Hôm nay mình sẽ hướng dẫn anh em cách dùng Veo 3 tạo video ngắn có tiếng, và giữ cùng một nhân vật qua nhiều cảnh chỉ bằng những câu prompt đơn giản. Đọc xong, anh em tự viết được bộ prompt cho ba cảnh liền nhau.
Mình soạn bài này từ trang giới thiệu chính thức của Veo, và mình chưa tự tạo video bằng nó lần nào. Chỗ nào theo tài liệu thì mình nói rõ, còn phần mình đã chạy thử nằm ở mục riêng ở cuối. Trang đó không ghi cách đăng nhập hay câu lệnh nào, nên bài này không có khối lệnh, và anh em cần có sẵn chỗ để dùng Veo.
Bước một: Biết Veo 3 làm được gì và chọn bản
Trang giới thiệu nói Veo 3 cho anh em thêm hiệu ứng âm thanh, tiếng môi trường và cả lời thoại, và toàn bộ âm thanh đó do nó tự sinh ra cùng lúc với hình. Nghĩa là anh em không cần thu âm hay ghép tiếng riêng, chỉ cần tả tiếng ngay trong prompt.
Trang còn nhắc tới Veo 3.1, hãng mô tả đây là model tạo video hàng đầu của họ cho người làm phim và người kể chuyện. Model là phần AI tạo video từ nội dung anh em mô tả.
Trang không nói bản nào có ở đâu hay giá bao nhiêu, nên phần đó anh em tự kiểm tra. Anh em thử một cảnh trước. Anh em mở công cụ mình dùng để kiểm tra tên bản trước khi viết prompt cho cả bộ.
Bước hai: Viết phần hình ảnh
Prompt là đoạn chữ anh em gõ để bảo Veo làm gì. Các prompt mẫu trên trang đều viết bằng tiếng Anh, nhiều mẫu mở đầu bằng cỡ cảnh và chuyển động camera, như mẫu con cú bắt đầu bằng “A follow shot of…”.
Cỡ cảnh là camera đứng gần hay xa nhân vật. Chuyển động camera là máy quay di chuyển ra sao; trong mẫu này, camera bám theo con cú lúc nó bay.
Sau camera tới nhân vật và bối cảnh: mẫu tả con cú lượn quanh một khoảng trống trong rừng dưới trăng, rồi hạ xuống lối mòn và ngồi cạnh một con lửng. Mình sẽ viết mỗi cảnh theo thứ tự camera, nhân vật, bối cảnh, hành động, vì đó là nhịp của các mẫu.
Anh em viết mỗi cảnh bằng tiếng Anh như các mẫu mình vừa nói. Anh em thêm nhân vật, bối cảnh, hành động, câu thoại trong ngoặc kép, cuối cùng là dòng Audio.
Bước ba: Thêm lời thoại và dòng Audio
Lời thoại anh em đặt trong ngoặc kép, ghi rõ ai nói. Trong mẫu, con cú hỏi con lửng bằng câu “What manner of magic is that?” ngay sau khi con lửng kể về quả bóng nảy cao hơn nó nhảy được.
Âm thanh nằm ở dòng bắt đầu bằng chữ Audio, liệt kê tiếng cánh đập, tiếng chim, gió thổi và cành khô gãy dưới chân. Mẫu còn thêm một câu tả nhạc nền nhẹ nhàng, vui tươi. Mình sẽ tách dòng Audio ra khỏi phần tả hình, để muốn sửa tiếng thì anh em chỉ đụng một dòng.
Anh em ghi tiếng cánh đập thay cho cảm giác chung chung.
Bước bốn: Giữ nhân vật giống nhau giữa các cảnh
Mình chưa thấy tài liệu chỉ cách giữ nhân vật giữa các cảnh. Vì vậy, cách dưới đây là mình tự đề ra, chưa phải cách đã được hãng hướng dẫn. Anh em mô tả mặt, tóc, quần áo và đồ nhân vật cầm.
Rồi anh em dán nguyên đoạn đó vào prompt của mọi cảnh, không sửa một chữ, và chỉ đổi camera, hành động cùng dòng Audio. Ví dụ, bà cụ trong phần mình chạy thử ở cuối bài có tóc bạc búi thấp dưới khăn nâu, áo xanh ô liu và dép cao su đen. Bà khoác áo mưa nhựa trong, đẩy xe chè bằng gỗ màu xanh có tủ kính và một chiếc đèn treo nhỏ.
Anh em gom các chi tiết đó thành một đoạn cố định, đặt ở phần nhân vật của cảnh một, rồi dán y nguyên sang cảnh hai và cảnh ba. Để anh em hình dung một prompt đủ cả hình lẫn tiếng, mình diễn đạt lại cảnh đầu do Claude Sonnet soạn bằng tiếng Việt:
Máy quay đứng ngang tầm mắt, mở cảnh toàn rồi tiến chậm từ sau hàng xe máy đang đỗ về phía bà cụ. Bà có mặt sạm nắng nhiều nếp nhăn, tóc bạc búi thấp dưới khăn nâu, áo xanh ô liu, áo mưa trong và dép cao su đen. Bà đẩy xe chè gỗ xanh có tủ kính và đèn treo, giữa phố cổ Hà Nội lúc chiều muộn, mặt đường ướt hắt ánh đèn vàng. >Bà rao nhỏ bằng tiếng Việt: “ai ăn chè đậu xanh nóng không?”, trong tiếng mưa phùn và tiếng xe máy, tiếng còi phía xa. Âm thanh có bánh xe cọt kẹt và nước nhỏ từ mái hiên; nhạc nền là đàn bầu với piano, giữ nhỏ dưới tiếng của cảnh.
Trang giới thiệu nhắc độ nhất quán nhưng chưa chỉ cách đạt được. Mình chưa kiểm chứng cách lặp nguyên văn mô tả trên Veo. Trong lần chạy thử, mình yêu cầu mỗi cảnh dài tám giây, nên anh em chỉ chọn hành động vừa đủ cho khoảng thời gian đó.
Phần mình chạy thử: Claude Sonnet soạn prompt cho Veo
Mình đã chạy thử một việc nhỏ: nhờ Claude Sonnet viết prompt cho ba cảnh về bà cụ bán chè đẩy xe trên phố Hà Nội lúc mưa phùn, mỗi cảnh tám giây. Mình gửi qua Claude Code, dùng gói thuê bao, không kèm file hay công cụ nào.
Yêu cầu của mình khá chặt: mỗi prompt có cỡ cảnh, chuyển động camera, nhân vật, bối cảnh, một câu thoại và dòng Audio, còn đoạn tả bà cụ phải lặp lại y nguyên ở cả ba prompt. Mình nhận được câu trả lời của Claude Sonnet sau 19,8 giây. Câu trả lời của Claude Sonnet dài 696 chữ.
Mình mới xem phần đầu của log, tức prompt đầu tiên và phần mở của prompt thứ hai. Ở đó đoạn tả bà cụ giống nhau từng chữ: khăn nâu, áo xanh ô liu, áo mưa nhựa trong, xe chè màu xanh. Nó cũng ghi sẵn dòng Audio có tiếng mưa phùn, xe máy, bánh xe cọt kẹt và nhạc đàn bầu nhẹ.
Chỗ hụt là mình chưa đưa prompt nào vào Veo. Vì vậy mình chưa biết video ra sao, nhân vật có giống nhau thật không, và Veo xử lý câu thoại tiếng Việt thế nào. Claude Sonnet viết lời thoại bằng tiếng Việt giữa prompt tiếng Anh, còn mọi mẫu của hãng đều thoại tiếng Anh.
Mình chưa biết Veo xử lý lời thoại tiếng Việt ra sao. Anh em muốn bám sát mẫu thì viết lời thoại bằng tiếng Anh. Nếu anh em muốn dùng tiếng Việt, anh em nên kiểm tra riêng phần thoại trong cảnh đầu trước khi làm tiếp.
Anh em muốn làm giống mình thì nhờ Claude Sonnet viết ba prompt tiếng Anh về ý tưởng của anh em. Anh em ghi rõ mỗi prompt cần cỡ cảnh, chuyển động camera, nhân vật, bối cảnh, một câu thoại và dòng Audio. Anh em nhớ yêu cầu đoạn tả nhân vật phải giống hệt từng chữ, rồi mở ba prompt cạnh nhau để so; chỗ nào lệch thì chép lại từ cảnh một.
Log chỉ chứng minh việc soạn prompt chạy được, chưa nói gì về chất lượng video. Anh em so lại đoạn nhân vật. Khi cảnh đầu đã ổn, anh em mới làm tiếp với đoạn tả nhân vật được dán nguyên văn vào những prompt còn lại.
