7 cách sửa prompt video AI khi đoạn phim ra sai ý

Phần lớn những đoạn video AI thất bại không phải lỗi ở mô hình. Chúng là một prompt có đúng một khiếm khuyết cụ thể, và khiếm khuyết đó để lại dấu vết: đôi tay chảy nhão, một chủ thể đứng yên bất động, một máy quay không bao giờ dịch chuyển, một chiếc áo khoác đổi màu ở lưng đoạn. Khi bạn đọc được dấu vết đó, mỗi cách sửa prompt video AI dưới đây chỉ cần một lần chỉnh.

Bài viết này được sắp theo triệu chứng chứ không theo nguyên lý. Nếu bạn muốn phần nền tảng — chủ thể, phong cách, ánh sáng, bố cục — hãy bắt đầu từ cách viết prompt tốt hơn rồi quay lại đây khi một lượt tạo cụ thể hành xử kỳ lạ. Mọi thứ bên dưới đều giả định bạn đã viết được prompt hợp lý và muốn biết phải đổi chữ nào khi một đoạn phim thất bại.

Các ví dụ dùng những mô hình có trong không gian làm việc video của OmniArt — Seedance, Veo 3.1, Kling, Grok Imagine, PixVerse V6 và C1 — bởi một phần của việc gỡ lỗi là nhận ra khi nào một triệu chứng nên được giải bằng cách đổi mô hình chứ không phải bằng cách viết thêm chữ vào prompt.

Gỡ lỗi mỗi lần một biến số

Trước khi vào từng cách sửa, hãy tập một thói quen giúp tất cả chúng nhanh hơn: mỗi lượt tạo chỉ đổi một thứ. Viết lại cả prompt sau một bản xấu chẳng dạy bạn điều gì, vì bạn không biết được lần chỉnh nào đã có tác dụng.

Độ dài, độ phân giải, tỷ lệ khung hình và ảnh tham chiếu ảnh hưởng đến kết quả không kém gì câu chữ, nên hãy ghi lại cả các thiết lập bên cạnh nội dung prompt. Hai đến ba lượt có chủ ý thường hơn mười lần viết lại.

Cách sửa 1: mặt, tay và chi bị méo ở giữa đoạn

Bạn thấy gì: khung đầu trông sạch sẽ, rồi các ngón tay dính vào nhau, một khuôn mặt trượt khỏi hộp sọ, hoặc một cánh tay thừa xuất hiện trong lúc chủ thể quay người.

Vì sao xảy ra: mô hình đang nội suy một cơ thể qua những tư thế mà prompt của bạn chưa từng mô tả. Chi di chuyển nhanh, khung hình cận vào đôi tay, hiện tượng che khuất (một bàn tay đi qua trước mặt) và độ dài lớn đều nhân lên số khung mà mô hình phải bịa ra.

Cách sửa: giảm bớt phần phải bịa. Kéo khung hình rộng ra một cỡ, gọi tên rõ ràng cơ chế vận động của cơ thể, và giữ đôi tay hoặc bất động hoặc đi theo một đường đơn giản. Bắt đầu từ một ảnh sạch thay vì từ chữ cũng neo được phần giải phẫu, vì mô hình thừa hưởng một cơ thể đúng chứ không phải đoán ra một cơ thể.

Trước: "Cận cảnh đôi tay đầu bếp thái rau thật nhanh rồi trút vào chảo."

Sau: "Cảnh trung một đầu bếp bên mặt bàn gỗ. Một động tác thái đều đặn bằng tay phải, tay trái đặt phẳng trên thớt. Hai tay luôn ở trong khung hình, không cắt cảnh. Ống kính 50mm, ánh sáng cửa sổ dịu từ phía trái máy quay."

Với những cú máy lấy con người làm trung tâm, Veo 3.1 và Kling thường giữ được cấu trúc cơ thể tốt suốt cả đoạn, và hướng ảnh sang video trên bất kỳ mô hình nào cũng hơn hướng văn bản sang video khi giải phẫu chính là điểm gãy. Nếu buộc phải giữ cảnh cận, hãy rút ngắn đoạn và chấp nhận một động tác thay vì hai.

Cách sửa 2: chủ thể bỏ qua hành động bạn yêu cầu

Bạn thấy gì: khung hình, ánh sáng và phong cách đều khớp với prompt, nhưng chủ thể chỉ đứng đó thở, hoặc làm một động tác chờ chung chung nào đó thay vì hành động bạn nêu.

Vì sao xảy ra: hành động bị chôn vùi. Nếu động từ nằm ở cuối một câu mô tả dài, hoặc phải cạnh tranh với ba động từ khác, mô hình sẽ coi nó chỉ là một thuộc tính nữa của một khung cảnh tĩnh. Những động từ mơ hồ ("tương tác", "thưởng thức", "khám phá") không có hình dạng thị giác nào cả, nên không có gì xảy ra.

Cách sửa: đặt chủ thể và hành động lên đầu, dùng một động từ vật lý cụ thể ở thời hiện tại, và mô tả điểm kết của hành động. Đẩy toàn bộ phần tạo phong cách — ống kính, bảng màu, tâm trạng — xuống sau hành động để chúng được đọc như phần trang trí chứ không phải mệnh đề chính.

Trước: "Một con hẻm đêm đầy kịch tính, u tối, ướt mưa với những phản chiếu đèn neon và hơi nước, nơi một người giao hàng đang khám phá khu vực và tương tác với xung quanh."

Sau: "Một người giao hàng khuỵu xuống nhặt một chiếc phong bì bị rơi, rồi đứng lên và nhìn sang trái. Con hẻm đêm ướt mưa, đèn neon phản chiếu trên mặt nhựa đường ướt, hơi nước bốc lên từ một ô thông hơi. Cảnh trung, máy cầm tay."

Seedance phản hồi tốt với kiểu diễn đạt theo danh sách cú máy như vậy, còn PixVerse C1 là lựa chọn hợp lý khi đề bài chỉ là một nhịp chuyển động có kiểm soát, chẳng hạn một cú quay người, một động tác vươn tay, hay một khoảnh khắc lộ diện sản phẩm.

Cách sửa 3: cú máy không xảy ra, hoặc đánh nhau với chủ thể

Bạn thấy gì: bạn yêu cầu một cú đẩy máy vào và nhận về một khung hình đứng yên. Hoặc máy có di chuyển, nhưng chủ thể trượt một cách kỳ quặc so với phần nền, và cú máy giống một tấm ảnh bị bóp méo hơn là một chuyển động xuyên qua không gian.

Vì sao xảy ra: có hai nguyên nhân, và chúng trông giống nhau. Hoặc cú máy được nêu như một hiệu ứng mà không có động cơ nào ("phóng to vào", "chuyển động máy quay điện ảnh"), hoặc bạn đã xếp chồng những chỉ dẫn đối nhau — đẩy máy vào trong khi chủ thể đi về phía máy, một cú lia cộng một cú nghiêng cộng một cú cẩu trong cùng bốn giây.

Cách sửa: một cú máy cho mỗi đoạn, gọi tên bằng ngôn ngữ điện ảnh, và gắn với một điều đang diễn ra trong khung. Rồi kiểm tra xung đột: nếu chủ thể tiến về phía ống kính, máy nên giữ nguyên hoặc lùi lại, chứ không đẩy vào.

Trước: "Chuyển động máy quay điện ảnh hùng tráng, phóng to vào và lia quanh nhân vật chính khi anh ta chạy về phía máy, những góc quay đầy năng lượng."

Sau: "Nhân vật chính chạy về phía máy dọc theo một hành lang. Máy lùi dần phía trước anh ta với nhịp đều, giữ anh ta ở cỡ cảnh trung. Góc thấp, ống kính rộng, không có chuyển động máy nào khác."

Kling và Seedance đều nhận chỉ dẫn máy quay tường minh rất tốt, còn Grok Imagine đáng thử một lượt cho những cú máy phóng khoáng, giàu năng lượng, nơi cảm giác quan trọng hơn độ chính xác của khung hình. Nếu một cú máy vẫn không chịu xuất hiện, hãy mô tả sự thay đổi trong thứ người xem nhìn thấy — "đường chân trời thành phố tiến vào khung từ phía dưới" — thay vì gọi tên thiết bị.

Cách sửa 4: khung cảnh bị trôi hoặc nhận dạng đổi ở giữa đoạn

Bạn thấy gì: chủ thể bắt đầu là một người và kết thúc là một người họ hàng của người đó. Áo khoác đỏ chuyển thành đỏ mận, một mặt tiền cửa hàng ở phần nền tự sắp xếp lại, căn phòng mọc thêm một cửa sổ thứ hai.

Vì sao xảy ra: không có gì trong lượt tạo đang ghim ngoại hình lại. Prompt bằng chữ mô tả một hạng loại, không mô tả một cá nhân, nên mỗi khung đều được tự do diễn giải "cô gái trẻ trong áo khoác đỏ" hơi khác đi một chút. Độ dài lớn hơn và phần nền rối rắm càng làm độ trôi nhanh hơn.

Cách sửa: neo bằng một ảnh, rồi chỉ mô tả những gì thay đổi. Khi bạn tải lên một ảnh tham chiếu hoặc một khung mở đầu, việc nhắc lại toàn bộ ngoại hình trong prompt lại gây hại — phần chữ cạnh tranh với phần ảnh. Hãy giữ phần nền đơn giản, và chia những ý dài thành vài cú máy ngắn thay vì một cú máy dài.

Trước: "Một cô gái trẻ trong áo khoác đỏ với mái tóc nâu đi qua một khu chợ đông, 10 giây, thật nhiều chi tiết, nhiều người và nhiều sạp hàng."

Sau: "Giữ nguyên mặt, tóc và áo khoác đỏ của chủ thể trong ảnh tham chiếu. Cô đi thẳng về phía trước qua hai sạp hàng rồi dừng lại nhìn sang phải. Độ sâu trường ảnh mỏng để khu chợ phía sau cô vẫn nhòe. 5 giây, một cú máy liên tục duy nhất."

Cách sửa 5: chữ và logo ra nhòe nhoẹt

Bạn thấy gì: một tấm biển đọc thành "SHOPP", một nhãn sản phẩm tan thành những ký tự giả, một logo biến hình sau mỗi vài khung.

Vì sao xảy ra: mô hình video sinh chữ như một lớp kết cấu, không phải như các con chữ, và bất kỳ chuyển động nào cũng khiến lớp kết cấu đó được kết xuất lại từng khung một. Cỡ chữ nhỏ, chữ trên bề mặt cong hoặc đang chuyển động, và chữ nằm trong một mặt phẳng phối cảnh là những trường hợp tệ nhất.

Cách sửa: đừng bắt mô hình video sáng tác phần chữ nữa. Hãy tạo khung hình bằng một mô hình ảnh, nơi bạn có thể thử đi thử lại phần chữ với chi phí thấp, rồi mới làm cho khung đó chuyển động. Trong prompt video, hãy trích dẫn chính xác chuỗi ký tự, giữ nó ngắn, và giữ mặt phẳng có chữ càng phẳng và ổn định càng tốt.

Trước: "Một mặt tiền quán cà phê với một tấm biển lớn nhiều chi tiết, các bảng thực đơn và rất nhiều bảng hiệu khi máy quay lướt qua."

Sau: "Làm cho khung hình được cung cấp chuyển động. Tấm biển có chữ 'DAYLIGHT' giữ nguyên và luôn phẳng về phía máy. Máy trôi ngang chậm sang phải, tấm biển nằm hoàn toàn trong khung suốt thời gian đó, không có chữ nào khác hiện ra."

Trên OmniArt bạn có thể chạy bước đầu đó bằng một mô hình ảnh như GPT Image 2 hoặc Seedream 5.0 Pro, rồi gửi khung hình đã được duyệt vào một mô hình video trong cùng không gian làm việc. Với bất cứ thứ gì đưa tới khách hàng, hãy mặc định coi phần chữ đọc được là công việc phải làm từ ảnh trước.

Cách sửa 6: chuyển động quá nhanh, rung hoặc giật cục

Bạn thấy gì: đoạn phim chạy như đang ở tốc độ 1.5x, hoặc chủ thể rung nhẹ, hoặc chuyển động tiến theo từng bậc thấy được chứ không mượt.

Vì sao xảy ra: những tính từ chỉ cường độ bị đọc thành tốc độ. "Bùng nổ", "mãnh liệt", "tràn đầy năng lượng" và "đầy hành động" đẩy mô hình dồn nhiều thay đổi hơn vào cùng một số khung. Nguyên nhân phổ biến còn lại là yêu cầu quá nhiều sự kiện trong quá ít thời gian — ba nhịp trong bốn giây thì không nhịp nào còn khung để diễn.

Cách sửa: xóa các từ chỉ cường độ và nêu rõ nhịp thay vào đó. Cho mỗi đoạn một nhịp, nói rõ rằng cú máy là liên tục, và nếu hành động thật sự cần thêm thời gian thì hãy yêu cầu độ dài lớn hơn chứ không phải một màn diễn nhanh hơn.

Trước: "Cảnh hành động bùng nổ mãnh liệt, người trượt ván làm các cú nhảy, chuyển động nhanh đầy năng lượng, cắt cảnh dồn dập."

Sau: "Một người trượt ván lướt lên mặt dốc rồi bật lên trong một cú ollie chậm ở đỉnh. Nhịp đều đặn, ổn định, một cú máy liên tục duy nhất, không cắt cảnh. Máy đi song song cùng tốc độ."

Nếu độ rung là mịn chứ không phải mang tính cấu trúc, hãy thử một bậc cao hơn trong cùng dòng mô hình — bậc chuẩn thay cho bậc nhanh hoặc bậc mini — vì các bậc thấp đánh đổi độ ổn định theo thời gian để lấy tốc độ và chi phí.

Cách sửa 7: âm thanh và khớp môi không ăn nhau

Bạn thấy gì: miệng mấp máy trước hoặc sau lời nói, lời thoại vẫn tiếp tục trong khi môi đã đóng, hoặc giọng nói bị chôn dưới lớp nhạc mà mô hình tự thêm vào.

Vì sao xảy ra: khớp môi cần miệng nhìn thấy được và câu thoại đủ ngắn để vừa với đoạn phim. Một câu thoại dài trong một cú máy năm giây buộc mô hình phải hoặc làm miệng chạy vội, hoặc bỏ luôn phần khớp. Những mô tả về không khí kiểu "kèm một bản nhạc hùng tráng" là lời mời cho một nền nhạc cạnh tranh với giọng nói.

Cách sửa: một người nói, một câu ngắn đặt trong dấu ngoặc kép, miệng nằm rõ trong khung và không bị che, và không có chỉ dẫn âm thanh nào cạnh tranh. Hãy nói rõ cái gì cần im lặng đúng như bạn nói rõ cái gì cần được nghe.

Trước: "Hai người nói chuyện về đợt ra mắt sản phẩm kèm một bản nhạc hùng tráng và tiếng ồn thành phố, cảnh cận."

Sau: "Cảnh cận trung một người phụ nữ hướng về phía máy, miệng hiện rõ hoàn toàn. Cô nói: 'Thứ Sáu chúng ta giao hàng.' Rồi cô ngừng lại và mỉm cười. Chỉ có tiếng nền tĩnh của căn phòng, không nhạc."

Veo 3.1 tạo được âm thanh nguyên bản, kể cả lời thoại, còn PixVerse V6 hỗ trợ âm thanh ở bậc miễn phí của OmniArt. Khi mô hình bạn muốn dùng không có âm thanh nguyên bản, con đường đáng tin cậy là tạo đoạn phim ở dạng không tiếng rồi làm phần giọng riêng bằng một mô hình giọng nói như MiniMax Speech 2.8 hoặc ElevenLabs, sau đó dựng chúng lại với nhau. Cách đó cũng cho bạn thu lại phần đọc mà không phải tạo lại hình.

Bảng tra nhanh từ triệu chứng tới cách sửa

Hãy dùng bảng này để phân loại nhanh khi một đoạn phim trả về sai. Đổi thứ ở cột đầu trước khi chạm vào bất cứ thứ gì khác.

Bắt đầu trên OmniArt

Hãy lấy đoạn phim thất bại gần nhất của bạn và chẩn đoán nó theo bảy triệu chứng ở trên. Áp đúng một cách sửa, tạo lại, rồi so sánh — hai lượt thường đủ cho bạn biết vấn đề nằm ở prompt hay ở việc chọn mô hình. Vì OmniArt giữ các mô hình ảnh, video và âm thanh trong cùng một không gian làm việc, một cú máy cứng đầu có thể chuyển qua cách tiếp cận khác mà không phải dựng lại toàn bộ thiết lập: neo nó bằng một mô hình ảnh, thử lại nó trên một mô hình video thứ hai, hoặc thêm phần giọng nói riêng.

Hãy mở không gian làm việc tạo nội dung, dán prompt đã sửa vào, và giữ lại những bản trụ được.