Cập nhật lần cuối: 2026-07-13
Các mô hình text-to-video và image-to-video vào năm 2026 (Veo 3.1, Kling 3.0, Runway Gen-4.5, Sora 2) đã đủ tốt để ra mắt, nhưng chỉ khi bạn đạo diễn chúng như một nhà quay phim chứ không phải công cụ tìm kiếm. Kỹ thuật này không còn là "miêu tả một cảnh đẹp" nữa — mà là viết một cú máy với một chuyển động máy quay rõ ràng, giữ cố định chủ thể qua các phân đoạn, và ghép các đoạn ngắn thành một tổng thể có vẻ liền mạch. Chương này cung cấp cho bạn công thức prompt cho từng cú máy, các quy tắc kỷ luật để phân biệt các clip dùng được với việc quay lại như máy đánh bạc, và một quy trình dựng hình thực tế.
Điều quan trọng nhất
- Mỗi prompt clip chất lượng điền vào năm ô theo thứ tự này: Quay phim (loại cú máy + chuyển động máy quay) → Chủ thể (mô tả cụ thể) → Hành động (một hành động liên tục) → Bối cảnh (địa điểm, thời gian, ánh sáng) → Phong cách & Không khí (chất phim, tâm trạng, màu sắc). Đây là cấu trúc Veo chính thức do Google khuyên dùng và nó áp dụng được cho mọi mô hình.
- Đặt máy quay lên đầu. Các mô hình trọng số phần đầu của prompt rất nặng, vì vậy hãy dẫn đầu bằng khung hình và chuyển động máy quay ('Slow dolly-in, medium shot of...') thay vì giấu nó ở cuối.
- Cụ thể về chủ thể: 'a woman in her twenties with wavy brown hair and light freckles, red wool coat' vượt trội hơn 'a stylish woman.' Danh tính mơ hồ là nguyên nhân số 1 gây lệch lạc giữa các cú máy.
- Gọi tên ánh sáng rõ ràng — 'harsh fluorescent overhead + green monitor glow,' 'warm low-key single key from frame left.' Hướng ánh sáng và nhiệt độ màu là điểm neo ngầm cách mô hình tái tạo khuôn mặt và vật liệu.
- Thêm âm thanh một cách có chủ đích trên các mô hình tạo ra nó (Veo, Kling, Sora 2): đặt các câu thoại trong ngoặc kép, gắn thẻ SFX ('SFX: distant thunder'), và thiết lập không khí ('Ambient: quiet hum of a starship bridge'). Âm thanh không xác định sẽ bị lấp đầy bằng tiếng ồn chung.
- Từ vựng loại cú máy phân tích đáng tin cậy: wide/establishing, medium, two-shot, close-up, extreme close-up, low angle, high angle, over-the-shoulder, POV, reverse shot.
Các lỗi phổ biến cần tránh
- Đừng chồng chất năm tính từ 'cinematic/epic/beautiful' — chúng không mang lại gì và lấn át hướng dẫn cụ thể mà mô hình có thể thực hiện.
- Đừng mô tả hai thiết lập ánh sáng hoặc hai địa điểm trong một clip; mô hình sẽ trộn chúng lại thành một hỗn hợp ('concept bleed').
- Tránh các từ phủ định ('no blur, not cartoonish') trên hầu hết các mô hình — chúng thường triệu hồi chính thứ bạn đang loại trừ. Thay vào đó, hãy mô tả những gì bạn THỰC SỰ muốn.
- Hai chuyển động đồng thời ('zoom while panning while craning') là nguyên nhân phổ biến nhất gây ra vẻ ngoài 'lỏng lẻo/như cao su' — hãy chọn một.
Phiên bản ngắn gọn
- Viết các cú máy, không phải cảnh: Quay phim → Chủ thể → Hành động → Bối cảnh → Phong cách, với chuyển động máy quay được đặt ở đầu và ánh sáng/âm thanh được gọi tên rõ ràng.
- Một clip = một chuyển động máy quay + một hành động chủ thể. Bất kỳ thứ gì nhiều hơn sẽ chia thành nhiều clip và được cắt ghép lại trong khâu hậu kỳ.
- Sự nhất quán đến từ các tính năng + khung hình, chứ không phải văn xuôi: sử dụng tính năng reference/Ingredients/cameo của từng mô hình, nối một khung hình xuất sắc sắc nét sang cú máy tiếp theo, và khóa từ vựng nhận diện một cách nguyên văn.
- Khớp phương ngữ với mô hình: Veo = cấu trúc/neo tham chiếu, Kling = kịch bản có mã thời gian, Runway = động từ vật lý/lực + mã máy quay, Sora 2 = ngôn ngữ nhân quả 'lý do nó xảy ra'.
- Bản chụp mô hình (Tháng 7 năm 2026): Veo 3.1 cho hero/bầu không khí + âm thanh gốc; Kling 3.0 cho giá trị và clip dài; Runway Gen-4.5 cho công cụ chỉnh sửa và lặp lại; Sora 2 cho vật lý và cameo likeness — xác minh thông số kỹ thuật trước khi trích dẫn, chúng thay đổi hàng tháng.
Đây là một phần của toàn bộ hệ thống. Nhận cả mười — khung câu lệnh, mẫu sao chép-dán, ví dụ thực tế và các lựa chọn công cụ năm 2026 — trong The AI Creator's Playbook: nhận trọn bộ cẩm nang 70 trang ▸