Bài 1: Dùng Claude + công cụ mã nguồn mở tự làm video AI trên Mac — tổng quan

Bạn đã thấy những video “người thật” giới thiệu sản phẩm, nhưng thực ra người dẫn do AI tạo — nói trôi chảy tiếng Việt, miệng khớp từng lời? Loạt bài này chỉ cách tự làm một video như vậy ngay trên MacBook, bằng các công cụ mã nguồn mở miễn phí — và điểm mấu chốt: để Claude Code làm “bộ não” điều phối thay vì bạn phải tự lập trình. Bài đầu cho bạn bức tranh toàn cảnh.

🎯 Ý tưởng cốt lõi: các công cụ AI (tạo hình, giọng nói, khớp khẩu hình) là tay chân; Claude Code là bộ não — nó viết kịch bản, chạy lệnh nối các công cụ, tự nhìn khung hình để bắt lỗi, và ghép thành video. Bạn mô tả ý muốn và giữ quyền duyệt.

Thành phẩm trông như thế nào

Kết quả là một video ngắn (ví dụ 12 giây, 1920×1080) gồm:

• Một người dẫn ảo nhất quán giữa các cảnh (cùng gương mặt, trang phục, bối cảnh).
• Giọng đọc tiếng Việt tự nhiên, chọn được nam/nữ, giọng Bắc/Nam.
• Khớp khẩu hình — miệng người dẫn cử động theo đúng lời.
• Phụ đề gọn gàng, âm lượng chuẩn (-14 LUFS như YouTube khuyến nghị).
• File xuất sẵn đăng + ảnh bìa.

Toàn bộ chạy cục bộ — nghĩa là gì?

“Cục bộ” (local) = mọi tính toán diễn ra trên máy bạn, không gửi dữ liệu lên máy chủ nào. Có được nhờ MLX — khung học máy của Apple, tối ưu cho chip Apple Silicon. Nhờ MLX, các model AI vốn hay đòi card NVIDIA nay chạy được ngay trên Mac.

💡 Vì sao cục bộ hấp dẫn: không tốn phí theo video, dữ liệu không rời máy, kiểm soát từng bước. Đổi lại cần máy mạnh và cài đặt một lần (Bài 2).

Claude là “bộ não”, công cụ mã nguồn mở là “tay chân”

Đây là điểm khác biệt của loạt bài: thay vì một phần mềm đóng gói, bạn để Claude Code điều phối. Với mỗi bước, bạn nói ý muốn, Claude viết và chạy lệnh gọi công cụ phù hợp, đọc kết quả và sửa khi lỗi.

Khối	Công cụ (mã nguồn mở)	Claude làm gì với nó
Tạo hình & video	mlx-video (Wan2.2 + LoRA FastWan)	Viết lệnh tạo ảnh người dẫn và video từng cảnh
Giọng đọc	VieNeu-TTS	Chạy đọc lời tiếng Việt từng câu ra file
Khớp khẩu hình	LatentSync (bản MLX)	Chạy vẽ lại miệng khớp giọng
Ghép & xử lý	ffmpeg	Ghép cảnh, chèn phụ đề, chuẩn âm lượng
Kiểm tra chất lượng	Chính Claude (đọc được ảnh)	“Nhìn” khung hình để bắt lỗi (vật trong tay, đúng người, tay bình thường)

⚡ FastWan quan trọng thế nào? Model tạo video gốc cần khoảng 40 bước khử nhiễu mỗi cảnh — rất chậm. LoRA FastWan rút còn 3 bước, nên một cảnh ~3 giây chỉ mất khoảng 4 phút. Đây là mấu chốt khiến làm video trên máy cá nhân khả thi.

Quy trình và triết lý “kiểm tra sớm”

Thay vì tạo cả video một phát rồi hy vọng đẹp, Claude đi từng bước có kiểm soát:

Bạn mô tả video
  → Claude viết kịch bản (lời, phụ đề, hành động)  ── bạn duyệt nội dung
  → Claude tạo giọng + đo nhịp từng câu (ffprobe)
  → Claude tạo ảnh người dẫn ── bạn chọn gương mặt
  → Claude dựng bản nháp (animatic) ── bạn duyệt nhịp
  → Claude tạo video từng cảnh (FastWan) + tự nhìn khung để kiểm lỗi
  → Claude khớp khẩu hình (LatentSync)
  → Claude ghép (ffmpeg): phụ đề, cân âm lượng ── bạn duyệt bản cuối

🔑 Vì sao kiểm tra từng bước? Vì sửa sớm rẻ hơn sửa muộn rất nhiều. Phát hiện kịch bản đọc quá nhanh ở bước viết chữ chỉ mất vài giây sửa; phát hiện sau khi đã tạo xong video tốn hàng giờ máy. Bạn bảo Claude “kiểm X trước khi sang bước sau”, nó làm đúng nguyên tắc này.

Ai làm gì: Claude và bạn

Việc	Ai làm
Viết & sửa kịch bản, chạy lệnh công cụ, đọc kết quả, nhìn khung bắt lỗi	Claude
Chọn gương mặt người dẫn, duyệt bản nháp, duyệt từng đoạn	Bạn
Duyệt nội dung trước khi đăng (số liệu, tên nhãn hàng, lời hứa hẹn)	Người có thẩm quyền

→ Claude gánh phần lặp lại và máy móc; con người giữ quyết định thẩm mỹ và trách nhiệm. Nguyên tắc xuyên suốt: AI là trợ lý, bạn kiểm chứng và quyết định cuối.

Thuật ngữ cần nhớ (tra nhanh suốt series)

Thuật ngữ	Nghĩa trong series
Claude Code	Claude chạy trong Terminal, viết & chạy lệnh trên máy bạn — “bộ điều phối”
MLX	Khung học máy của Apple, giúp model AI chạy trên chip Apple Silicon
mlx-video / FastWan	Thư viện tạo video; FastWan (LoRA) giúp tạo nhanh (3 bước thay vì 40)
LoRA	“Bản vá” nhỏ gắn vào model lớn để đổi hành vi (ở đây: tăng tốc)
VieNeu-TTS	Thư viện đổi chữ thành giọng nói tiếng Việt
LatentSync	Model khớp khẩu hình (vẽ lại miệng theo giọng)
ffmpeg	Công cụ xử lý âm thanh/video (ghép, phụ đề, âm lượng)
Ảnh neo (anchor)	Ảnh người dẫn gốc; mọi cảnh bắt đầu từ đây để giữ nhất quán
Animatic	Bản nháp cả phim: giọng + phụ đề thật, ảnh tĩnh thay cho video
QC	Kiểm tra chất lượng (ở đây Claude tự nhìn khung hình để soát)

Lộ trình 7 bài

1. Tổng quan & kiến trúc (bài này).
2. Cài đặt: Claude Code + các công cụ mã nguồn mở + model, rồi kiểm tra.
3. Kịch bản với Claude: mô tả ý muốn, Claude viết kịch bản và tự soát (thời lượng, phụ đề, từ cấm).
4. Người dẫn, giọng & animatic: Claude tạo/giúp chọn ảnh neo, đọc giọng, đo nhịp, dựng bản nháp.
5. Tạo cảnh & tự kiểm tra: Claude chạy FastWan từng cảnh và nhìn khung để bắt lỗi.
6. Khớp khẩu hình, dựng & xuất bản (LatentSync + ffmpeg).
7. Nâng cao & mẹo thực chiến: khổ 9:16, ghép quay màn hình, thư viện hành động, lỗi hay gặp.

🧪 Tự kiểm tra

1. Trong mô hình này, Claude đóng vai gì và các công cụ mã nguồn mở đóng vai gì?
2. Vì sao FastWan khiến làm video trên Mac khả thi?
3. Nêu một việc Claude làm và một việc chỉ con người nên quyết — và vì sao.

Tóm lại

Tự làm video người dẫn AI trên Mac = để Claude Code điều phối các công cụ mã nguồn mở (mlx-video/FastWan tạo hình, VieNeu-TTS giọng Việt, LatentSync khớp khẩu hình, ffmpeg ghép), chạy nhờ MLX trên chip Apple Silicon — miễn phí theo video, riêng tư, kiểm soát được. Bạn mô tả ý muốn và duyệt các mốc quan trọng; Claude viết lệnh, chạy, nhìn khung bắt lỗi và sửa. Mấu chốt là FastWan (tạo nhanh) và triết lý kiểm tra sớm để khỏi phí giờ máy. Bài sau sẽ cài đặt Claude Code và toàn bộ công cụ. Nếu bạn mới làm quen Claude, xem trước series Claude thực chiến và cách viết prompt tạo ảnh AI đẹp.