Lên kịch bản video AI은(는) 무엇을 하나요?
Kịch bản cho video AI khác kịch bản thường ở một điểm: công cụ AI chỉ hiểu những gì được mô tả rõ ràng. Vì vậy mỗi cảnh phải viết sao cho dán thẳng thành prompt được, không cần ai "hiểu ý" thêm.
Toàn bộ kịch bản, kể cả prompt, viết bằng tiếng Việt.
Kết quả của kỹ năng này là một file Markdown gồm: thông tin chung, câu phong cách cố định, bảng nhân vật và bối cảnh, danh sách cảnh, đoạn kết bất ngờ (câu chốt + sound effect + meme), và prompt hoàn chỉnh cho từng cảnh.
Mọi video đều kết thúc bằng một câu nói bất ngờ, hài hước; nói xong là cắt cứng sang sound effect vui và một đoạn meme ngắn rồi hết video (xem bước 5 và tham-khao/ket-bat-ngo-meme.md).
Quy trình
Làm lần lượt 6 bước. Không bỏ bước 1–2, vì mọi cảnh phía sau đều dựa vào chúng.
Bước 1 — Chốt các thông tin chung
Cần đủ 5 thông tin. Lấy từ yêu cầu của người dùng trước; chỉ hỏi những gì còn thiếu, gom vào một lần hỏi. Nếu người dùng bảo "cứ làm đi", tự chọn mặc định hợp lý và ghi rõ là giả định.
| Thông tin | Hỏi gì | Mặc định nếu không có |
|---|---|---|
| Mục tiêu | Quảng cáo, giáo dục, kể chuyện hay mạng xã hội? Sản phẩm/chủ đề là gì? | — (bắt buộc phải có chủ đề) |
| Nền tảng và khung hình | TikTok/Reels/Shorts (dọc 9:16), YouTube (ngang 16:9), bài đăng (vuông 1:1 hoặc 4:5)? | Dọc 9:16 |
| Thời lượng | Tổng bao nhiêu giây? | 30 giây |
| Thông điệp chính | Một câu duy nhất người xem cần nhớ | Tự đề xuất từ mục tiêu |
| Phong cách hình ảnh | Điện ảnh, hoạt hình 3D, hoạt hình Nhật, phim tài liệu, quay điện thoại tự nhiên…? | Điện ảnh, ánh sáng tự nhiên |
Thêm nếu có: công cụ AI sẽ dùng, giọng đọc, đối tượng khán giả, lời kêu gọi hành động (đặt trước câu chốt, hoặc thành chữ trên màn hình / chú thích bài đăng — không bao giờ sau câu chốt), nguồn meme cho đoạn kết (mặc định: tự tạo bằng Veo; hoặc video stock miễn phí; hoặc meme nổi tiếng — người dùng tự chịu rủi ro bản quyền).
Chọn nhân vật — luôn hỏi ở bước này, trong cùng lần hỏi trên:
- Tìm thư mục
nhanvat/ở thư mục làm việc hiện tại. Mỗi nhân vật là một thư mục con có filenhan-vat.md; đọc phần đầu (ma,ten,vai-tro,phong-cach-goc,tom-tat) của từng file và kiểm tra cóanh-tham-chieu.pngchưa. - Hỏi người dùng muốn dùng những nhân vật nào (chọn được nhiều), mỗi lựa chọn hiển thị: tên — tóm tắt — có ảnh tham chiếu hay chưa. Luôn kèm hai lựa chọn:
- Tạo nhân vật mới → gọi kỹ năng
tao-nhan-vat; tạo xong thì quay lại đây, nhân vật mới tự động được chọn. - Không dùng nhân vật có sẵn → video không có người, hoặc tự mô tả nhân vật ngay trong kịch bản như bước 3. Nếu có công cụ hỏi dạng lựa chọn mà số nhân vật nhiều hơn số lựa chọn cho phép, liệt kê danh sách bằng chữ và để người dùng gõ tên.
- Tạo nhân vật mới → gọi kỹ năng
- Nếu chưa có thư mục
nhanvat/hoặc thư mục trống, nói rõ thư viện nhân vật đang trống và hỏi: tạo nhân vật mới (tao-nhan-vat) hay tự mô tả trong kịch bản. - Nếu yêu cầu của người dùng đã nêu tên nhân vật trùng với thư mục có sẵn, chọn luôn và chỉ cần xác nhận.
Chọn bối cảnh — luôn hỏi ở bước này, trong cùng lần hỏi trên:
- Tìm thư mục
boi-canh/ở thư mục làm việc hiện tại. Mỗi bối cảnh là một thư mục con có fileboi-canh.md; đọc phần đầu (ma,ten,loai,cong-dung,phong-cach-goc,thoi-diem-mac-dinh,tom-tat) của từng file và đếm xem đã có bao nhiêu ảnh trong bộ 360 độ (toan-canh.png,huong-1-truoc.png…huong-4-trai.png). - Hỏi người dùng video dùng những bối cảnh nào (chọn được nhiều), với ba nhóm lựa chọn:
- Chọn bối cảnh đã có — mỗi lựa chọn hiển thị: tên — tóm tắt — số ảnh 360 độ đã có (ví dụ "đủ 4 hướng", "mới có toàn cảnh", "chưa có ảnh").
- Tạo bối cảnh mới → gọi kỹ năng
tao-boi-canh(tự động mở ChatGPT tạo bộ ảnh 360 độ); tạo xong thì quay lại đây, bối cảnh mới tự động được chọn. - Tự nhập mô tả bối cảnh → người dùng gõ mô tả ngay trong khung chat; dùng làm bối cảnh tự mô tả ở bước 3 (không có ảnh 360 độ).
Nếu có công cụ hỏi dạng lựa chọn mà số bối cảnh nhiều hơn số lựa chọn cho phép, liệt kê danh sách bằng chữ và để người dùng gõ tên.
Nói rõ khi người dùng chọn tự nhập mô tả cho một bối cảnh xuất hiện từ 2 cảnh trở lên: chỉ có chữ thì mỗi clip AI sẽ vẽ ra một căn phòng hơi khác (đồ vật đổi chỗ, cửa sổ đổi bên). Khuyên tạo bối cảnh có ảnh bằng
tao-boi-canh. Người dùng vẫn chọn tự nhập thì làm tiếp —chia-doan-8-giaysẽ tạo bộ khung gốc theo góc máy để bù lại, nhưng mô tả bối cảnh ở bước 3 phải ghi rõ vị trí đồ vật.
- Nếu chưa có thư mục
boi-canh/hoặc thư mục trống, nói rõ thư viện bối cảnh đang trống và chỉ hỏi: tạo bối cảnh mới (tao-boi-canh) hay tự nhập mô tả. - Nếu yêu cầu của người dùng đã nêu tên bối cảnh trùng với thư mục có sẵn, chọn luôn và chỉ cần xác nhận. Nếu người dùng đã tự mô tả bối cảnh trong yêu cầu, hỏi lại một câu: dùng mô tả đó luôn, hay lưu thành bối cảnh mới có ảnh 360 độ bằng
tao-boi-canh. - Nếu người dùng chọn cả tạo nhân vật mới lẫn tạo bối cảnh mới, làm
tao-nhan-vattrước,tao-boi-canhsau, rồi mới sang bước 2.
Bước 2 — Khoá câu phong cách
Viết một câu mô tả phong cách và dùng y nguyên câu đó ở cuối mọi prompt. Đây là thứ giữ cho các clip ăn khớp nhau khi ghép lại.
Gồm: thể loại hình ảnh + cách xử lý ánh sáng chung + tông màu + ống kính/chất liệu + khung hình.
phong cách điện ảnh, ánh sáng tự nhiên, tông màu ấm, ống kính 35mm, xoá phông nhẹ, hạt phim mịn, khung dọc 9:16
Ánh sáng cụ thể của từng cảnh (nắng sớm, đèn bàn buổi tối…) không nằm trong câu phong cách mà viết ở phần ánh sáng của prompt cảnh đó — nhờ vậy video có cả cảnh ngày lẫn đêm mà vẫn cùng một "chất".
Xem tham-khao/tu-vung-prompt.md để chọn từ ngữ về ánh sáng, ống kính, phong cách.
Bước 3 — Viết bảng nhân vật và bối cảnh cố định
AI rất dễ đổi mặt, đổi trang phục, đổi phòng giữa các cảnh. Với mỗi nhân vật và mỗi bối cảnh lặp lại, viết một đoạn mô tả cố định và dán lại y nguyên vào mọi prompt có xuất hiện nó.
Nhân vật lấy từ nhanvat/ (đã chọn ở bước 1):
- Dùng y nguyên mã
mavà đoạn "Mô tả cố định" trongnhan-vat.md— không viết lại, không rút gọn. Cần trang phục khác thì dùng mục "Biến thể trang phục"; nếu chưa có biến thể phù hợp, viết biến thể mới theo đúng quy tắc giữ nguyên mặt và tóc, rồi hỏi người dùng có muốn lưu biến thể đó vào hồ sơ nhân vật không. - Ghi đường dẫn hồ sơ và ảnh tham chiếu vào bảng nhân vật của kịch bản. Nếu nhân vật đã có
anh-tham-chieu.png, không cần viết lại prompt tạo ảnh tham chiếu; khuyên người dùng dùng ảnh đó với tính năng tham chiếu nhân vật / thành phần của công cụ, kèm một ảnh gócgoc-<n>-….pnggần nhất với góc máy của cảnh nếu hồ sơ có (bảng góc trong mục Ảnh củanhan-vat.md). Các ảnh này là chân dung nền trơn, nên cảnh có bối cảnh vẫn cần tạo khung đầu riêng có nhân vật trong bối cảnh. Nhân vật chưa có ảnh góc mà video có nhiều góc máy (nghiêng, sau lưng, góc thấp…), gợi ý người dùng bổ sung bằngtao-nhan-vat. - Nếu
phong-cach-goccủa nhân vật khác phong cách của video (ví dụ nhân vật hoạt hình 3D nhưng video điện ảnh chân thực), báo người dùng trước khi viết tiếp: đổi phong cách video, hay tạo lại ảnh tham chiếu theo phong cách mới. - Dùng y nguyên dòng "Giọng cố định" trong hồ sơ cho câu âm thanh của mọi cảnh nhân vật nói (cảm xúc của cảnh viết sau, không dùng từ đổi chất giọng như "trầm xuống", "the thé"); mục "Giọng nói" dùng làm ghi chú cách nói. Hồ sơ chưa có giọng cố định thì viết theo công thức của
tao-nhan-vat(bước 2) và hỏi có lưu vào hồ sơ không.
Nhân vật tự mô tả (không có trong nhanvat/) viết theo hướng dẫn dưới đây. Sau khi giao kịch bản, hỏi người dùng có muốn lưu nhân vật đó vào thư viện bằng tao-nhan-vat để dùng lại không.
Mô tả nhân vật cần đủ: giới tính, quốc tịch, độ tuổi, tóc (màu, độ dài, kiểu), dáng người, trang phục (màu + chất liệu + kiểu), một đặc điểm nhận dạng, biểu cảm mặc định.
Nhân vật A:
một phụ nữ Việt Nam khoảng 30 tuổi, tóc đen thẳng ngang vai, dáng mảnh, mặc áo len màu be rộng, đeo khuyên tai vàng nhỏ, nụ cười nhẹ
Bối cảnh lấy từ boi-canh/ (đã chọn ở bước 1):
- Dùng y nguyên mã
mavà đoạn "Mô tả cố định" trongboi-canh.md— không viết lại, không rút gọn. - Với mỗi cảnh, chọn hướng máy nhìn (
H1–H4) theo "Sơ đồ bốn hướng" trong hồ sơ, rồi nối đoạn bổ sung của hướng đó vào sau mô tả cố định trong prompt cảnh. Ánh sáng của cảnh phải khớp cột "Ánh sáng chính so với máy" của hướng đó. Đổi hướng giữa các cảnh để có góc nhìn đa dạng mà bối cảnh vẫn khớp. - Cảnh khác thời điểm mặc định (ví dụ cảnh tối) thì dùng câu ánh sáng trong mục "Biến thể thời điểm"; chưa có biến thể phù hợp thì tự viết, giữ nguyên đồ vật và bố trí, rồi hỏi người dùng có muốn lưu vào hồ sơ không.
- Ghi đường dẫn hồ sơ và các ảnh 360 độ vào bảng bối cảnh của kịch bản. Với mỗi cảnh, ghi ảnh hướng tương ứng (ví dụ
boi-canh/phong-khach/huong-1-truoc.png) làm ảnh tham chiếu bối cảnh: khi tạo ảnh khung đầu, tải lên cùng lúc ảnh tham chiếu nhân vật và ảnh hướng đó để công cụ ghép nhân vật vào đúng bối cảnh. - Nếu
phong-cach-goccủa bối cảnh khác phong cách của video, báo người dùng trước khi viết tiếp, như với nhân vật.
Bối cảnh tự nhập (người dùng gõ mô tả ở bước 1) hoặc tự đề xuất: giữ ý của người dùng, chỉ sắp xếp lại và bổ sung phần còn thiếu theo hướng dẫn dưới đây; nêu rõ phần nào tự thêm. Sau khi giao kịch bản, hỏi người dùng có muốn lưu bối cảnh đó vào thư viện bằng tao-boi-canh (có ảnh 360 độ) để dùng lại không.
Mô tả bối cảnh cần đủ: loại không gian, đồ vật chính, chất liệu, màu chủ đạo, nguồn sáng, thời điểm trong ngày — và vị trí của từng đồ vật lớn so với nhân vật (ví dụ "cửa sổ lớn rèm voan trắng ở bên trái, sau lưng ghế sofa; chậu cây xanh ở góc phải"). Thiếu vị trí thì AI tự đặt đồ vật mỗi clip một kiểu. Không tả một đồ vật vừa là chỗ nhân vật đang ngồi vừa là hậu cảnh phía sau họ (ví dụ nhân vật ngồi trên sofa thì hậu cảnh là tường và cửa sổ phía sau sofa, không phải "ghế sofa").
Quy tắc:
- Đặt tên gọi ngắn (
NV_A,BC_PHONGKHACH) để dùng trong danh sách cảnh, nhưng trong prompt cuối cùng phải thay bằng đoạn mô tả đầy đủ — công cụ AI không biếtNV_Alà ai. - Không đổi trang phục giữa các cảnh trừ khi kịch bản yêu cầu; nếu đổi thì viết mô tả mới (
NV_A_DONGU), giữ nguyên phần khuôn mặt và tóc. - Nếu công cụ cho tải ảnh tham chiếu lên (Runway, Kling, Veo, Midjourney, Hailuo…), khuyên người dùng tạo trước một ảnh nhân vật (chân dung chính diện, nền trơn) và dùng ảnh đó cho mọi cảnh. Viết sẵn prompt tạo ảnh tham chiếu này trong kịch bản.
Bước 4 — Chia kịch bản theo từng cảnh (danh sách cảnh)
Số cảnh: mỗi cảnh là một clip AI — càng ít cảnh càng ít tín dụng. Trừ 2–5 giây cho đoạn meme cuối (bước 5), phần còn lại chia cho độ dài clip của công cụ, làm tròn lên:
- Google Flow / Veo (clip 8 giây): số cảnh ≈ thời lượng ÷ 8. Ví dụ 15 giây → 2 cảnh + meme, 30 giây → 4 cảnh + meme, 60 giây → 7–8 cảnh + meme.
- Công cụ khác (clip 5–10 giây): số cảnh ≈ thời lượng ÷ độ dài clip.
Kịch bản người dùng đưa sẵn có nhiều cảnh ngắn (mỗi câu thoại một cảnh) thì gộp các cảnh ngắn liền nhau cho đủ số cảnh trên, theo quy tắc gộp bên dưới; nêu rõ những chỗ đã gộp.
Cấu trúc gợi ý (điều chỉnh theo mục tiêu):
- Cảnh 1 (3 giây đầu): câu móc — hình ảnh lạ, câu hỏi, hoặc vấn đề người xem đang gặp. Cài sẵn chi tiết mà câu chốt sẽ dùng tới.
- Các cảnh giữa: vấn đề → giải pháp → minh chứng / câu chuyện. Thông điệp chính và lời kêu gọi hành động (nếu có) nằm ở đây.
- Cảnh cuối: câu chốt bất ngờ — lời thoại cuối cùng của video (bước 5).
- Cảnh
M: sound effect + meme 2–5 giây, rồi hết video.
Chỉ có một câu chốt gây cười cho cả video — ở cảnh cuối. Các cảnh trước kể một mạch liền, không cảnh nào tự kết bằng câu đùa, tiếng cười, nhân vật bật cười / đứng hình / nhìn máy quay chờ phản ứng. Kể cả khi video dài và bị chia thành nhiều clip 8 giây, cuối mỗi clip chỉ là chỗ nối sang clip sau.
Mỗi cảnh có các cột:
| Cảnh | Thời lượng | Hình ảnh (mô tả ngắn) | Góc máy / chuyển động | Lời thoại / lời dẫn | Âm thanh |
|---|---|---|---|---|---|
| 1 | 5 giây | NV_A ngồi bên cửa sổ buổi sáng, cầm tách trà | Cận trung cảnh, máy đẩy chậm vào | "Bạn có bao giờ…" | Nhạc nhẹ |
Quy tắc khi chia cảnh:
- Một cảnh = một góc máy + một mạch hành động liền. AI làm kém khi một clip có nhiều hành động lớn rời rạc ("cô ấy đứng dậy, đi ra cửa, mở cửa và vẫy tay") — tách những cảnh như vậy. Nhưng một trao đổi qua lại ngắn trong cùng chỗ đứng (chồng chào → vợ trách; câu chốt → người kia nổi điên) là một cảnh, không tách mỗi câu một cảnh.
- Một chuyển động máy mỗi cảnh. Không kết hợp "lia trái rồi zoom vào".
- Gộp cảnh, quy tắc: tối đa hai người nói mỗi cảnh, mỗi người một lượt (A rồi B, không A → B → A); hai người cùng nói thì dùng trung cảnh thấy cả hai, hoặc giữ cận người nói chính và cho người kia nói từ ngoài khung. Ghi mốc giây từng người trong cột Lời thoại (ví dụ
Chồng (0–3 giây): "…" · Vợ (3,5–7,5 giây): "…"). - Với bối cảnh từ thư viện, ghi kèm hướng máy trong cột Hình ảnh, ví dụ
NV_A ngồi sofa — BC_PHONGKHACH/H1. - Độ dài lời thoại khớp thời lượng: tiếng Việt nói khoảng 2,5–3 chữ (âm tiết) mỗi giây → cảnh 5 giây chứa tối đa khoảng 12–15 chữ, cảnh 8 giây tối đa khoảng 18 chữ (cộng mọi người nói). Đếm và chuyển bớt sang cảnh sau nếu vượt.
- Lời thoại nhép miệng: chỉ dùng khi công cụ hỗ trợ khớp khẩu hình hoặc tạo âm thanh gốc (ví dụ Veo 3, Kling). Mặc định ưu tiên lời dẫn đọc ngoài hình để tránh khẩu hình sai.
- Đa dạng cỡ cảnh (toàn – trung – cận) để video có nhịp, nhưng giữ cùng hướng ánh sáng giữa các cảnh cùng bối cảnh.
- Khoá vị trí nhân vật (trục 180°): trong cùng một bối cảnh, nhân vật nào ở bên trái khung hình thì luôn ở bên trái và nhìn sang phải, người kia ngược lại — ghi vị trí này ngay dưới bảng cảnh. Cận cảnh mỗi người luôn thấy cùng một phần phòng sau lưng họ. Dùng ít góc máy và lặp lại (thường 2–4 góc mỗi bối cảnh) thay vì mỗi cảnh một góc mới; máy qua
... [phần còn lại giữ nguyên bản gốc đến hết, do đã cắt bớt]