Tạo video người que bằng AI: cài và dùng chỉ bằng prompt

Stickman Video Director giúp biến chủ đề, bài viết hoặc kịch bản thành video hoạt hình người que không lộ mặt. Bạn giao việc bằng prompt, tức câu yêu cầu viết cho AI. Muốn nhận video hoàn chỉnh, bạn cần AI Agent có quyền thao tác tệp và chạy công cụ, không chỉ một cửa sổ chat thông thường.

Điểm đáng chú ý không phải “bấm một lần rồi có kênh YouTube”. Repo này đưa ra quy trình từ nội dung, phân cảnh đến lời đọc và bản dựng. Bạn vẫn phải kiểm tra thông tin, chọn giọng, duyệt hình và quyết định có làm tiếp hay không.

Giao việc bằng prompt không có nghĩa bỏ qua các bước duyệt.

Công cụ này chạy ở đâu?

Đây là một skill, hiểu đơn giản là bộ hướng dẫn và công cụ bổ sung cho trợ lý AI, không phải website có ô nhập nội dung rồi bấm xuất video.

Đường đi trong bài này là: mở Codex trong môi trường làm việc có thư mục dự án, nhờ AI kiểm tra và cài skill, rồi thử một video ngắn bằng Autopilot. Tác giả cho biết đã tạo và thử các video mẫu chế độ này bằng Codex. Claude Code, Cursor hoặc agent khác có thể cài skill, nhưng kết quả còn phụ thuộc model, quyền truy cập và công cụ thực tế.

Bạn cần chuẩn bị máy tính, AI Agent có quyền làm việc với tệp, một thư mục riêng cho video thử và nội dung bạn có quyền sử dụng. Với Autopilot, còn cần dịch vụ tạo ảnh, giọng đọc và công cụ ghép hình, tiếng thành video. AI sẽ kiểm tra phần nào đã có, phần nào còn thiếu.

Bài này không yêu cầu bạn tự gõ lệnh terminal. Bạn dán prompt để AI đề xuất cách cài, đọc phương án rồi duyệt. Nếu đang dùng chat web không có quyền thao tác máy tính, hãy chuyển sang môi trường agent phù hợp. Dán thêm prompt không tự tạo ra quyền đó.

Chọn Director hay Autopilot?

Director: AI lên phân cảnh, bạn tự dựng

Với luồng Director A1 đến A5, AI chuẩn bị đề xuất đạo diễn: câu chuyện, lời đọc, hành động, góc nhìn và âm thanh. Bạn duyệt rồi nhận prompt riêng cho từng cảnh.

Sau đó, bạn đưa prompt vào Google Flow hoặc công cụ tạo video phù hợp, tải clip về và ghép trong CapCut hay phần mềm quen dùng. Nếu dùng Runway hoặc công cụ khác, cần điều chỉnh prompt theo khả năng của công cụ đó, không mặc định mọi yêu cầu đều hoạt động giống nhau.

Bộ prompt chưa phải video hoàn chỉnh. Chọn luồng này nếu muốn kiểm soát từng cảnh hoặc đã quen dựng. A6 có quy trình riêng, không nên áp nguyên hướng dẫn A1 đến A5 cho nó.

Autopilot: AI làm quy trình để xuất video

Chế độ B hướng đến tệp video có lời đọc, phụ đề, hình minh họa, chuyển động và hiệu ứng âm thanh. Bạn duyệt kịch bản, xem bản thử có tiếng khoảng 20 giây rồi mới cho làm cả video.

Cần hiểu đúng chữ “hoạt hình”: nhiều phong cách dùng hình minh họa và chuyển động được lập trình, không có nghĩa mọi cảnh đều là hoạt hình nhân vật phức tạp do model tạo video sinh ra. Một ảnh đứng yên được phóng to liên tục cũng chưa đủ để coi là bản dựng tốt.

Nếu muốn nhận video mà không tự ghép từng clip, hãy thử Autopilot B1, phong cách nét vẽ tối giản. Lần đầu chỉ chọn một phong cách.

Bước 1: dùng prompt kiểm tra và cài skill

Mở AI Agent, chọn thư mục thử nghiệm rồi dán yêu cầu sau. Prompt có hai chặng: kiểm tra trước, chỉ cài sau khi bạn duyệt phương án.

Tôi muốn cài skill Stickman Video Director từ repo:
https://github.com/kaomei/stickman-video-director

Đọc README và hướng dẫn cài công khai trước. Kiểm tra Agent,
hệ điều hành, quyền đọc/ghi tệp và chạy công cụ trong thư mục đã chọn.
Tôi muốn dùng Autopilot B1 làm video tiếng Việt.

Đối chiếu tài liệu hiện hành để kiểm tra công cụ dựng,
dịch vụ tạo ảnh và giọng đọc. Chỉ đề xuất bổ sung phần thiếu.
Nêu thư mục cài đúng với Agent này, các tệp sẽ thay đổi,
phần cần cài và chi phí có thể phát sinh. Chờ tôi duyệt phương án.
Không ghi đè cấu hình hoặc skill đã có.

Sau khi tôi duyệt, cài theo tài liệu repo. Nếu cần tải mã về,
chỉ đọc tệp trong thư mục tải về sau khi tải xong.
Đọc SKILL.md đã cài và tài liệu bắt buộc cho B1.
Xác minh Agent nhận diện được skill directing-stickman-videos.

Báo riêng: skill đã nhận diện, công cụ dựng đã sẵn sàng,
dịch vụ ảnh/giọng đọc đã kết nối hay chưa.
Không coi cài xong là đã dựng video thành công.
Không yêu cầu dán API key vào chat, không tự mua dịch vụ,
gửi dữ liệu ra ngoài hoặc gọi dịch vụ tính phí khi chưa được duyệt.
Giải thích bước tiếp theo bằng tiếng Việt dễ hiểu.

Nếu AI báo thiếu FFmpeg hoặc FFprobe, đó là công cụ phục vụ ghép và kiểm tra hình, tiếng ở máy chạy agent, không phải dịch vụ tạo giọng đọc. Có đủ công cụ dựng chưa đồng nghĩa có tài khoản tạo ảnh hay giọng nói.

Nếu tải repo bị hết thời gian chờ, yêu cầu AI đọc hướng dẫn xử lý lỗi cài đặt của chính repo. Không cần cài hàng loạt phần mềm theo một hướng dẫn không rõ nguồn.

Bước 2: giao nội dung nhỏ, duyệt kịch bản trước

Ví dụ minh họa dưới đây là một video về cách bắt đầu việc đang trì hoãn bằng hành động nhỏ. Đây không phải case đã được kiểm chứng. Khi dùng, thay chủ đề và đối tượng xem theo nhu cầu của bạn.

Dùng skill directing-stickman-videos, Autopilot B1.
Chủ đề: Đừng chờ có hứng mới bắt đầu làm việc.
Người xem: người mới đi làm, hay để việc khó đến cuối ngày.
Mục tiêu: gợi ý chọn một hành động nhỏ để bắt đầu.
Không đưa lời khuyên y tế hay khẳng định khoa học chưa có nguồn.

Video khoảng 60 giây, khung dọc 9:16, nét vẽ tối giản.
Lời đọc, phụ đề và ngôn ngữ trao đổi đều là tiếng Việt.
Kiểm tra dịch vụ ảnh, giọng tiếng Việt, font đủ dấu và công cụ dựng.
Báo dịch vụ nào sẽ nhận nội dung, phần nào có thể tính phí.

Chỉ viết kịch bản và mô tả từng cảnh, chưa tạo media.
Mỗi cảnh cần hành động nhìn thấy được, không chỉ chữ trên màn hình.
Đề xuất giọng đang có và cách thử trong ngân sách tôi duyệt.
Dừng để tôi duyệt kịch bản, thiết kế nhân vật và lựa chọn giọng.

Khi duyệt, hỏi: người xem nhìn thấy gì để hiểu điều lời đọc đang nói? “Bắt đầu từ việc nhỏ” có thể được diễn tả bằng nhân vật gạch một việc trên danh sách, thay vì đứng im dưới dòng khẩu hiệu.

Bạn có thể đọc thêm bài làm video AI từ phân cảnh đến bản dựng của Kstudy để biết cách chia cảnh rõ hơn.

Bước 3: yêu cầu bản xem thử 20 giây có tiếng

Chỉ dùng prompt tiếp theo sau khi duyệt kịch bản, lựa chọn dịch vụ và phạm vi chi phí. Không đưa tài liệu riêng tư vào ví dụ thử.

Kịch bản và thiết kế vừa trình bày đã được duyệt.
Tạo bản xem thử B1 có tiếng khoảng 20 giây,
chỉ dùng dịch vụ, dữ liệu và ngân sách tôi đã xác nhận.
Nếu chưa có xác nhận chi phí, hỏi trước khi gọi dịch vụ.

Giữ lời đọc và phụ đề tiếng Việt, kiểm đầy đủ dấu.
Hình khớp nội dung đang đọc, có hành động dễ hiểu.
Giữ nhân vật, phong cách và giọng nhất quán.
Phụ đề dễ đọc trên điện thoại, không che hành động chính.
Âm thanh nền và hiệu ứng không được lấn lời đọc.

Xuất tệp xem thử mở được, cho biết nơi lưu.
Báo phần đã kiểm tra và phần chưa thể xem/nghe trực tiếp.
Chưa làm video đầy đủ. Chờ tôi xem, nghe và phản hồi.

Kiểm nhân vật, sự khớp nhau giữa hình và lời, cùng nhịp chuyển cảnh. Xuất được tệp chưa phải đã đạt chất lượng.

Hãy mở video thật, không chỉ nhìn ảnh chụp. Kiểm giọng có đọc sai tên, chữ có mất dấu, tay chân có biến dạng và âm thanh có quá lớn không. Báo cáo của AI không thay cho việc nghe thử.

Bước 4: sửa đúng đoạn, không làm lại mọi thứ

“Làm hay hơn” là yêu cầu khó kiểm chứng. Chỉ rõ thời điểm, lỗi và điều muốn giữ. Các mốc giây sau chỉ minh họa cách phản hồi, hãy thay bằng lỗi quan sát được trong video của bạn.

Chưa duyệt bản xem thử. Hãy sửa:
- Giây 5 đến 8: phụ đề che bàn tay, chuyển sang vùng trống.
- Giây 10 đến 14: nhân vật đứng yên quá lâu,
  thêm hành động gạch xong một việc trên danh sách.
- Hiệu ứng đổi cảnh quá lớn, giảm để lời đọc rõ hơn.

Giữ kịch bản, giọng đọc và đoạn không liên quan đã đạt.
Không tạo lại giọng hoặc ảnh đã duyệt nếu không cần.
Nếu phát sinh phí ngoài phạm vi cũ, báo trước.
Xuất bản xem thử mới, nêu phần thay đổi rồi chờ tôi duyệt.

Bước 5: duyệt bản xem thử rồi xuất video đầy đủ

Tôi đã xem và duyệt bản xem thử hiện tại.
Dựng video khoảng 60 giây theo kịch bản, nhân vật, B1,
khung 9:16, lời đọc và phụ đề tiếng Việt đã duyệt.

Chỉ dùng dịch vụ, dữ liệu và ngân sách đã xác nhận.
Nếu cần vượt phạm vi đó, dừng để hỏi.
Giữ tài nguyên đã đạt, không tự đổi giọng hoặc phong cách.
Kiểm tệp MP4 thực tế: có tiếng, phụ đề đủ dấu,
hình khớp lời, chữ không bị cắt và âm thanh không lấn nhau.
Không báo đã xem/nghe nếu không có công cụ làm việc đó.

Giao video hoàn chỉnh và tệp phụ đề nếu luồng xuất hỗ trợ.
Nêu nơi lưu, hạn chế còn lại và phần tôi cần tự kiểm tra.
Không tự đăng lên YouTube, TikTok hay mạng xã hội.

Nếu AI chỉ giao danh sách cảnh hoặc thư mục ảnh, yêu cầu chưa hoàn thành. Nhưng cũng không nên ép “cứ xuất cho xong” khi thiếu dịch vụ giọng đọc hoặc công cụ dựng. Cần xử lý đúng phần thiếu trước.

Muốn đổi sang video ngang thì sao?

Tài liệu hiện hành nêu 16:9 và 9:16. Không nên mặc định repo hỗ trợ sẵn 1:1 chỉ vì bài giới thiệu bên ngoài có nhắc tới.

Đổi khung cần sắp lại vị trí nhân vật, đạo cụ, phụ đề rồi xem thử lại. Cắt giữa video ngang có thể làm mất bàn tay hoặc vật thể đang được nhắc đến.

Khung ngang có chỗ đặt nhân vật và đạo cụ cạnh nhau; khung dọc thường cần sắp lại theo chiều cao.

Muốn tự dựng? Dùng prompt Director

Luồng này dùng A1 nền sáng, 30 giây, lời đọc tiếng Anh theo cấu trúc mặc định của tài liệu A1 đến A5. Ngôn ngữ trao đổi tiếng Việt không tự làm lời đọc thành tiếng Việt. Muốn đổi lời đọc, cần yêu cầu agent kiểm tra quy tắc phong cách và khả năng công cụ tạo clip đã chọn.

Dùng Director Mode A1 để chuyển nội dung sau thành video người que:
[Nội dung hoặc chủ đề của tôi]

Yêu cầu: 30 giây, ngang 16:9, A1 nền trắng nét đen.
Trao đổi bằng tiếng Việt. Lời đọc tiếng Anh,
có bản dịch tiếng Việt tham khảo để tôi duyệt.

Trước tiên đưa đề xuất đạo diễn, lời đọc, hành động,
chuyển cảnh và cách giữ giọng đọc nhất quán.
Chờ tôi duyệt đề xuất hiện tại rồi mới đưa prompt từng cảnh.
Mỗi prompt dùng độc lập, không viết “giống cảnh trước”.

Tôi tự tạo clip trong Google Flow, dựng lại trong CapCut.
Giải thích cách nối cảnh, phụ đề cần thêm khi dựng
và điểm cần kiểm để nhân vật không thay đổi giữa các clip.
Chưa tạo media, chưa phát sinh phí và chưa đăng video.

Xem phong cách Director và video mẫu tại repo gốc hoặc phong cách Autopilot và các ví dụ trước khi chọn. Mẫu do tác giả cung cấp không chứng minh mọi môi trường đều cho kết quả tương đương.

Tạo thêm ảnh bìa và nội dung đăng tải

Repo có Thumbnail & Publishing Kit, tức bộ ảnh bìa và nội dung chuẩn bị đăng. Sau khi hài lòng với video, có thể yêu cầu:

Tạo Thumbnail & Publishing Kit cho video vừa được duyệt:
- Một ý tưởng ảnh bìa 16:9, đúng nhân vật và phong cách.
- Năm tiêu đề tiếng Việt, rõ ý, không giật tít sai nội dung.
- Mô tả và từ khóa liên quan.
- Mốc thời gian chỉ khi đã đối chiếu với video cuối.
- Một câu hỏi dùng cho bình luận ghim.
- Danh sách kiểm tra trước khi đăng.

Chỉ tạo ảnh khi có công cụ phù hợp và phí đã được duyệt.
Nếu chưa có, giao mô tả ảnh và phần chữ, báo ảnh chưa tạo.
Không dùng nhân vật nổi tiếng khi chưa có quyền.
Không đăng hoặc tải lên tài khoản mạng xã hội của tôi.

Có bộ nội dung đăng tải không có nghĩa công cụ tự đăng lên tài khoản. Bạn vẫn phải xem lại ảnh bìa, tiêu đề và quyền sử dụng trước khi đưa video lên kênh.

Miễn phí phần nào, cần kiểm tra phần nào?

Mã nguồn repo có giấy phép MIT. Điều đó không làm gói AI Agent, dịch vụ tạo ảnh, giọng đọc, tạo clip hay API bạn kết nối trở thành miễn phí. API là cách phần mềm gọi dịch vụ của nhau; chi phí tùy nhà cung cấp và mức dùng.

Cần kiểm quyền từng ảnh, nhạc, hiệu ứng và giọng nói. Giấy phép phần mềm không tự giải quyết quyền với mọi tài nguyên trong video. Không dùng nhân vật có bản quyền hoặc giọng người khác chỉ vì AI có thể tạo ra.

Chất lượng phụ thuộc cả kịch bản lẫn công cụ thực thi. Prompt không bảo đảm nhân vật luôn đồng nhất, phụ đề luôn đúng hay video được nền tảng cho kiếm tiền. Video mẫu là mốc tham khảo, không phải cam kết đầu ra.

Lần đầu, hãy nhắm một video ngắn có ý rõ, giọng nghe được, chữ đọc được và hành động khớp lời. Làm ổn định rồi mới tăng độ dài và số lượng.

Câu hỏi thường gặp

Có cần biết lập trình để dùng Stickman Video Director không? Bạn có thể giao việc bằng tiếng Việt và để AI Agent thao tác công cụ. Nhưng vẫn cần môi trường có quyền làm việc với tệp, công cụ dựng và dịch vụ phù hợp; prompt không loại bỏ các điều kiện này.

Dán prompt vào ChatGPT hoặc Claude chat thông thường có xuất được video không? Không nên mặc định như vậy. Viết kịch bản trong chat khác với chạy quy trình dựng. Autopilot cần agent có quyền đọc, ghi tệp và thực thi công cụ cần thiết.

Autopilot có tạo video tiếng Việt không? Tài liệu cho phép chỉ định ngôn ngữ. Kết quả còn phụ thuộc dịch vụ giọng đọc, font và bố trí phụ đề. Cần xem thử có tiếng trước khi duyệt cả video.

Cài skill xong có làm video miễn phí ngay được không? Chưa chắc. Skill và mã nguồn không thu phí không đồng nghĩa dịch vụ đã có sẵn hoặc miễn phí. Cần kiểm tra công cụ, kết nối và chi phí trước khi tạo media.

Nên chọn Director hay Autopilot cho lần đầu? Chọn Autopilot B1 nếu muốn thử nhận video hoàn chỉnh và có agent đủ công cụ. Chọn Director A1 đến A5 nếu muốn nhận phân cảnh, tự tạo từng clip rồi dựng.

Tài liệu tham khảo

• Repo Stickman Video Director: giới thiệu và quy trình bắt đầu.
• SKILL.md: chế độ, phong cách và khung hình.
• Hướng dẫn Autopilot: công cụ, dịch vụ và kiểm soát chi phí.
• Hướng dẫn xử lý lỗi cài đặt của tác giả.
• Giấy phép mã nguồn MIT.

Hướng dẫn được đối chiếu với tài liệu repo ngày 15/11/2026. Các prompt là mẫu giao việc, không phải cam kết cài thành công trên mọi máy; bài không đại diện cho một lần kiểm thử dựng video hoàn chỉnh.