Cách tạo video AI từ con số 0 dựa trên prompt

Bài 3 đã đề cập đến các công cụ AI dùng để chỉnh sửa những thước phim có sẵn. Giờ đây, chúng ta sẽ thực hiện một quy trình hoàn toàn khác biệt: Tạo video từ con số không dựa trên các câu lệnh văn bản (prompt). Không cần máy quay, diễn viên hay bối cảnh thực tế - tất cả những gì bạn cần chỉ là một bản mô tả về nội dung mà mình muốn thấy.

Công nghệ tạo video AI đã có những bước tiến vượt bậc trong 12 tháng qua. Tuy nhiên, đây không phải là phép màu; công nghệ này có những ưu và nhược điểm cụ thể mà bạn cần nắm rõ trước khi ứng dụng vào quy trình sản xuất thực tế.

Các công cụ tạo video AI tiêu biểu

Sora 2 dẫn đầu về độ chân thực nguyên bản. Từ phong cảnh, kiến ​​trúc, thiên nhiên đến các cảnh quay tạo không khí — khi hoạt động hiệu quả, kết quả đầu ra không thể phân biệt được với cảnh quay thực tế. Gói Pro với giá 200 USD/tháng tuy đắt đỏ nhưng luôn mang lại chất lượng cao nhất.

Runway Gen-4.5 (ra mắt tháng 2 năm 2026) mang lại khả năng kiểm soát sáng tạo tối đa. Công cụ này hỗ trợ tham chiếu phong cách, duy trì sự nhất quán giữa nhiều cảnh quay và cho phép bạn chỉ đạo AI giống như một người quay phim thực thụ. Đây là lựa chọn lý tưởng cho các dự án đòi hỏi một phong cách thẩm mỹ cụ thể, thay vì chỉ đơn thuần là sự chân thực.

Google Veo 3.1 có khả năng tạo âm thanh đi kèm video — điều mà các công cụ khác chưa làm được. Ví dụ, cảnh sóng vỗ sẽ bao gồm cả tiếng sóng. Đây là công cụ mới hơn và hiện quyền truy cập còn hạn chế thông qua Vertex AI.

Kling mang lại giá trị tốt nhất cho nhu cầu sản xuất số lượng lớn. Gói miễn phí thực sự hữu ích cho việc thử nghiệm, trong khi các gói trả phí cung cấp kết quả ổn định cùng những tính năng độc đáo như "motion brush" và khả năng đồng bộ khẩu hình (lip-sync).

Những gì công nghệ tạo video AI làm tốt

Việc tạo video bằng AI đặc biệt hiệu quả với các loại nội dung sau:

• Cảnh quay bổ trợ (B-roll) tạo không khí: Cảnh quan thành phố, thiên nhiên, thời tiết, phông nền trừu tượng. Những cảnh này không đòi hỏi chi tiết cụ thể - cảm xúc và bầu không khí quan trọng hơn độ chính xác tuyệt đối.
• Trực quan hóa ý tưởng: Cho khách hàng thấy hình ảnh sản phẩm, hình dung ý tưởng trước khi bắt tay vào sản xuất, hoặc tạo bản xem trước chất lượng như kịch bản phân cảnh (storyboard).
• Nội dung mạng xã hội: Các đoạn clip ngắn cho Instagram, TikTok hoặc quảng cáo, nơi phong cách hình ảnh quan trọng hơn độ chính xác như ảnh chụp thực tế.
• Các góc quay "bất khả thi": Những góc máy đòi hỏi thiết bị đắt tiền (drone, cần cẩu, quay dưới nước) hoặc các địa điểm mà bạn không thể tiếp cận trực tiếp.

Những hạn chế của công nghệ tạo nội dung hiện nay

Hãy nhìn nhận thẳng thắn về các hạn chế. Việc nắm rõ chúng giúp bạn tránh lãng phí thời gian vào các câu lệnh (prompt) không mang lại kết quả khả dụng.

• Bàn tay và các cử động tinh vi: Cầm nắm đồ vật, gõ phím, chơi nhạc cụ hay bất kỳ thao tác tay cận cảnh nào. Các ngón tay thường bị dính vào nhau, đồ vật tự động dịch chuyển tức thời, và những quy luật vật lý bị phá vỡ.
• Văn bản dễ đọc: Biển báo, màn hình, bìa sách hay bất cứ thứ gì chứa nội dung chữ cụ thể. Các ký tự thường bị biến dạng, sai chính tả, và phông chữ thay đổi giữa những khung hình.
• Tính nhất quán của nhân vật: Việc duy trì ngoại hình giống hệt nhau cho cùng một nhân vật qua nhiều đoạn clip vẫn chưa ổn định. Mỗi lần tạo mới, khuôn mặt nhân vật thường có sự khác biệt đôi chút.
• Chuyển động tuân thủ quy luật vật lý: Rót chất lỏng, chuyển động cơ khí, các hoạt động thể thao hay bất kỳ tình huống nào đòi hỏi sự chính xác tuyệt đối về vật lý thực tế.
• Sản phẩm cụ thể: Hiển thị chính xác giao diện sản phẩm thực tế, logo hoặc bao bì để có thể sử dụng cho mục đích thương mại.

Các câu lệnh (prompt) tạo video hiệu quả

Chất lượng video được tạo ra phụ thuộc trực tiếp vào câu lệnh của bạn. Câu lệnh mơ hồ sẽ cho ra kết quả chung chung. Câu lệnh cụ thể sẽ tạo ra những thước phim có thể sử dụng được.

Cấu trúc câu lệnh tạo video

Mở ChatGPT (chat.openai.com), Claude (claude.ai) hoặc Gemini (gemini.google.com) và bắt đầu một cuộc trò chuyện mới.

Sao chép câu lệnh: 

[Chuyển động máy quay] + [Mô tả chủ thể] + [Hành động] +
[Bối cảnh/ánh sáng] + [Phong cách/chất lượng] + [Yêu cầu về thời lượng]

Cách điền thông tin chi tiết: Thay thế các phần trong ngoặc vuông [] bằng thông tin cụ thể từ tình huống thực tế của bạn. Đầu vào mơ hồ sẽ cho ra kết quả mơ hồ - hãy thật cụ thể.

Kết quả nhận được: Chỉ trong vài giây, AI sẽ đưa ra phản hồi có cấu trúc dựa trên câu lệnh trên. Hãy đọc kỹ và coi đó là bản nháp, không phải câu trả lời cuối cùng.

Cách xử lý kết quả: Lưu lại phản hồi vào file ghi chú (Notes). Chọn ra một gợi ý mang lại hiệu quả cao nhất và thực hiện nó trong tuần này — đừng cố làm tất cả mọi thứ cùng lúc.

Nếu kết quả chưa đạt yêu cầu: Nếu các gợi ý có vẻ chung chung, hãy nhập thêm câu lệnh bổ sung: "Hãy cụ thể hơn dựa trên bối cảnh thực tế của tôi. Bỏ qua những lời khuyên chung chung". Nếu AI bỏ sót các chi tiết quan trọng bạn đã cung cấp, hãy thêm nội dung: "Bạn đã bỏ sót [X] trong bối cảnh của tôi - hãy thực hiện lại với [X] là yêu cầu trọng tâm".

Câu lệnh yếu: 

Một chú chó đang chạy trong công viên

Câu lệnh tốt:

Cảnh quay tracking shot tầm trung một chú chó Golden Retriever đang chạy qua công viên có ánh nắng xuyên qua tán lá, lá thu rụng đầy mặt đất, ánh sáng chiều ấm áp, độ sâu trường ảnh nông, chất lượng điện ảnh 4K, quay chậm (slow motion)

Câu lệnh thứ hai xác định rõ: Chuyển động máy quay (tracking shot tầm trung), chủ thể (chó Golden Retriever), hành động (đang chạy), bối cảnh (công viên có nắng xuyên tán lá, lá mùa thu), ánh sáng (chiều ấm áp) và các yếu tố chất lượng (điện ảnh 4K, trường ảnh nông, quay chậm).

Mẹo để có câu lệnh (prompt) hiệu quả hơn

• Chỉ định chuyển động máy quay: lia máy (pan), nghiêng máy (tilt), di chuyển máy (dolly/tracking), quay từ trên cao (aerial), hoặc cố định (static)
• Mô tả ánh sáng: giờ vàng (golden hour), trời nhiều mây, đèn neon, ánh sáng studio, ngược sáng (backlit)
• Thêm các yếu tố chất lượng hình ảnh: đậm chất điện ảnh (cinematic), độ phân giải 4K, hiệu ứng hạt phim (film grain), độ sâu trường ảnh nông (shallow depth of field)
• Giữ hành động đơn giản — chỉ một chuyển động rõ ràng cho mỗi lần tạo video
• Tham chiếu các phong cách quay phim thực tế: "giống như cú máy góc rộng kiểu Wes Anderson" hoặc "phong cách phim tài liệu quay cầm tay"

Kiểm tra nhanh: Câu lệnh của bạn là "Một người phụ nữ ngồi làm việc với laptop trong văn phòng hiện đại". Video tạo ra trông khá đại trà và thiếu chiều sâu. Làm thế nào để cải thiện nó?

Đáp án: Hãy thêm các chi tiết cụ thể: "Cận cảnh qua vai một người phụ nữ mặc áo blazer màu xanh navy, đang gõ phím trên chiếc laptop màu bạc; bối cảnh văn phòng hiện đại với cửa sổ kính sát trần, ánh sáng ban ngày dịu nhẹ, độ sâu trường ảnh nông tập trung vào màn hình laptop, hiệu ứng chuyển nét tinh tế sang khuôn mặt cô ấy, tông màu ấm". Góc máy, trang phục, chi tiết bối cảnh, ánh sáng và kỹ thuật quay phim sẽ biến kết quả thông thường thành một sản phẩm có ý đồ nghệ thuật rõ ràng.

Phương pháp kết hợp cảnh quay thực tế và nội dung do AI tạo ra

Quy trình làm việc hiệu quả nhất là kết hợp giữa cảnh quay thực tế và nội dung do AI tạo ra. Hãy tự quay những gì có thể, và dùng AI để tạo ra những gì bạn không thể tự quay.

Một video YouTube điển hình có thể bao gồm 80% cảnh quay thực tế và 20% cảnh bổ trợ (B-roll) do AI tạo ra. Trong khi đó, tỷ lệ này ở quảng cáo trên mạng xã hội có thể là 50/50. Tỷ lệ cụ thể sẽ phụ thuộc vào loại nội dung, ngân sách và yêu cầu về chất lượng của bạn.

Những điểm chính cần lưu ý

• 4 công cụ tạo video hàng đầu: Sora (độ chân thực), Runway (khả năng kiểm soát sáng tạo), Veo (âm thanh), Kling (giá trị/hiệu suất sản xuất)
• Thế mạnh của AI tạo video: tạo cảnh bổ trợ (B-roll) giàu cảm xúc, trực quan hóa ý tưởng và thực hiện các góc quay bất khả thi
• Hạn chế của AI tạo video: xử lý bàn tay, văn bản, duy trì sự nhất quán của nhân vật và mô phỏng chuyển động chuẩn xác theo vật lý
• Câu lệnh (prompt) cần sự chi tiết: chuyển động máy quay + chủ thể + hành động + ánh sáng + phong cách + chất lượng
• Quy trình làm việc kết hợp (cảnh quay thực tế + nội dung do AI tạo) là giải pháp thực tiễn cho quá trình sản xuất