Cách viết prompt tạo video AI chất lượng

Ở bài 4, bạn đã tạo ra những video AI đầu tiên của mình. Có lẽ bạn đã nhận thấy rằng các câu lệnh (prompt) đơn giản sẽ tạo ra kết quả đơn giản (và đôi khi kỳ quặc). Giờ đây, bạn sẽ tìm hiểu lý do tại sao một số câu lệnh tạo ra những video tuyệt đẹp trong khi số khác chỉ cho ra kết quả tầm thường - và điều này hoàn toàn không phụ thuộc vào việc viết câu lệnh dài hơn.

Sự khác biệt giữa một câu lệnh tệ và một câu lệnh xuất sắc không nằm ở độ dài, mà nằm ở tính cụ thể. Và yếu tố quyết định chính là 4 thành phần sau đây.

4 yếu tố làm nên một câu lệnh tạo video xuất sắc

Mỗi câu lệnh tạo video AI hiệu quả đều mô tả 4 khía cạnh:

1. Chủ thể (những gì xuất hiện trong khung hình)

Không chỉ đơn thuần là "một chú chó" - mà là loại chó nào? Ở đâu? Đang làm gì? Xung quanh nó có gì?

2. Chuyển động (cái gì chuyển động và chuyển động như thế nào)

Đây là yếu tố quan trọng nhất đối với video nhưng lại là điều mà hầu hết mọi người thường bỏ quên. AI cần biết những gì sẽ chuyển động, tốc độ ra sao và theo hướng nào.

Các từ khóa về chuyển động mà AI hiểu được:

• Tốc độ: chậm, nhanh, nhẹ nhàng, đột ngột
• Hướng: trái sang phải, hướng lên, về phía camera, ra xa camera
• Kiểu chuyển động: trôi, xoay, nảy, đung đưa, nhấp nháy

3. Camera (Góc nhìn)

Đây là yếu tố giúp bạn tạo ra kết quả trông chuyên nghiệp. Việc sử dụng các thuật ngữ điện ảnh sẽ chỉ dẫn chính xác cho AI cách bố cục khung hình và di chuyển "camera ảo".

Vị trí đặt camera:

• Cận cảnh (Close-up): Lấp đầy khung hình bằng khuôn mặt chủ thể hoặc một chi tiết nhỏ
• Trung cảnh (Medium shot): Hiển thị chủ thể từ phần eo trở lên
• Toàn cảnh (Wide shot / establishing shot): Hiển thị toàn cảnh, chủ thể trông nhỏ trong khung hình
• Góc thấp (Low angle): Camera hướng lên chủ thể (tạo cảm giác uy quyền, mạnh mẽ)
• Góc nhìn từ trên cao (Bird's eye view / overhead): Nhìn thẳng xuống
• Ngang tầm mắt (Eye-level): Góc nhìn tự nhiên, tạo cảm giác gần gũi nhất

Các chuyển động camera:

• Lia máy (Pan): Camera xoay sang hai bên (giống như hành động quay đầu)
• Nghiêng máy (Tilt): Camera xoay lên hoặc xuống (giống như hành động gật đầu)
• Dolly / đẩy vào (Push in): Camera di chuyển về phía chủ thể
• Chạy theo chủ thể (Tracking shot): Camera di chuyển song song cùng chủ thể
• Quay từ trên cao (Crane shot): Camera di chuyển theo chiều thẳng đứng (lên/xuống)
• Tĩnh / cố định (Static / locked off): Camera hoàn toàn không di chuyển

Kiểm tra nhanh: Sự khác biệt giữa "lia máy" (pan) và "chạy theo chủ thể" (tracking shot) là gì?

Câu trả lời: Lia máy là hành động camera xoay tại chỗ - giống như đứng yên và quay đầu. Chạy theo chủ thể là hành động camera thực sự di chuyển song song cùng chủ thể - giống như đi bộ bên cạnh một người nào đó.

4. Cảm xúc / Không khí (Ánh sáng, màu sắc, bầu không khí)

Ánh sáng ảnh hưởng mạnh mẽ đến chất lượng và cảm giác của video do AI tạo ra. Các thuật ngữ cụ thể về ánh sáng sẽ mang lại kết quả tốt hơn nhiều so với những mô tả chung chung. Các thuật ngữ về ánh sáng mà AI hiểu rõ:

• Golden hour (Giờ vàng): Ánh sáng màu cam vàng ấm áp từ mặt trời ở vị trí thấp
• Overcast / soft light (Trời nhiều mây / ánh sáng dịu): Ánh sáng đều, tán xạ, không tạo ra bóng đổ gắt
• Neon-lit (Ánh sáng đèn neon): Ánh sáng nhân tạo nhiều màu sắc (rất hợp cho cảnh đêm đô thị)
• Rim lighting / backlit (Ánh sáng viền / ngược sáng): Ánh sáng chiếu từ phía sau chủ thể, tạo ra đường viền sáng rực
• High contrast (Độ tương phản cao): Sự khác biệt rõ rệt giữa vùng sáng và vùng tối
• Harsh midday sun (Nắng gắt giữa trưa): Ánh sáng mạnh chiếu từ trên cao, tạo bóng đổ đậm nét

Ví dụ thực tế: Xây dựng câu lệnh (prompt) từng bước một

Hãy biến đổi một câu lệnh đơn giản thành một câu lệnh ấn tượng:

Điểm khởi đầu: "Một con mèo trên bệ cửa sổ"

Thêm chi tiết về chủ thể: "Một con mèo mướp màu cam, mắt xanh lá cây đang ngồi trên bệ cửa sổ bằng đá rộng"

Thêm chuyển động: "Con mèo chớp mắt chậm rãi, rồi quay đầu nhìn ra bên ngoài. Đuôi nó đung đưa nhẹ nhàng".

Thêm góc máy: "Cận cảnh trung, ngang tầm mắt với con mèo. Máy quay từ từ tiến lại gần".

Thêm không khí/tâm trạng: "Ánh nắng chiều ấm áp chiếu qua cửa sổ. Hậu cảnh được làm mờ nhẹ, để lộ màu xanh của khu vườn. Không gian ấm cúng, yên bình".

Câu lệnh (prompt) hoàn chỉnh:

Một chú mèo mướp màu cam với đôi mắt xanh lục đang ngồi trên bệ cửa sổ bằng đá rộng rãi. Chú mèo chớp mắt chậm rãi, sau đó quay đầu nhìn ra bên ngoài. Cái đuôi của nó đung đưa nhẹ nhàng. Góc quay cận cảnh trung, ngang tầm mắt mèo. Máy quay từ từ tiến lại gần. Ánh sáng ấm áp của buổi chiều tràn qua cửa sổ, hậu cảnh được làm mờ nhẹ để lộ màu xanh của khu vườn.

Đây là một câu lệnh sẽ tạo ra một đoạn video AI thực sự chất lượng.

Kiểm tra nhanh: Trong câu lệnh về chú mèo ở trên, hãy xác định cả 4 yếu tố.

Đáp án: Chủ thể - mèo mướp cam mắt xanh trên bệ cửa sổ đá. Chuyển động - chớp mắt, quay đầu, đuôi đung đưa. Máy quay - cận cảnh trung, ngang tầm mắt, từ từ tiến lại gần. Không khí/Bối cảnh - ánh sáng chiều ấm áp, hậu cảnh mờ nhẹ, khu vườn mờ ảo.

Những điều KHÔNG NÊN đưa vào prompt tạo video

Tránh các từ ngữ mơ hồ về chất lượng: "Đẹp, lộng lẫy, tuyệt vời, chất lượng cao, chuyên nghiệp, đậm chất điện ảnh" - những từ này không cung cấp thông tin hình ảnh cụ thể cho AI. Thay vào đó, hãy sử dụng các thuật ngữ cụ thể về ánh sáng, góc máy và bố cục.

Tránh nhiều hành động không liên quan: "Một con chó chạy, một con chim bay, trời bắt đầu mưa, rồi một chiếc ô tô chạy qua" - AI xử lý một hành động rõ ràng trong mỗi đoạn video tốt hơn nhiều so với một chuỗi các sự kiện.

Tránh đưa văn bản vào video: "Một tấm biển ghi GIẢM GIÁ 50%" - AI rất kém trong việc hiển thị văn bản dễ đọc. Hãy thêm văn bản bằng phần mềm chỉnh sửa sau khi tạo video.

Tránh quá nhiều chủ thể: "Một bãi biển đông đúc với 50 người" - AI sẽ làm nhòe, nhân bản hoặc làm biến dạng hình ảnh nhiều người. Chỉ nên giới hạn tối đa 1-3 chủ thể.

Thử viết lại ba câu lệnh

Hãy lấy những câu lệnh chưa tốt dưới đây và viết lại chúng bằng cách sử dụng đầy đủ 4 yếu tố cần thiết đã nêu ở trên:

1. Chưa tốt: "Cảnh hoàng hôn" → Thêm chi tiết về chủ thể, chuyển động, góc máy và không khí/bối cảnh
2. Chưa tốt: "Một người đang đi bộ" → Làm cho nó cụ thể và có thể quay phim được
3. Chưa tốt: "Đồ ăn trên bàn" → Biến nó thành một cảnh quay quảng cáo đồ ăn

Hãy tạo ít nhất một trong số các video này bằng công cụ AI của bạn và so sánh kết quả với những gì bạn đã tạo ra từ những câu lệnh đơn giản hơn ở bài 4.

Thử ngay: Công cụ xây dựng câu lệnh gồm 4 yếu tố cần thiết

Hãy đóng vai chuyên gia thiết kế câu lệnh cho video AI của tôi. Hãy tạo một câu lệnh hoàn chỉnh (có thể sao chép và dán ngay) dựa trên khung 4 yếu tố - chủ thể, chuyển động, góc máy, bầu không khí - được tinh chỉnh chính xác cho cảnh quay của tôi.

Ý tưởng thô của tôi:
- Mô tả ngắn gọn: [ví dụ: "chiếc cốc gốm đựng cà phê đang bốc khói"]
- Chi tiết CHỦ THỂ (cần cụ thể): [là gì / màu sắc / kích thước / kết cấu / đặc điểm nhận dạng]
- CHUYỂN ĐỘNG (cái gì di chuyển, tốc độ, hướng di chuyển): [chỉ liệt kê 1-2 chuyển động — AI xử lý tốt 1 hành động nhưng thường làm hỏng nếu có từ 3 hành động trở lên]
- GÓC MÁY (loại khung hình + chuyển động máy + góc quay): [toàn cảnh/trung cảnh/cận cảnh; tĩnh/lia máy/tiến lại gần/di chuyển máy (dolly); ngang tầm mắt/góc thấp/góc cao]
- BẦU KHÔNG KHÍ (ánh sáng + hậu cảnh + cảm giác): [giờ vàng/giờ xanh/đèn softbox/đèn neon; mơ màng/tâm trạng/ấm áp]
- Công cụ tôi sẽ sử dụng: [Kling / Runway / Luma / Pika / Veo / khác]
- Thời lượng: [5 / 8 / 10 giây]

Kết quả đầu ra:
1. Câu lệnh video hoàn chỉnh (30-60 từ) kết hợp cả 4 yếu tố.
2. Phiên bản "tối giản" của cùng câu lệnh đó (dưới 20 từ) dành cho trường hợp bị giới hạn số lượng từ.
3. Ba điều mà câu lệnh của tôi KHÔNG đề cập đến (và không nên có) - các lỗi thường gặp như "làm cho nó đẹp", "chữ xuất hiện trên màn hình", hoặc "năm người tương tác với nhau".
4. Danh sách câu lệnh phủ định cho các công cụ hỗ trợ tính năng này (ví dụ: "mờ nhòe, bàn tay bị biến dạng, lỗi hiển thị văn bản, nhiều người, khuôn mặt bị biến đổi hình dạng").
5. Dự đoán lỗi có thể xảy ra + câu lệnh bổ sung cụ thể để khắc phục lỗi đó.

QUY TẮC BẮT BUỘC:
- Không tạo câu lệnh có hình ảnh người thật có thể nhận diện được (người nổi tiếng, chính trị gia, đồng nghiệp, người yêu cũ) nếu không có văn bản đồng ý hợp lệ. Liên quan đến các vấn đề pháp lý về deepfake: Đạo luật TAKE IT DOWN (Mỹ), Đạo luật ELVIS (Tennessee), luật NY 50-f, và luật NCII của các tiểu bang.
- Không tạo câu lệnh liên quan đến trẻ vị thành niên dưới 18 tuổi trong bất kỳ bối cảnh nào. Từ chối và chuyển hướng yêu cầu.
- Không tạo câu lệnh mô tả nội dung mang tính khiêu dâm hoặc gợi dục, bất kể chủ thể là gì. Hầu hết các công cụ video thương mại đều cấm hành động này theo Điều khoản Dịch vụ (ToS), và nhiều bang đã ban hành luật cụ thể về nội dung AI liên quan đến lạm dụng tình dục trẻ em (AI-CSAM).
- Không sử dụng các nhân vật đã được đăng ký nhãn hiệu (như Mickey Mouse, Elsa, Pokémon) hoặc tái tạo các cảnh phim có bản quyền - thay vào đó, hãy sử dụng các mô tả mang tính khái quát.
- Không đưa vũ khí, máu me hoặc bạo lực vào các video dành cho các nền tảng mạng xã hội phổ biến; hệ thống kiểm duyệt tự động của chúng thường gắn cờ video do AI tạo ra nhanh hơn so với nội dung do con người làm ra.
- Tránh sử dụng cụm từ "theo phong cách của [tên nghệ sĩ còn sống]" - do đang có các vụ kiện như Andersen kiện Stability AI hay Getty kiện Stability AI. Hãy sử dụng các mô tả về trường phái hoặc giai đoạn nghệ thuật: thay vì "lấy cảm hứng từ Studio Ghibli", hãy dùng "phong cách anime vẽ tay"; thay vì "Wes Anderson", hãy dùng "bố cục đối xứng tông màu pastel với chủ thể nằm ở trung tâm".
- Nếu câu lệnh (prompt) mô tả một địa điểm thực tế có sự hiện diện của cá nhân (như nhà riêng hoặc trường tư thục): hãy chuyển đổi thành mô tả về một địa điểm tương đương mang tính khái quát.
- Nếu tạo nội dung để phát hành tại EU/Vương quốc Anh: Điều 50 của Đạo luật AI EU yêu cầu phải hiển thị rõ ràng thông báo "do AI tạo ra". Hãy đưa yêu cầu này vào quy trình sản xuất ngay từ bây giờ.
- Nếu tạo nội dung phục vụ mục đích chính trị: 46 bang tại Hoa Kỳ yêu cầu phải công khai thông tin về việc sử dụng AI trong các chiến dịch tranh cử. Hãy đảm bảo nhãn thông báo này xuất hiện ngay trong khung hình.

Cách điền thông tin: Thay thế các phần trong ngoặc vuông [] hoặc những nội dung giữ chỗ 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.

Những gì bạn sẽ nhận được: Một câu lệnh (prompt) dài 30-60 từ có thể sao chép ngay, một phương án dự phòng tối giản, danh sách các yếu tố cần loại bỏ, khối câu lệnh phủ định, cùng dự đoán lỗi và cách khắc phục - tất cả đều tuân thủ các quy tắc an toàn về deepfake, thương hiệu, nội dung lạm dụng tình dục trẻ em do AI tạo ra (AI-CSAM) và công khai thông tin.

Cách sử dụng kết quả: Lưu lại phản hồi vào ứng dụng ghi chú. Chọn ra một gợi ý mang lại hiệu quả cao nhất và thực hiện ngay trong tuần này - đừng cố làm tất cả cùng lúc.

Nếu kết quả chưa đạt yêu cầu: Nếu các gợi ý có vẻ chung chung, hãy nhập thêm câu lệnh: "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 yếu tố đó là yêu cầu trọng tâm".

Những điểm chính cần lưu ý

• 5 yếu tố tạo nên một câu lệnh video xuất sắc: chủ thể, chuyển động, góc máy và không khí/cảm xúc.
• Các thuật ngữ điện ảnh cụ thể (như quay bám theo chủ thể - tracking shot, giờ vàng - golden hour, góc máy thấp - low angle) mang lại kết quả tốt hơn so với các tính từ mơ hồ.
• Mô tả chuyển động là yếu tố quan trọng nhất mà mọi người thường quên - hãy cho AI biết cái gì di chuyển, tốc độ bao nhiêu và theo hướng nào.
• Tránh dùng các từ ngữ mô tả chất lượng chung chung (như "đẹp", "tuyệt đẹp"), tránh đưa văn bản vào video và tránh những chuỗi hành động phức tạp gồm nhiều bước.
• Xây dựng câu lệnh theo từng lớp: Bắt đầu với chủ thể, sau đó thêm các yếu tố chuyển động, góc máy và không khí/cảm xúc.