเสียงให้กลายเป็นบทความที่อ่านได้จริงนั้นทำได้ และมันคืองานเขียนเต็มรูปแบบ ต้องจัดโครงใหม่ ตัดทิ้ง เติมบริบทที่น้ำเสียงเคยทำหน้าที่แทนแต่ตัวหนังสือทำไม่ได้ ถ้าจะทำก็กันเวลาไว้ให้พอ ไม่งั้นก็อย่าทำ ไฟล์ถอดเสียงช่วยให้คุณไม่ต้องลากแถบเลื่อน แต่ไม่ได้ช่วยให้ไม่ต้องเขียน และกระบวนการไหนที่สัญญาว่าจะช่วยเรื่องนั้นได้ ก็กำลังอธิบายถึง Show Notes ที่ไม่มีใครอ่าน