DeepSeek เป็นโมเดลที่ใช้เหตุผลได้เก่ง แต่คุณส่งไฟล์เสียงหรือวิดีโอทั้งตอนให้มันไม่ได้ เพราะแอปไม่มีช่องอัปโหลดเสียง และ API ก็ไม่มี endpoint สำหรับถอดเสียง ลิงก์พอดแคสต์หรือไฟล์ mp4 จึงไม่มีที่ให้แนบ สิ่งที่ขาดไปคือขั้นตอนแปลงไฟล์: แปลงบันทึกเสียง/วิดีโอเป็นข้อความก่อน แล้วค่อยให้ DeepSeek ทำสิ่งที่มันถนัด BibiGPT คือขั้นตอนนั้น — วางลิงก์หรือไฟล์ในเครื่อง แล้วได้คำบรรยายพร้อม timestamp สรุปแยกตามบท และโน้ตกลับมา และตั้งแต่ DeepSeek เปิดซอร์ส agent harness เมื่อวันที่ 2026-08-13 คุณยังติดตั้ง BibiGPT เข้าไปเป็น skill ได้ด้วย ทำให้ agent ทำทั้งสองขั้นตอนเองได้ในตัว
Paste a podcast, lecture or video link — the transcript and chapter summaries come back in seconds, ready to hand to DeepSeek. The live BibiGPT app loads inline; no redirect.
DeepSeek ถอดเสียงจากไฟล์เสียงหรือวิดีโอเองไม่ได้ — ไม่มีช่องให้อัปโหลด และไม่มี endpoint สำหรับถอดเสียงให้เรียกใช้ ต้องแปลงเป็นข้อความก่อน แล้วค่อยส่งข้อความนั้นให้มัน BibiGPT ทำหน้าที่แปลงนี้ให้: วางลิงก์หรือไฟล์ในเครื่อง แล้วได้คำบรรยายพร้อม timestamp สรุปแยกตามบท และโน้ตกลับมา และเนื่องจาก DeepSeek เปิดซอร์ส agent harness เมื่อวันที่ 2026-08-13 คุณยังติดตั้ง BibiGPT เข้าไปเป็น skill ได้ ทำให้ agent ดึงลิงก์ แปลงไฟล์ และคิดวิเคราะห์ได้ครบในขั้นตอนเดียว
นี่ไม่ใช่การตำหนิตัวโมเดล แต่เป็นช่องว่างด้านการเชื่อมต่อ — รูปแบบข้อมูลที่ DeepSeek รับได้ กับรูปแบบเนื้อหาที่คุณมี ไม่ตรงกัน
แอปแชทของ DeepSeek ไม่มีช่องอัปโหลดเสียงหรือวิดีโอ และ API ก็ไม่มี endpoint สำหรับถอดเสียง อะไรก็ตามที่คุณอยากให้มันคิดวิเคราะห์ ต้องส่งเข้าไปในรูปข้อความเท่านั้น
การวาง URL ของ YouTube หรือพอดแคสต์ลงในแชท ให้โมเดลได้แค่ชุดตัวอักษร ไม่ใช่บทสนทนายาวสองชั่วโมงที่อยู่เบื้องหลัง มันจะเดาเอาจากชื่อเรื่องแทน — ซึ่งเป็นความผิดพลาดที่คุณอยากหลีกเลี่ยงพอดี
หลายคนลองใช้คำสั่งที่ยาวขึ้น เล่นสมมติบทบาท หรือแม้แต่บอกโมเดลให้ "ฟังให้ดีๆ" แต่ทางแก้ที่แท้จริงอยู่ต้นทาง: แปลงบันทึกเสียง/วิดีโอเป็นข้อความก่อน แล้วค่อยส่งข้อความนั้นเข้าไป
แค่วางลิงก์ครั้งเดียว บันทึกเสียง/วิดีโอก็กลายเป็นสามสิ่งที่โมเดลใช้เหตุผลต้องการจริงๆ ได้แก่ คำพูด จุดเวลาที่พูด และโครงสร้างทั้งหมดของเนื้อหา
ส่งออกเป็น SRT หรือ VTT เมื่อต้องใช้เวลา เป็นข้อความล้วนเมื่อต้องการแค่คำพูด หรือเป็น Markdown เมื่อจะนำไปใช้ใน Notion หรือ Obsidian
บันทึกที่ยาวจะถูกแบ่งเป็นช่วงๆ พร้อมสรุปของแต่ละช่วง ทำให้คุณป้อนเฉพาะส่วนที่สนใจให้ DeepSeek ได้ แทนที่จะยัดข้อความยาวเหยียดที่ไม่แยกส่วนเข้าไปทั้งก้อน
ลิงก์จาก YouTube, Bilibili, พอดแคสต์, TikTok, X และ Xiaohongshu ใส่ได้โดยตรง รวมถึงไฟล์เสียงหรือวิดีโอที่อยู่ในเครื่องของคุณก็ใช้ได้เช่นกัน
DeepSeek Harness (dsh) คือ agent harness แบบโอเพนซอร์สของ DeepSeek สัญญาอนุญาต MIT และตอนนี้อยู่ในสถานะ developer preview เปิดใช้งานด้วยคำสั่ง npx @deepseek-ai/dsh web ขั้นตอนด้านล่างจะเพิ่ม BibiGPT เข้าไป — แค่คำสั่งเดียว ไม่ต้อง clone อะไรเลย
dsh plugin --profile web add "github:JimmyLv/bibigpt-skill#path:/dsh-plugin" — ต้องใส่เครื่องหมายคำพูดไว้ด้วย เพราะ # จะกลายเป็นจุดเริ่มคอมเมนต์ในเชลล์ dsh จะส่งอาร์กิวเมนต์นี้ต่อให้ pnpm ซึ่งติดตั้งแพ็กเกจจากซับไดเรกทอรีของ git repo ได้โดยตรง จึงไม่ต้องเผยแพร่แพ็กเกจและไม่ต้อง clone ใดๆ ทั้งสิ้น ใช้ --profile tui หรือ --profile headless หากต้องการติดตั้งไปยัง profile เหล่านั้นแทน
harness ยังอ่าน skill จากดิสก์ได้โดยตรงเช่นกัน: คัดลอกโฟลเดอร์ skills/bibi ไปไว้ที่ ~/.agents/skills/ ก็จะถูกดึงมาใช้ได้ทันทีโดยไม่ต้องพึ่งพาอะไรเพิ่มเติม ไดเรกทอรีนี้ใช้ร่วมกับ agent อื่นๆ ที่รองรับ SKILL.md ได้ด้วย ทำให้คัดลอกครั้งเดียวใช้ได้ทั้ง Claude Code และ DeepSeek Harness พร้อมกัน
รีสตาร์ต profile เปิด command palette แล้วดูในกลุ่ม Skills — จะเจอ /bibi อยู่ที่นั่น ส่งลิงก์ให้แล้วขอสรุป คำบรรยาย หรือโน้ตแยกตามบท มันจะดึงลิงก์ แปลงไฟล์ และส่งข้อความกลับเข้ามาในบทสนทนา
ทั้งสองทางจบลงที่ DeepSeek ได้อ่านคำบรรยายเหมือนกัน ต่างกันตรงจำนวนหน้าต่างที่คุณต้องสลับไปมากว่าจะถึงจุดนั้น
| ขั้นตอน | Skill ของ BibiGPT ใน DeepSeek Harness | ทำเองด้วยมือ ไม่ใช้ skill |
|---|---|---|
| การได้มาซึ่งบันทึกเสียง/วิดีโอ | วางลิงก์ลงในบทสนทนา | ดาวน์โหลดวิดีโอหรือดึงไฟล์เสียงเอง |
| แปลงเป็นข้อความ | agent เรียกใช้ skill แล้วรอ | อัปโหลดไปยังบริการถอดเสียงที่ไหนสักแห่ง รอ แล้วดาวน์โหลดไฟล์ |
| นำเข้าสู่ DeepSeek | อยู่ในบทสนทนาอยู่แล้ว | เปิดคำบรรยาย คัดลอก วาง แล้วหวังว่าจะพอดี |
| บทและ timestamp | ได้มาพร้อมกับคำบรรยายเลย | สร้างขึ้นเองด้วยมือ หรือไม่ก็ปล่อยไปโดยไม่มี |
| ทำซ้ำสำหรับ 20 ตอน | คำสั่งเดิมคำสั่งเดียว วนซ้ำ | ทำขั้นตอนข้างต้นซ้ำ 20 รอบ |
จุดร่วมของทั้งสามแบบ: การคิดวิเคราะห์ไม่เคยเป็นคอขวด — คอขวดจริงๆ คือการทำให้บันทึกเสียง/วิดีโออยู่ในรูปแบบที่อ่านได้ต่างหาก
เลคเชอร์ยาวเก้าสิบนาทีกลายเป็นคำบรรยายพร้อม timestamp ที่แบ่งเป็นบทต่างๆ ป้อนเฉพาะช่วงที่คุณติดขัดให้ DeepSeek แล้วถกกับมันตรงจุดนั้น แทนที่จะวางข้อความดิบยาวเป็นชั่วโมงแล้วหวังว่าจะได้ผล
ดึงคำบรรยายออกจากวิดีโอสั้น แล้วให้ DeepSeek จัดโครงสร้างใหม่เป็นสคริปต์ เธรด หรือจดหมายข่าว คำบรรยายยังคงคำพูดที่ทำให้คลิปนั้นปังไว้ครบ ซึ่งถ้าใช้แค่สรุปจะทำให้ความรู้สึกนั้นหายไป
เมื่อติดตั้ง skill แล้ว agent ที่รันอยู่ใน DeepSeek Harness จะรับลิงก์ ได้ข้อความ และดำเนินการต่อได้เองโดยไม่ต้องมีคนคัดลอกอะไรเลย นี่คือสิ่งที่เปลี่ยนงานครั้งเดียวให้กลายเป็นงานที่รันทุกคืนกับฟีดทั้งหมดได้
ข้อมูลทั้งหมดในหน้านี้เกี่ยวกับ DeepSeek Harness มาจากตัวโปรเจกต์เองทั้งสิ้น
DeepSeek Harness — agent harness แบบโอเพนซอร์สของ DeepSeek สัญญาอนุญาต MIT อยู่ในสถานะ developer preview สร้างบน Cordis เผยแพร่เมื่อ 2026-08-13
deepseek-ai/deepseek-harness on GitHub ↗Skill ของ BibiGPT และ bundle สำหรับลงทะเบียนเข้ากับ harness รวมถึงพาธติดตั้ง ~/.agents/skills
JimmyLv/bibigpt-skill on GitHub ↗ไม่ได้ครับ แอป DeepSeek ไม่มีช่องอัปโหลดเสียงหรือวิดีโอ และ API ก็ไม่มี endpoint สำหรับถอดเสียง จึงไม่มีที่ให้ส่งบันทึกเสียงเข้าไป การจะนำเสียงเข้า DeepSeek ได้ ต้องแปลงเป็นข้อความด้วยเครื่องมือถอดเสียงแยกต่างหากก่อน แล้วค่อยวางหรือส่งข้อความนั้นเข้าไปในบทสนทนา
DeepSeek Harness หรือ dsh คือ agent harness แบบโอเพนซอร์สของ DeepSeek เผยแพร่บน GitHub เมื่อวันที่ 2026-08-13 ภายใต้สัญญาอนุญาต MIT และระบุว่าอยู่ในสถานะ developer preview สร้างขึ้นบนพื้นฐานของ Cordis และจัดโครงสร้างให้ทุกอย่างเป็นปลั๊กอิน ซึ่งเป็นวิธีที่ความสามารถจากภายนอก เช่น การอ่านวิดีโอ ถูกเพิ่มเข้าไปได้
skill คือโฟลเดอร์ที่มีไฟล์ SKILL.md อยู่ข้างใน โดย frontmatter ของไฟล์จะบอก agent ว่า skill นี้ทำอะไรและควรเรียกใช้เมื่อไหร่ DeepSeek Harness จะค้นหา skill จากดิสก์ รวมถึงไดเรกทอรีที่ใช้ร่วมกันอย่าง ~/.agents/skills ทำให้โฟลเดอร์เดียวกันใช้ได้กับหลาย agent ที่รองรับ SKILL.md พร้อมกัน
เหตุผลที่ผู้คนใช้ BibiGPT แปลงวิดีโอเป็นข้อความทุกวัน
ผู้ใช้กว่า 50,000 คนทั่วโลกไว้วางใจ
“แค่วางลิงก์ก็ได้ข้อความซับไตเติลที่เรียบร้อยในไม่กี่วินาที ช่วยประหยัดเวลาพิมพ์ซ้ำหลายชั่วโมงทุกสัปดาห์”
Maya R.
ครีเอเตอร์ · นำวิดีโอสั้นมาใช้ใหม่
“การส่งออกทรานสคริปต์ทำให้ฉันทบทวนคำศัพท์ใหม่ตามจังหวะของตัวเอง โดยไม่ต้องกดหยุดวิดีโอตลอดเวลา”
Daniel K.
ผู้เรียนภาษา · เรียนรู้จากวิดีโอจริง
“ข้อความแม่นยำพร้อมไทม์สแตมป์ที่นำไปอ้างอิงได้ทันที กลายเป็นส่วนหนึ่งของงานประจำวันของฉันไปแล้ว”
Priya S.
นักวิจัย · อ้างอิงงานบรรยายสาธารณะ
FAQ
ถามอะไรก็ได้
1 เครื่องมือสรุปวิดีโอ AI Bilibili ที่ดีที่สุดในปี 2026? BibiGPT รองรับ 30+ แพลตฟอร์มด้วยผู้ใช้ 1M+ วางลิงก์ Bilibili ใดๆ เพื่อสรุปแบบมีโครงสร้างทันที เปรียบเทียบ 5 อันดับเครื่องมือพร้อมระบบอัตโนมัติ AI agent
2 Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
3 Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
วางลิงก์หรือใส่ไฟล์ในเครื่อง — คำบรรยาย timestamp และสรุปแยกตามบทจะกลับมาภายในไม่กี่วินาที พร้อมส่งต่อให้ DeepSeek ทดลองใช้ฟรี ไม่ต้องสมัครสมาชิก
