Cách Làm Video AI Veo 3 Đồng Nhất Nhân Vật Mọi Cảnh

Nhân vật trong video Veo 3 của bạn cứ đổi mặt, đổi tóc, đổi trang phục giữa các cảnh? Mentor Nguyễn Tất Kiểm chia sẻ quy trình 5 bước làm video AI Veo 3 đồng nhất nhân vật mà bất kỳ ai cũng áp dụng được ngay, kể cả khi chưa từng viết một dòng prompt nào.

Buổi tối thử Veo 3 lần đầu, kỳ vọng khá đơn giản. Chỉ cần gõ vài dòng mô tả, AI sẽ tự lo phần còn lại. Cảnh đầu ra khá ổn, một cô gái mặc áo dài trắng đứng trong studio ánh sáng vàng. Nhưng đến cảnh thứ hai, cùng một nhân vật, cùng một bối cảnh, gương mặt lại là một người hoàn toàn khác.

Đây không phải trải nghiệm hiếm gặp. Trong các cộng đồng làm video AI tại Việt Nam, câu hỏi phổ biến nhất khi mới dùng Veo 3 chính là làm sao để nhân vật không bị đổi mặt giữa các cảnh. Vấn đề nằm ở cách viết prompt tạo video Veo 3, không nằm ở bản thân công nghệ. Dưới đây là quy trình 5 bước giải quyết dứt điểm chuyện này.

I. VÌ SAO NHÂN VẬT TRONG VIDEO AI VEO 3 HAY BỊ ĐỔI MẶT GIỮA CÁC CẢNH

Trước khi đi vào giải pháp, cần hiểu rõ gốc rễ vấn đề. Sự thiếu ổn định của nhân vật trong Veo 3 xuất phát từ 3 nguyên nhân kỹ thuật chính.

1. Mỗi lần tạo video là một lần AI tưởng tượng lại nhân vật

Veo 3, mô hình tạo video từ Google DeepMind, không có bộ nhớ dài hạn về nhân vật đã tạo ở lần trước, trừ khi được cung cấp lại thông tin đó trong prompt mới hoặc dùng ảnh tham chiếu. Mỗi cảnh là một lần AI dựng lại nhân vật từ mô tả bằng chữ, nên mô tả không đủ chi tiết hoặc không nhất quán giữa các prompt sẽ khiến gương mặt, trang phục hay dáng người bị lệch.

2. Giới hạn thời lượng buộc phải nối nhiều đoạn video

Mỗi video Veo 3 thường chỉ kéo dài khoảng 8 giây, muốn có video dài hơn phải nối nhiều đoạn lại. Mỗi lần nối là một lần AI phải tái tạo nhân vật, nên càng nhiều cảnh, rủi ro lệch càng cao nếu không kiểm soát chặt phần mô tả.

3. Prompt các cảnh sau thường viết quá ngắn gọn

Nguyên nhân phổ biến nhất là chỉ mô tả nhân vật đầy đủ ở cảnh đầu, rồi các cảnh sau chỉ ghi ngắn gọn kiểu “cô gái đó tiếp tục đi bộ”. Với con người, câu này rất rõ vì mình nhớ hình ảnh trước đó. Nhưng với AI, mỗi prompt là một khởi đầu mới. Ba yếu tố sau đây thường bị bỏ sót khi viết prompt:

• Đặc điểm ngoại hình cố định: màu tóc, kiểu tóc, vóc dáng, độ tuổi cụ thể không được lặp lại ở mọi prompt
• Trang phục và phụ kiện: chỉ nhắc một lần rồi bỏ qua ở các cảnh tiếp theo
• Lời thoại quá dài: khiến khẩu hình khó khớp, kéo theo biểu cảm và đôi khi cả gương mặt nhân vật bị lệch

II. HẬU QUẢ KHI VIDEO VEO 3 KHÔNG GIỮ ĐƯỢC NHÂN VẬT ĐỒNG NHẤT

Nhân vật đổi mặt giữa các cảnh không chỉ gây mất thẩm mỹ. Nó kéo theo hàng loạt hậu quả về thời gian, chi phí và hiệu quả sử dụng video cho mục đích kinh doanh.

Yếu tố	Video nhân vật bị lệch	Video nhân vật đồng nhất
Số lần tạo lại	Nhiều lần cho mỗi cảnh	1 đến 2 lần cho mỗi cảnh
Credit tiêu tốn	Tăng gấp 2 đến 3 lần	Đúng dự toán ban đầu
Khả năng dùng làm video quảng cáo	Thấp, gây khó chịu cho người xem	Cao, sẵn sàng chạy ads ngay
Thời gian hoàn thiện 1 video 30 giây	Kéo dài nhiều giờ	Rút ngắn còn khoảng 30 phút

1. Người xem nhận ra ngay video là “hàng lỗi”

Khán giả rất nhạy với gương mặt người quen thuộc. Chỉ cần lệch nhẹ giữa hai cảnh, người xem lập tức nhận ra có gì sai, và video mất đi độ tin cậy cần thiết để dùng cho mục đích quảng bá sản phẩm hay thương hiệu cá nhân.

2. Tốn credit và thời gian tạo lại nhiều lần

Mỗi video ngắn khoảng 8 giây trên Veo 3 tiêu tốn trung bình khoảng 100 credit. Không kiểm soát được nhân vật đồng nghĩa phải tạo lại nhiều lần, credit đội lên nhanh chóng mà kết quả vẫn chưa chắc đạt yêu cầu.

3. Bỏ lỡ cơ hội tận dụng video AI cho content đều đặn

Nhiều người bỏ cuộc ngay sau vài lần thử đầu tiên, kết luận công cụ chưa đủ tốt. Trong khi đúng phương pháp, Veo 3 hoàn toàn có thể trở thành nguồn sản xuất content đều đặn cho kênh cá nhân hoặc thương hiệu, tiết kiệm cả thời gian lẫn chi phí so với quay dựng truyền thống.

III. GIẢI PHÁP: 5 BƯỚC LÀM VIDEO AI VEO 3 ĐỒNG NHẤT NHÂN VẬT

Đây là quy trình ổn định nhất sau nhiều lần thử nghiệm thực tế, áp dụng được ngay cả khi mới lần đầu dùng Veo 3.

Bước 1: Xây dựng bản mô tả nhân vật chuẩn

Trước khi viết bất kỳ prompt nào, cần chốt một đoạn mô tả nhân vật cố định, đầy đủ các chi tiết sau, và dán lại nguyên văn ở mọi prompt về sau:

• Nhân khẩu học: giới tính, độ tuổi cụ thể, ví dụ “a young Vietnamese woman, around 25 years old”
• Ngoại hình: màu tóc, kiểu tóc, vóc dáng, đặc điểm gương mặt nổi bật nếu có
• Trang phục và phụ kiện: mô tả cụ thể màu sắc, kiểu dáng, món đồ đi kèm như kính, túi xách, trang sức

Nếu có điều kiện, nên tạo thêm một ảnh chân dung nhân vật bằng công cụ tạo ảnh AI, nền trắng, ánh sáng đều, để dùng làm ảnh tham chiếu ở các bước sau.

Bước 2: Viết kịch bản chia cảnh rõ ràng

Xác định video cần bao nhiêu cảnh, mỗi cảnh khoảng 8 giây làm gì, chuyển động máy quay ra sao. Kịch bản càng rõ, việc viết prompt càng nhanh và ít phải sửa lại giữa chừng.

Bước 3: Viết prompt từng cảnh dựa trên bản mô tả gốc

Mỗi prompt tạo video Veo 3 nên sắp xếp theo đúng 5 phần dưới đây, giữ cố định phần nhân vật ở mọi cảnh:

Thứ tự	Thành phần	Nội dung cần có
1	Bối cảnh	Địa điểm, thời gian, thời tiết, môi trường xung quanh
2	Phong cách	Cinematic, đời thực, hoạt hình, ánh sáng, góc quay
3	Nhân vật	Dán lại nguyên văn bản mô tả gốc từ bước 1
4	Lời thoại hoặc hành động	Ngắn gọn, rõ ràng, tránh câu dài gây lệch khẩu hình
5	Mục đích	Quảng cáo, kể chuyện, hướng dẫn, truyền cảm hứng

Nếu dùng ảnh tham chiếu, cần nhắc rõ trong prompt, ví dụ “use attached image, same woman, walking in a park, sunny lighting, wide shot”. Nếu dùng công cụ Flow, có thể đặt tên riêng cho nhân vật ngay trong dự án, sau đó ở các prompt tiếp theo chỉ cần nhắc lại tên đó, hệ thống sẽ tự hiểu và giữ đúng đặc điểm khuôn mặt, tóc và trang phục đã lưu trước đó.

Bước 4: Kiểm tra và tinh chỉnh khi nhân vật lệch

Sau khi tạo xong một cảnh, cần xem kỹ trước khi chuyển sang cảnh tiếp theo. Nếu phát hiện gương mặt hoặc trang phục lệch so với cảnh trước, đừng vội tạo tiếp. Hãy thực hiện theo thứ tự ưu tiên sau:

• Bổ sung thêm chi tiết cụ thể hơn vào phần mô tả nhân vật trong prompt
• Chạy lại cảnh đó với cùng ảnh tham chiếu đã dùng ở cảnh trước
• Rút ngắn lời thoại nếu nghi ngờ nguyên nhân đến từ khẩu hình quá phức tạp

Bước 5: Ghép nối và hoàn thiện video

Sau khi có đủ các cảnh đạt yêu cầu về nhân vật, dùng tính năng nối cảnh có sẵn hoặc phần mềm dựng video như CapCut để ghép thành video hoàn chỉnh, thêm nhạc nền và phụ đề trước khi xuất bản.

IV. VÍ DỤ THỰC TẾ: PROMPT TRƯỚC VÀ SAU KHI TỐI ƯU

Lý thuyết ai cũng nói được. Dưới đây là ví dụ cụ thể cho thấy khác biệt giữa prompt viết sơ sài và prompt đã áp dụng quy trình 5 bước ở trên, cho cùng một nhân vật qua 2 cảnh liên tiếp.

Cảnh	Prompt sơ sài	Prompt đã tối ưu
Cảnh 1	“Một cô gái đứng trong quán cà phê”	“A young Vietnamese woman, 25 years old, long straight black hair, wearing a white áo dài, standing in a cozy cafe, warm afternoon light, cinematic, close up, smiling gently”
Cảnh 2	“Cô gái đó tiếp tục uống cà phê”	“The same young Vietnamese woman, 25 years old, long straight black hair, wearing a white áo dài, now sitting at the same cafe table, medium shot, sipping coffee slowly, calm expression”

1. Kết quả khi dùng prompt sơ sài

Cảnh 2 thường ra một gương mặt khác, đôi khi trang phục cũng đổi màu vì AI không có đủ dữ kiện để hiểu “cô gái đó” là ai. Số lần phải tạo lại thường từ 3 đến 5 lần mới có được cặp cảnh chấp nhận được.

2. Kết quả khi dùng prompt đã tối ưu

Nhân vật giữ nguyên gương mặt, tóc và trang phục qua cả hai cảnh ngay từ lần tạo đầu tiên hoặc thứ hai. Thời gian hoàn thiện rút ngắn đáng kể, và số credit tiêu tốn giảm tương ứng vì không phải tạo lại nhiều lần.

V. BỘ CÔNG CỤ HỖ TRỢ ĐỒNG NHẤT NHÂN VẬT TRÊN VEO 3

Ngoài việc viết prompt chuẩn, một số công cụ và tính năng đi kèm giúp tăng đáng kể độ ổn định của nhân vật. Tham khảo thêm bài hướng dẫn tạo video bằng AI để hiểu quy trình tổng quát trước khi đi sâu vào từng công cụ dưới đây.

Công cụ hoặc tính năng	Chức năng chính	Khi nào nên dùng
Imagen 3	Tạo ảnh chân dung nhân vật nền trắng làm ảnh tham chiếu	Trước khi bắt đầu dự án nhiều cảnh
Ingredients to Video	Dùng ảnh thật của nhân vật, bối cảnh, đồ vật để tạo cảnh	Khi cần giữ chính xác gương mặt và trang phục
Đặt tên nhân vật trong Flow	Tham chiếu nhanh nhân vật ở các prompt tiếp theo	Dự án có từ 3 cảnh trở lên
Scenebuilder Extend	Nối cảnh liền mạch, giữ ngữ cảnh từ khung hình cuối	Khi làm video kể chuyện nhiều cảnh liên tiếp
CapCut	Ghép các cảnh đã tạo thành video hoàn chỉnh	Bước cuối cùng trước khi xuất bản

Nếu mới bắt đầu: chỉ cần viết prompt theo đúng 5 phần ở mục III và giữ nguyên phần mô tả nhân vật là đủ để có video ổn định cho hầu hết trường hợp đơn giản.

Khi cần độ chính xác cao hơn: nên kết hợp thêm ảnh tham chiếu qua Imagen 3 và tính năng Ingredients to Video để giảm tối đa rủi ro lệch nhân vật.

VI. CÂU HỎI THƯỜNG GẶP VỀ CÁCH LÀM VIDEO AI VEO 3

1. Veo 3 hỗ trợ tối đa bao nhiêu nhân vật cùng lúc mà vẫn đồng bộ tốt?

Tối đa 2 nhân vật để duy trì sự đồng bộ tốt nhất. Nếu kịch bản cần nhiều nhân vật hơn, nên chia thành nhiều cảnh riêng, mỗi cảnh tập trung vào 1 đến 2 nhân vật chính.

2. Prompt nên viết bằng tiếng Việt hay tiếng Anh?

Nên viết phần mô tả bối cảnh, nhân vật và hành động bằng tiếng Anh vì Veo 3 hoạt động hiệu quả nhất với tiếng Anh, chỉ giữ lại phần lời thoại bằng tiếng Việt trong dấu ngoặc kép để nhân vật nói đúng ngôn ngữ mong muốn.

3. Không có ảnh tham chiếu thì có làm được video đồng nhất không?

Được. Ảnh tham chiếu giúp tăng độ chính xác nhưng không bắt buộc. Chỉ cần mô tả nhân vật đủ chi tiết và giữ nguyên phần mô tả đó ở mọi prompt, video vẫn có thể đạt độ đồng nhất chấp nhận được cho hầu hết nhu cầu cơ bản.

4. Nên học thêm ở đâu để làm chủ quy trình sản xuất video AI?

Nếu muốn được hướng dẫn bài bản từ viết prompt, sản xuất video AI đến xây dựng hệ thống nội dung tự động, chương trình AI Super Traffic là lộ trình phù hợp để rút ngắn thời gian mày mò.

Vấn đề đồng nhất nhân vật không phải do Veo 3 kém, mà do cách viết prompt chưa đúng phương pháp. Quy trình 5 bước ở trên đã được kiểm chứng qua nhiều lần thử nghiệm thực tế và áp dụng được ngay cho cả người mới.

Công cụ chỉ là một phần. Phần còn lại nằm ở việc hiểu đúng cách AI xử lý thông tin và cung cấp đủ dữ kiện để nó không phải tự đoán. Ai nắm được nguyên lý này sẽ tiết kiệm rất nhiều thời gian và credit so với người vẫn viết prompt theo bản năng.

Lưu ý: Nội dung bài viết và các chiến lược được chia sẻ dựa trên kinh nghiệm tại thời điểm đăng tải. Các thuật toán và nền tảng công nghệ có thể thay đổi. Để được tư vấn giải pháp phù hợp nhất, vui lòng liên hệ trực tiếp với đội ngũ của chúng tôi.