Bài 4: Người dẫn, giọng đọc và animatic — để Claude dựng bản nháp

Trước khi tốn giờ máy tạo video, Claude làm hai việc “rẻ” nhưng quyết định: tạo gương mặt người dẫn cho bạn chọn (ảnh neo) và dựng bản nháp cả phim (animatic). Ở giữa, Claude đọc giọng và đo nhịp — nền để các cảnh khớp. Bạn chỉ đạo bằng lời; Claude chạy lệnh.

1. Claude tạo ảnh người dẫn (ảnh neo)

Từ mô tả character trong kịch bản, bạn nhờ Claude tạo vài ảnh ứng viên với các seed khác nhau:

Dùng mlx-video tạo 4 ảnh người dẫn ứng viên theo mô tả character trong script.json,
mỗi ảnh một seed, khổ 16:9. Lưu vào character/ và ghép thành một ảnh để mình xem.

🧩 Seed là gì? Là số khởi tạo ngẫu nhiên. Cùng mô tả, đổi seed sẽ ra ảnh khác — nhờ vậy có nhiều lựa chọn mà không phải đổi mô tả.

ℹ️ Ảnh neo tạo ra sao? mlx-video vốn là công cụ tạo video, nên “ảnh người dẫn” thực chất là một khung trích ra từ một clip rất ngắn (Claude tạo clip ngắn rồi lấy khung đẹp bằng ffmpeg). Bạn không phải bận tâm chi tiết — chỉ cần biết để không bỡ ngỡ khi thấy Claude tạo clip rồi mới ra ảnh.

Bạn mở ảnh ứng viên và chọn. Tiêu chí:

• Gương mặt rõ, nhìn thẳng, thấy hai mắt.
• Đúng mô tả (tuổi, trang phục, có cầm đúng đồ vật nếu cần).
• Nét — ảnh mờ thì cả video mờ.

Bảo Claude đặt ảnh đã chọn làm ảnh neo:

Mình chọn ảnh seed 7 làm ảnh neo. Kiểm giúp ảnh đủ nét và có đúng một gương mặt rõ;
nếu đạt thì đặt làm anchor cho các cảnh.

⚠️ Nhờ Claude kiểm nét: Claude mở ảnh, xem gương mặt có rõ không, cảnh báo nếu mờ. Không ưng ảnh nào? Nhờ Claude làm mô tả cụ thể hơn (“short neat black hair, light blue shirt” thay vì “handsome”) và tạo lại.

2. Claude đọc giọng và đo nhịp

Nhờ Claude chạy VieNeu-TTS đọc từng câu và đo nhịp:

Đọc từng câu trong script.json bằng VieNeu-TTS, giọng Hải Đăng, lưu từng file .wav.
Dùng ffprobe đo độ dài mỗi câu và in bảng trục thời gian (câu — bắt đầu — kết thúc).

Claude trả về trục thời gian. Nhờ nó soát:

• Mọi câu có tiếng, không vỡ tiếng.
• Tốc độ đọc tự nhiên (không quá nhanh/chậm).
• Câu nào đọc sai số/từ thì sửa cách viết trong text (ví dụ “10.000” → “mười nghìn”) rồi đọc lại chỉ câu đó.

🔑 Làm giọng trước, chia cảnh sau. Vì cảnh được chia theo giọng thật, video cuối khớp đúng lời.

3. Claude chia cảnh

Dựa trên trục thời gian, nhờ Claude chia cảnh và viết prompt từng cảnh:

Chia video thành các cảnh theo trục thời gian: mỗi cảnh ≤ 5 giây, không cắt giữa câu,
mỗi cảnh bắt đầu từ ảnh neo, prompt gồm mô tả nhân vật cố định + một hành động chậm.

• Mỗi cảnh ≤ 5 giây (model ổn định nhất ở cảnh ngắn).
• Không cắt giữa câu.
• Mỗi cảnh bắt đầu từ ảnh neo (giữ nhất quán).

4. Claude dựng animatic

Nhờ Claude dựng bản nháp cả phim bằng ffmpeg:

Dựng animatic: ghép ảnh neo (hoặc ảnh cảnh tĩnh) theo trục thời gian, lồng giọng thật,
chèn phụ đề thật, thêm nhãn góc cho biết cảnh/đang nói hay im/hành động. Xuất review/animatic.mp4.

Animatic là cả phim với đúng nhịp cuối cùng nhưng dùng ảnh tĩnh thay video (chưa tốn giờ). Xem và trả lời 4 câu:

1. Giọng đọc có tự nhiên không, có chỗ đọc sai không?
2. Chỗ cắt cảnh có đúng chỗ ngắt câu không?
3. Phụ đề có đọc kịp không?
4. Hành động có hợp lời không (nói “nhỏ gọn” thì đang đưa sản phẩm ra)?

Chưa ưng thì nhờ Claude sửa kịch bản rồi dựng lại — chỉ câu bị sửa lời mới đọc lại giọng.

5. Bạn duyệt trước khi tạo video

Đây là các mốc bạn quyết định: duyệt kịch bản (nội dung), ảnh neo (gương mặt), animatic (nhịp phim). Duyệt xong mới sang bước tốn giờ nhất là tạo cảnh (Bài 5).

🤝 Claude lo phần chạy lệnh và tóm tắt; bạn mở ảnh/animatic và quyết — vì đây là lựa chọn thẩm mỹ.

6. Thuật ngữ bài này

Thuật ngữ	Nghĩa
Seed	Số khởi tạo ngẫu nhiên; đổi seed ra ảnh khác từ cùng mô tả
Ảnh neo (anchor)	Ảnh người dẫn đã chọn; mọi cảnh bắt đầu từ đây
ffprobe	Công cụ (đi kèm ffmpeg) đo độ dài/thông số file âm thanh–video
Trục thời gian (timeline)	Mốc bắt đầu/kết thúc từng câu, đo từ giọng thật
Animatic	Bản nháp cả phim: giọng + phụ đề thật, ảnh tĩnh thay video

🧪 Tự kiểm tra

1. Vì sao ảnh neo mờ lại kéo chất lượng cả video?
2. Claude dùng công cụ gì để đo nhịp từng câu, và vì sao làm giọng trước?
3. Bốn câu cần trả lời khi xem animatic là gì?

Tóm lại

Trước khi tạo video, Claude làm hai bước “rẻ” quyết định chất lượng: tạo ảnh neo cho bạn chọn (phải nét, đúng mô tả — vì mọi cảnh bắt đầu từ nó) và dựng animatic (bản nháp có giọng + phụ đề thật để duyệt nhịp). Ở giữa, Claude đọc giọng (VieNeu-TTS) rồi đo nhịp (ffprobe) và chia cảnh theo giọng thật. Bạn chỉ đạo bằng lời và duyệt các mốc; Claude chạy lệnh. Bài sau: Claude tạo cảnh bằng FastWan và tự nhìn khung để kiểm lỗi.