AI tạo video hiện mạnh nhất ở các đoạn ngắn vài giây: một cảnh biển lúc bình minh, máy quay lia chậm qua ruộng bậc thang, một bức ảnh tĩnh được làm cho mây trôi, nước chảy. Những cảnh như vậy trước đây phải đi quay hoặc mua kho, giờ có thể phác trong vài phút.
Nhưng một đoạn phim kể chuyện có nhân vật, có thoại tiếng Việt, có hành động liên tục qua nhiều cảnh thì vẫn là việc khó với AI. Bài này nói thẳng nó làm được gì, vì sao nó còn vấp, và cách các nhóm làm nội dung nhỏ ở Việt Nam đang ghép AI vào quy trình mà không làm video trông giả.
Video khó hơn ảnh ở chỗ nào?
Một bức ảnh chỉ cần hợp lý trong một khoảnh khắc. Một đoạn video phải hợp lý qua hàng trăm khung hình liên tiếp: người đi thì chân phải bước đều, ly nước đổ thì nước phải rơi xuống, cái áo ở giây đầu phải còn là cái áo đó ở giây thứ năm. Mô hình tạo video phải giữ được cả hình dạng lẫn chuyển động, và mỗi khung hình là một cơ hội để lệch.
Về cơ chế, nhiều mô hình tạo video mở rộng ý tưởng gỡ nhiễu của ảnh sang cả chiều thời gian: thay vì gỡ nhiễu một khung, nó gỡ nhiễu cả một khối khung hình cùng lúc. Việc này đòi lượng tính toán rất lớn, nên đoạn video thường ngắn và độ phân giải bị giới hạn. Muốn dài hơn, người ta nối nhiều đoạn, và chỗ nối hay lộ.
Mô hình học chuyển động từ video có sẵn, chứ không học định luật vật lý. Nó biết sóng biển "thường trông thế nào", nhưng không biết vì sao. Vì vậy cảnh quen thuộc ra rất đẹp, còn cảnh lạ như người leo cau, đổ bột làm bánh xèo, xe máy chở hàng cồng kềnh thì hay ra những chuyển động kỳ quặc: tay xuyên qua vật, đồ vật tự biến mất.
Thêm một lớp khó nữa là âm thanh và khẩu hình. Ghép giọng nói tiếng Việt vào môi nhân vật đòi khớp sáu thanh điệu với dáng miệng. Các công cụ làm khẩu hình đã khá hơn nhiều, nhưng xem kỹ vẫn thấy môi chạy trước hoặc sau tiếng, nhất là khi nói nhanh.
Những việc AI tạo video đang làm tốt
Cảnh nền thiên nhiên. Mây, nước, rừng, ruộng, biển là loại cảnh mô hình học nhiều nên ra mượt.
Biến ảnh tĩnh thành ảnh động. Ảnh chụp homestay ở Sa Pa có thêm sương bay, khói bếp, rất hợp làm bài đăng.
Chuyển động máy quay giả lập. Lia, đẩy, kéo máy chậm qua một không gian cho cảm giác quay chuyên nghiệp.
Đoạn chuyển cảnh ngắn. Vài giây nối hai phần video, thay cho chuyển cảnh mẫu nhàm chán.
Phác ý tưởng cho khách duyệt. Đội làm quảng cáo dựng bản nháp hình ảnh để khách hình dung trước khi đi quay thật.
Hoạt hình đơn giản. Nhân vật phong cách minh họa trong đoạn ngắn dễ chấp nhận hơn người thật.
Tách nền, xóa vật thừa. Các công cụ chỉnh sửa có AI xóa người đi ngang, đổi bầu trời, nhanh hơn làm tay nhiều.
Phụ đề tự động. Nhận dạng giọng nói tiếng Việt ra phụ đề, rồi người soát lại, tiết kiệm nhiều giờ.
Dịch và lồng tiếng sang ngôn ngữ khác. Video hướng dẫn có thể có thêm bản tiếng Anh, tiếng Hàn để bán hàng ra ngoài, nhưng cần người biết tiếng soát.
Cắt video dài thành đoạn ngắn. Công cụ tìm đoạn hay trong buổi phát trực tiếp để làm video ngắn, người chọn lại.
Tăng độ nét video cũ. Làm nét, khử nhiễu video quay điện thoại đời cũ, dù chi tiết thêm vào là đoán.
Những chỗ AI tạo video còn dở
Nhân vật nhất quán qua nhiều cảnh. Cảnh một cô gái mặc áo dài xanh, cảnh hai áo đã đổi kiểu, mặt cũng hơi khác.
Tay và ngón tay khi thao tác. Cầm đũa, gõ phím, đan len thường lỗi rõ.
Vật lý của chất lỏng và va chạm. Rót cà phê, đổ nước mắm, bóng đá chạm chân hay ra chuyển động sai.
Chữ và biển hiệu. Chữ trong video còn tệ hơn trong ảnh vì phải giữ ổn định qua từng khung.
Cảnh đông người Việt Nam đặc thù. Chợ quê, ngã tư giờ tan tầm, đám cưới miền Tây thường bị biến thành cảnh châu Á chung chung.
Đoạn dài liền mạch. Càng dài càng dễ trôi lạc: đồ vật đổi chỗ, phông nền biến dạng.
Kiểm soát chính xác. Khó bảo nhân vật bước ba bước rồi quay trái đúng lúc nhạc đổi.
Khẩu hình nói nhanh. Môi và tiếng lệch nhau, nhất là chữ có thanh hỏi, ngã.
Cảm xúc tinh tế. Nét mặt chuyển từ ngạc nhiên sang xúc động thường giả.
Chi phí làm lại. Mỗi lần tạo lại tốn thời gian và lượt dùng; mười lần mới được một đoạn ưng là chuyện thường.
Tính trung thực. Video AI đặt cạnh video thật mà không ghi chú dễ làm người xem cảm thấy bị lừa.
Ghép AI vào quy trình làm video của nhóm nhỏ
Một nhóm ba người làm video du lịch cho homestay ở Hội An chia việc thế này: cảnh người, cảnh món ăn, cảnh chủ nhà trò chuyện thì quay thật bằng điện thoại. AI lo phần phụ: đoạn mở đầu mây trôi qua mái ngói, chuyển cảnh, phụ đề, bản lồng tiếng tiếng Anh. Video vẫn có hồn người thật, nhưng làm nhanh hơn trước nhiều.
Quy trình gợi ý: viết kịch bản trước, đánh dấu cảnh nào bắt buộc thật, cảnh nào có thể dùng AI. Cảnh có sản phẩm, có người, có lời chứng thực thì luôn thật. Cảnh không khí, cảnh ý niệm, cảnh minh họa khái niệm thì cân nhắc AI. Ghi rõ trong mô tả video nếu có đoạn tạo bằng AI.
Một sai lầm hay gặp là dựng nguyên một video quảng cáo bằng AI cho nhanh rồi đăng. Người xem bây giờ nhận ra cảm giác "da mịn, chuyển động trôi" rất nhanh và lướt qua. Với thương hiệu nhỏ, sự chân thật thường là lợi thế cạnh tranh lớn nhất, đừng đánh đổi nó.
Còn một ranh giới không được vượt: không dùng AI tạo video người thật nói điều họ chưa nói, kể cả để đùa. Video giả mạo lãnh đạo, người nổi tiếng hay người quen là công cụ quen thuộc của lừa đảo và có thể vi phạm pháp luật. Nếu cần nhân vật nói, dùng chính mình hoặc nhân vật hư cấu rõ ràng.
Viết câu lệnh cho video khác gì câu lệnh cho ảnh?
Tả chuyển động, không chỉ tả cảnh. Ngoài chủ thể và bối cảnh, ghi rõ cái gì chuyển động và chuyển động thế nào: lá rung nhẹ, người đi chậm về phía máy.
Một hành động mỗi đoạn. Đoạn vài giây chỉ nên có một việc chính. Hai ba hành động nối nhau dễ rối.
Tả chuyển động máy quay riêng. Máy đứng yên, lia chậm sang phải, đẩy chậm vào gần. Tách riêng với chuyển động của nhân vật.
Bắt đầu từ một ảnh đạt. Tạo hoặc chụp ảnh khung đầu ưng ý, rồi cho AI làm chuyển động từ ảnh đó, dễ kiểm soát hơn tạo từ chữ.
Giữ tốc độ chậm. Chuyển động chậm thường ít lỗi hơn chuyển động nhanh.
Tránh cận cảnh tay thao tác. Nếu cảnh cần tay làm việc tỉ mỉ, quay thật.
Ghi thời điểm trong ngày. Bình minh, trưa nắng, chiều muộn giúp ánh sáng nhất quán khi nối nhiều đoạn.
Dùng cùng mô tả nhân vật cho mọi đoạn. Chép nguyên đoạn tả nhân vật vào từng câu lệnh để giảm lệch, dù không hết hẳn.
Tạo nhiều, chọn ít. Tỷ lệ đoạn dùng được thấp hơn ảnh, chuẩn bị tinh thần tạo nhiều lần.
Không đặt chữ trong cảnh. Chữ, logo thêm ở khâu dựng phim.
Ghi lại công thức đạt. Lưu câu lệnh, cài đặt của đoạn ưng ý để làm loạt video cùng phong cách.
Câu hỏi thường gặp
AI có làm được cả một video dài từ một câu lệnh không?
Một số công cụ có thể nối nhiều đoạn thành video dài hơn, nhưng chất lượng và tính nhất quán giảm rõ. Phần lớn video dùng được vẫn là ghép nhiều đoạn ngắn có người biên tập.
Video AI có đăng lên mạng xã hội kiếm tiền được không?
Tùy chính sách từng nền tảng; nhiều nơi yêu cầu gắn nhãn nội dung do AI tạo nếu trông giống thật. Nội dung lặp lại, thiếu giá trị riêng dễ bị hạn chế phân phối.
Cần máy tính mạnh để làm video AI không?
Dùng dịch vụ trực tuyến thì không cần máy mạnh, chỉ cần mạng ổn định. Chạy mô hình trên máy riêng thì cần card đồ họa rất mạnh và nhiều bộ nhớ.
Làm sao nhận biết video giả mạo bằng AI?
Để ý môi lệch tiếng, chớp mắt lạ, viền tóc và tai nhòe, ánh sáng trên mặt không khớp nền. Quan trọng hơn là kiểm nguồn: video gây sốc từ tài khoản lạ thì đừng tin và đừng chia sẻ vội.
Có nên dùng AI làm video giới thiệu sản phẩm?
Phần sản phẩm nên quay thật để khách thấy đúng hàng. AI hợp cho phần mở đầu, cảnh nền, phụ đề và bản dịch.