Cách lấy được cú máy dùng được từ công cụ video AI

Mọi công cụ video AI đều trình diễn đẹp mắt và hỏng theo những kiểu rất cụ thể. Các thất bại không ngẫu nhiên: chúng tụ lại quanh bàn tay, chữ, đám đông, chuyển động nhanh, động tác máy dài và bất cứ thứ gì phải giữ nguyên từ cú máy này sang cú máy khác. Lấy được những cú máy dùng được phần lớn là chuyện hoạch định quanh những cụm ấy thay vì hy vọng mô hình cuối cùng đã học được cách vẽ ngón tay.

Đây là những thói quen sống sót khi gặp hạn chót. Về cơ chế bên dưới, hãy đọc mô hình video AI hoạt động thế nào; về tay nghề viết prompt nói chung, thực hành tốt nhất khi viết prompt đi sâu hơn.

Viết cú máy, không viết câu chuyện

Đơn vị tạo sinh là một cú máy, không phải một cảnh. Nếu bạn viết một đoạn cốt truyện, mô hình sẽ cố nhồi nó vào vài giây và tạo ra một mớ lộn xộn. Thay vào đó hãy viết một cách đặt máy: ai hoặc cái gì ở trong khung, họ làm gì, họ ở đâu, ánh sáng thế nào, ống kính đang làm gì.

Tài liệu của chính Luma cho Ray2 đưa ra một thứ tự hữu ích: chủ thể chính, hành động, chi tiết, cảnh, phong cách, máy quay, yếu tố củng cố. Hướng dẫn multi-shot của Runway nói điều tương tự thẳng hơn — giữ prompt của mỗi cú máy tập trung vào một cảnh duy nhất, và nếu bạn muốn một chuỗi, hãy đưa ra một danh sách cú máy thay vì một mô tả dài lan man.

Đó cũng là lý do một storyboard hữu ích kể cả khi chẳng có gì được vẽ: một danh sách cú máy gồm ba đến năm cách đặt máy, mỗi cái một hành động duy nhất, là đầu vào tốt hơn một bản treatment.

Cho mô hình một bức ảnh

Văn bản là hình thức kiểm soát yếu nhất. Nếu một nhân vật, sản phẩm hoặc bối cảnh phải trông đúng, hãy cho mô hình một ảnh tham chiếu hoặc một khung hình đầu. Hầu hết công cụ nghiêm túc hiện nay đều hỗ trợ việc này, và ghi chú của chính các nhà cung cấp khá nhất quán về thế nào là một ảnh tham chiếu tốt:

• Độ phân giải và chất lượng. Dùng nguồn nét nhất bạn có. Ảnh tham chiếu bị nén, mềm hoặc nhiễu sẽ cho đầu ra mềm hơn.
• Tách biệt. Một chủ thể rõ ràng, không lộn xộn và không có yếu tố tranh chấp.
• Ánh sáng. Ánh sáng đều, trung tính tái tạo trung thực nhất; bóng đổ nặng và ám màu sẽ theo vào kết quả.
• Một bộ nhỏ gắn kết thay vì một ảnh duy nhất, khi bạn đang định hình một phong cách.

Một lời cảnh báo mà tài liệu nói thẳng: bạn chịu trách nhiệm về quyền đối với bất kỳ hình ảnh cá nhân nào bạn gửi lên. Dùng ảnh tham chiếu của một người thật mà không xin phép là một vấn đề pháp lý trước khi là một vấn đề nghệ thuật.

Nói điều bạn không muốn

Các lần tạo sinh trôi về phía mức trung bình của những gì mô hình đã thấy, nên những gương mặt không mong muốn mới xuất hiện trong đám đông và những vật thể lạc ở rìa khung hình. Prompt phủ định là cách sửa rẻ nhất. Ví dụ API Veo của chính Google truyền một prompt phủ định để chặn những âm thanh không mong muốn bên cạnh prompt khẳng định; logic tương tự cũng hiệu quả với hình ảnh.

Giữ máy quay khiêm tốn

Những động tác lớn — cần cẩu nâng lên rồi xuyên qua cửa sổ, lia nhanh, quay vòng quanh một vật đang rơi — là chỗ tính nhất quán thời gian sụp đổ. Một cú đẩy chậm, một chút rung tay cầm hoặc một khung hình tĩnh giữ được với nhau đáng tin hơn nhiều, vì chuyển động càng rộng thì mô hình càng có nhiều khung hình để làm sai.

Ngôn ngữ máy quay có tác dụng thật: các ví dụ Veo được Google công bố mô tả cỡ cảnh, động tác và hành vi ống kính theo trình tự, và kết quả đi theo. Mẹo là yêu cầu một động tác mạch lạc, không phải ba động tác trong cùng một clip.

Thử rẻ, rồi mới cam kết

Hãy tạo sinh với chi phí thấp nhất và thời lượng ngắn nhất có thể trả lời câu hỏi “đây có phải cú máy đúng không?”. Những lần kết xuất dài, đắt là để dành cho những cú máy bạn đã chứng minh. API của Veo 3 được tính giá theo giây đầu ra, với các gói nhanh rẻ hơn đúng cho vòng lặp này; Ray2 của Luma tạo ra những clip nền ngắn có thể mở rộng, nên bạn đánh giá được một cú máy trước khi trả tiền cho độ dài.

Hãy ghim phiên bản mô hình khi một dự án khách hàng phụ thuộc vào một hình ảnh cụ thể. Tài liệu API của Runway cho phép bạn ghim một phiên bản quy trình có ngày thay vì chạy theo bản mới nhất — đó là khác biệt giữa một pipeline tái lập được và một mục tiêu di động.

Xây dựng mạch liên tục có chủ đích

Nhất quán giữa các cú máy không phải bài toán prompt; đó là bài toán pipeline. Ba kỹ thuật làm phần lớn công việc:

1. Tham chiếu và đặt khung hình khóa cho mọi yếu tố quay lại. Ảnh vào như nhau, hình ra như nhau.
2. Dùng lại đúng ngôn ngữ phong cách xuyên suốt một chuỗi. Runway khuyến nghị rõ ràng việc lặp lại cùng một ngôn ngữ sản phẩm hoặc phong cách qua các cú máy để nhất quán thị giác. Đổi tên phong cách giữa các cú máy là mời gọi một cách diễn giải mới.
3. Dàn cảnh chuỗi sao cho những thay đổi có lý do. Một lần đổi trang phục, một bối cảnh mới, một cảnh đêm — bất cứ thứ gì giải thích được một khác biệt nhìn thấy cũng che được những bất nhất của mô hình.

Đánh giá bản dựng như một biên tập viên

Một bản dựng trông tốt khi chuyển động thường chết khi vào mối cắt. Hãy soi từng ứng viên tìm những thứ kết liễu một cú máy: bàn tay tan chảy, miệng trôi khỏi khẩu hình, chữ biến thành ký tự lạ, một diễn viên quần chúng đi xuyên tường. Xem một lần ở tốc độ bình thường, rồi tua kỹ khung đầu và khung cuối — đó là điểm vào và điểm ra của bạn.

Hãy giữ một danh sách rút gọn, không phải một bản yêu thích: bản dựng thứ ba với máy quay hơi khác thường là thứ mối cắt cần.

Hoạch định âm thanh riêng

Âm thanh gốc — lời thoại, hiệu ứng và nhạc được tạo sinh cùng hình trong một lần chạy — thay đổi quy trình. Veo 3 là mô hình đầu tiên của Google làm được điều này, và các công thức multi-shot hiện nay mặc định tạo âm thanh. Nó hữu ích cho các bản nháp âm thanh và thử nghiệm khớp khẩu hình.

Nhưng hãy coi âm thanh tạo sinh là một bản thử đầu. Độ rõ của lời thoại, tiếng nền phòng và quyền âm nhạc vẫn cần sự đánh giá của con người, và một cú máy có thể hoàn hảo về hình ảnh mà không dùng được vì câu thoại bị méo.

Công bố và giữ hồ sơ

Hai xu hướng đang hội tụ. Các nền tảng gắn nhãn mạnh tay hơn: YouTube gắn nhãn nổi bật cho nội dung AI trông như thật và hiện tự động gắn nhãn những nội dung mà hệ thống của họ phát hiện là do AI tạo đáng kể. Quy định cũng đang đến: Điều 50 của Đạo luật AI châu Âu yêu cầu nhà cung cấp đánh dấu đầu ra tổng hợp bằng một định dạng máy đọc được và yêu cầu người triển khai công bố deepfake khi họ dùng chúng.

Thói quen thực dụng thì đơn giản. Giữ lại xuất xứ — Content Credentials, tiêu chuẩn C2PA, gắn một bản ghi có chữ ký về nguồn gốc và các lần chỉnh sửa vào tệp — và giữ một nhật ký dự án gồm prompt, ảnh tham chiếu, phiên bản mô hình và seed. Khi khách hàng hoặc một liên hoan phim hỏi một cú máy được làm ra thế nào, nhật ký ấy là câu trả lời.

Khi một cú máy cứ hỏng, hãy đổi cú máy

Sai lầm phổ biến nhất là viết lại prompt lần thứ mười. Nếu một cú máy hỏng lặp đi lặp lại, cú máy ấy đang đòi một thứ mô hình không làm được một cách đáng tin. Hãy tách nó thành hai. Đổi vị trí máy. Cắt trước khi hành động khó xảy ra. Đặt vật thể ra ngoài vùng nét. Giới hạn ở đây không phải sự thỏa hiệp; đó là tay nghề.

Bản ngắn

• Viết một cú máy cho mỗi prompt, với chủ thể, hành động và máy quay rõ ràng.
• Tham chiếu mọi thứ phải giữ nhất quán, và kiểm tra quyền.
• Dùng một prompt phủ định ngắn cho những lỗi đã biết.
• Lặp rẻ, rồi kết xuất bản thắng ở độ dài đầy đủ.
• Đánh giá bản dựng dựa trên những khung hình bạn sẽ cắt tới, không phải những khung trông đẹp nhất khi dừng lại.
• Hoạch định âm thanh như một lớp riêng, và công bố những công cụ bạn đã dùng.