Bài 5: Tạo cảnh bằng FastWan và để Claude nhìn khung kiểm lỗi

Đây là bước tốn giờ máy nhất — và là nơi cách dùng Claude toả sáng: thay vì tạo cả video rồi mới phát hiện hỏng, Claude tạo từng cảnh rồi tự nhìn khung hình để kiểm ngay, không cần cài thêm model chấm điểm nào. Bài này chỉ cách đó và khi nào cần tạo lại.

1. Claude chạy FastWan tạo từng cảnh

Với mỗi cảnh, Claude gọi mlx-video (Wan2.2 + LoRA FastWan) tạo một đoạn video ngắn, bắt đầu từ ảnh neo. FastWan chỉ cần 3 bước nên nhanh (~4 phút cho 3 giây). Lệnh Claude chạy đại khái như sau (bạn không phải tự gõ — đây là để hiểu nó làm gì):

from mlx_video.models.wan_2.generate import generate_video

generate_video(
    model_dir="models/wan2.2-mlx",
    prompt="A friendly Vietnamese man ... slowly showing a small white power bank ...",
    image="anchor.png",           # bắt đầu từ ảnh neo → giữ nhất quán
    width=832, height=480,         # 16:9 (9:16 = 480×832, 1:1 = 640×640)
    num_frames=73,                 # ~3 giây @24fps (dạng 4n+1)
    steps=3, guide_scale=1.0, scheduler="euler",
    loras=[("models/loras/Wan2_2_5B_FastWanFullAttn_lora_rank_128_bf16.safetensors", 1.0)],
    seed=7,
    output_path="shots/detail_1_s7.mp4",
)

🧩 Vì mỗi lần tạo có yếu tố ngẫu nhiên (seed), cùng một cảnh có thể ra khác nhau. Đó là lý do cần kiểm và đôi khi thử lại.

2. Claude tự “nhìn” khung hình để kiểm lỗi

Vì Claude đọc được ảnh, nhờ nó trích vài khung mỗi cảnh (bằng ffmpeg) rồi tự xem và soát:

Với mỗi cảnh vừa tạo, trích 3 khung (đầu/giữa/cuối) bằng ffmpeg rồi xem giúp:
- Đồ vật còn trong tay không?
- Có đúng một người và giống ảnh neo không?
- Bàn tay có bình thường (không thừa/thiếu ngón, không méo) không?
- Màu/ánh sáng có trôi nhiều so với ảnh neo không? Khung đầu có khớp ảnh neo không?
Báo mình cảnh nào ĐẠT, cảnh nào ĐÁNG XEM LẠI và vì sao.

Đây đúng là các lỗi hay gặp của model tạo video. Claude báo kiểu:

detail_1 (seed 7): ĐẠT — vật trong tay, đúng người, tay bình thường, màu ổn.
detail_2 (seed 7): ĐÁNG XEM LẠI — tay phải hơi méo ở khung cuối.

🧠 Vì sao không cần model chấm điểm riêng? Với người tự làm, để Claude nhìn trực tiếp vừa đủ tốt vừa đỡ cài đặt. (Nâng cao: nếu cần điểm số tự động cho hàng loạt video, có thể thêm các model đo chất lượng — nhưng không bắt buộc.)

3. Thử lại seed khi cảnh lỗi

Cảnh “đáng xem lại” thì nhờ Claude tạo lại với seed khác:

Cảnh detail_2 tay bị méo. Tạo lại chỉ cảnh đó với 2 seed khác, rồi cho mình xem khung để chọn.

• Thường 1–2 seed là ra bản dùng được.
• Chỉ cảnh đó tạo lại, không phải cả video.
• Động tác quan trọng mà model làm quá nhẹ → đổi sang hành động rõ hơn (Bài 7) rồi tạo lại.

4. Điều Claude/máy khó bắt — cần mắt bạn

• Động tác quá nhẹ: model hay làm cử chỉ nhỏ và chậm hơn mô tả. Cảnh “xoay cho thấy các mặt” có thể gần như không xoay.
• Cảm giác tổng thể (biểu cảm, độ tự nhiên) — Claude bắt lỗi rõ ràng tốt, nhưng bạn vẫn nên xem bản xem trước của cảnh quan trọng.

→ Nhờ Claude ghép nhanh bản xem trước có tiếng của từng đoạn để bạn liếc qua trước khi duyệt.

5. Bạn duyệt từng đoạn

Xem bản xem trước, rồi:

• Ưng → duyệt đoạn.
• Một cảnh không ưng → nhờ Claude tạo lại cảnh đó.

🤝 Claude lo chạy FastWan, trích khung, nhìn và tóm tắt; bạn xem và quyết — vì chất lượng hình là chuyện của mắt người.

6. Thuật ngữ bài này

Thuật ngữ	Nghĩa
FastWan	Model tạo video nhanh (3 bước), tạo từng cảnh từ ảnh neo
seed	Số khởi tạo ngẫu nhiên; đổi seed ra kết quả khác
num_frames (4n+1)	Số khung mỗi cảnh (ví dụ 73 ≈ 3 giây @24fps)
Trích khung	Lấy vài ảnh từ video (bằng ffmpeg) để Claude xem
Đáng xem lại	Cảnh Claude thấy có lỗi, cần bạn xem kỹ / tạo lại

🧪 Tự kiểm tra

1. Claude kiểm chất lượng cảnh bằng cách nào mà không cần model chấm điểm riêng?
2. Một cảnh bị tay méo thì xử lý thế nào, và có phải làm lại cả video không?
3. Động tác người dẫn làm quá nhẹ thì nên làm gì?

Tóm lại

Bước tạo cảnh tốn giờ máy nhất, nên Claude tạo từng cảnh rồi tự nhìn khung hình để kiểm ngay (vật trong tay, đúng người, tay bình thường, màu không trôi) — không cần cài model chấm điểm. Cảnh lỗi thì tạo lại chỉ cảnh đó với seed khác (thường 1–2 lần). Claude lọc trước, bạn xem bản xem trước và quyết duyệt hay làm lại; nhớ rằng động tác quá nhẹ là thứ cần mắt bạn. Bài sau: khớp khẩu hình, dựng và xuất bản thành video hoàn chỉnh.