Một người có làm được phim ngắn bằng AI không? Storyboard, sự nhất quán nhân vật và cách nối cảnh
Làm được. Nhưng không phải mọi phần.
Tôi thử làm phim bằng AI một mình với một câu chuyện cố tình nhỏ nhất có thể: một người đàn ông tìm thấy tờ giấy gấp trong túi chiếc áo khoác cũ. Tám cảnh, một người, từ một câu văn đến thứ có thể xem từ đầu đến cuối. Dưới đây là những gì hiệu quả, chỗ tôi bị mắc, và chi phí thực sự.
Một người làm xong được phần nào, không được phần nào
Kết luận trước, để bạn không đọc tiếp với kỳ vọng sai.
Những gì một người giờ tự làm được: storyboard, tạo hình nhân vật và sự nhất quán nhân vật, khung hình của từng cảnh, các chỗ nối giữa cảnh, giọng nói và khớp môi. Công việc trước đây cần quay phim, người đánh sáng, bộ phận mỹ thuật và diễn viên nay thật sự gói được trên một chiếc bàn.
Những gì vẫn chưa được: hành động phức tạp liên tục quá khoảng năm giây, diễn xuất khớp chính xác vào nhịp một câu thoại, bất kỳ cảnh nào có chữ đọc được trong khung (nói ở dưới), và mọi thứ cần địa điểm thật hoặc một người thật đang phản ứng.
Nên khoảng thời lượng phù hợp nhất của việc làm phim bằng AI hiện nay là 30 giây đến 2 phút, dựng từ nhiều cảnh ngắn. Đừng thử một cú bấm máy liền ba phút — đây không phải vấn đề viết prompt, đây là giới hạn hiện tại của cả cách làm.
Biến một đoạn văn thành storyboard thế nào?
Storyboard là bước làm trước tiên và là bước rẻ nhất trong toàn bộ quá trình làm phim bằng AI. Nó nhanh, gần như không tốn gì, và phơi ra các vấn đề của câu chuyện trước khi bạn bỏ tiền thật cho khung hình hoàn thiện.
Cách làm thẳng thắn: cắt câu chuyện thành một câu cho mỗi cảnh, và viết ba thứ trong mỗi câu — cỡ cảnh, hành động, ánh sáng. Rồi chạy một loạt hình nhỏ kiểu chì qua tạo ảnh AI.
Cách cắt của tôi: toàn cảnh giới thiệu căn phòng → trung cảnh, chiếc áo khoác được lấy khỏi mắc → cận cảnh, một bàn tay đưa vào túi → cận cảnh, tờ giấy mở ra trong lòng bàn tay → trung cảnh, đầu ngẩng lên về phía cửa sổ → toàn cảnh, khoác áo, bước về phía cửa → cửa cầu thang mở ra ánh sáng buổi sớm → viễn cảnh, tấm lưng anh đi lên con phố.
Một lời khuyên trái trực giác ở bước này: đừng cố vẽ đẹp. Bạn chỉ kiểm ba điều — câu chuyện có đứng được không, cỡ cảnh có thay đổi không, có cảnh nào dư không. Nét càng thô, càng dễ mạnh tay cắt. Loạt đầu của tôi có 11 ô; nhịp chỉ đúng khi giảm xuống tám.
Giữ nguyên một khuôn mặt qua mọi cảnh thế nào?
Sự nhất quán nhân vật là chỗ việc làm phim bằng AI hỏng nhiều nhất, và cũng là bước lấy của tôi nhiều thời gian nhất.
Câu trả lời là một thẻ nhân vật: làm một cái, rồi tham chiếu nó ở mọi cảnh thay vì mô tả khuôn mặt bằng lời. Sự nhất quán đến từ việc dùng lại một ảnh tham chiếu, không phải từ việc viết mô tả chi tiết hơn.
Tôi tạo trước một ảnh chính diện sạch — nền xám, ánh sáng đều, không tạo kiểu, không biểu cảm; về cơ bản là ảnh casting. Rồi từ đó dựng ba phần tư, nhìn ngang và phía sau. Bốn ảnh đó là "diễn viên" của phim này, và mọi cảnh sau đều được đưa thẻ đó.
Ba ghi chú thực tế:
Đừng mô tả khuôn mặt bằng chữ. "Ngoài ba mươi, tóc đen ngắn, râu lún phún" sẽ tạo ra một trăm người khác nhau. Hãy để khuôn mặt cho ảnh tham chiếu; prompt chỉ mang thứ đang thay đổi trong cảnh này.
Tạo mặt sau và mặt ngang ngay từ đầu. Nếu đợi tới cảnh anh ta đi xa mới tạo, rất có thể đó không còn là người đàn ông ở ảnh chính diện.
Viết trang phục vào mọi prompt. Sự nhất quán nhân vật không chỉ là khuôn mặt — để màu hay kiểu áo khoác trôi đi thì khán giả vẫn thấy chỗ nối. Giữ được ba điều này thì sự nhất quán nhân vật của một phim ngắn AI về cơ bản đã xong.
Cảnh nối nhau thế nào để không bị giật?
Cách ít công nhất là biến khung cuối của một cảnh thành khung đầu của cảnh tiếp theo.
Hai khung đó là nửa đầu và nửa sau của cùng một nhịp: bên trái anh nhìn tờ giấy, bên phải đầu đã ngẩng lên về phía cửa sổ. Bố cục không dịch, hướng sáng không dịch, màu không dịch — chỉ thay đổi góc đầu và hướng mắt. Dựng lại với nhau, chúng đọc ra như một phản ứng liên tục.
Đưa cả hai vào khung đầu và khung cuối thành video làm điểm bắt đầu và kết thúc, để mô hình lấp khoảng giữa. Cách này ổn định hơn nhiều so với yêu cầu mô hình "diễn" trọn một hành động, và nó cũng bảo vệ sự nhất quán nhân vật vì hai đầu đều do bạn cố định.
Hai chi tiết ở chỗ nối thường bị bỏ qua, và trong việc làm phim bằng AI chúng đắt hơn khi quay thật, vì không sửa được tại hiện trường. Hướng sáng phải trùng. Nếu cảnh trước sáng từ bên trái thì cảnh sau không thể sáng từ bên phải — khán giả không gọi được tên chỗ sai, nhưng vẫn cảm thấy sai. Màu phải trùng. Cả tám cảnh của tôi đều mang "bình minh lạnh" ngay trong prompt; tôi không tính chuyện chữa sau.
Xem hết mọi cảnh một lượt và chỉ làm lại cảnh xấu thế nào?
Mở ảnh từng cái một sẽ lừa bạn. Từng cái đứng riêng đều ổn; chỉ khi xếp theo thứ tự mới thấy khuôn mặt ở cảnh ba đã trôi.
Tôi dàn cả tám lên canvas tạo sinh, theo thứ tự, trên một hàng, rồi lùi lại. Vấn đề về sự nhất quán nhân vật dễ bắt nhất khi xếp thành hàng — mặt trôi hay ánh sáng sai nổi lên trong một lượt quét mắt. Riêng thói quen này đã bỏ đi phần lớn việc làm lại trong quá trình làm phim bằng AI của tôi: chỉ chạy lại ô bị lỗi thay vì dựng lại cả chuỗi.
Đây là tám cảnh cuối cùng của tôi. Bàn tay ở cảnh ba chạy lại hai lần; ánh sáng ngược ở cảnh bảy được chỉnh phơi sáng một lần.
Còn âm thanh thì sao?
Hình ảnh xong ở điểm này, nhưng một phim ngắn AI không có âm thanh sẽ không giữ được ai quá 30 giây.
Phim của tôi không có thoại, nên chỉ cần tiếng nền. Nếu có thoại, thứ tự là: tạo giọng bằng chuyển văn bản thành giọng nói, hoặc nhân bản một chất giọng cố định bằng nhân bản giọng nói, rồi chạy khớp môi để miệng ăn với tiếng.
Đừng đảo thứ tự đó. Làm hình trước thì bạn sẽ thấy chuyển động miệng và độ dài câu thoại không khớp; chốt thời lượng âm thanh trước rồi tạo khung theo nó, việc làm lại giảm đi rất nhiều. Để âm thanh cuối cùng là lỗi trình tự phổ biến nhất khi làm phim bằng AI.
Giới hạn của việc cho một khung hình động là ở đâu?
Năm giây đó ra từ cảnh phía trên: hơi thở, một lần nháy mắt, tia nhìn dịch nhẹ, vầng trán hơi nhíu.
Tôi ba lần yêu cầu anh "quay người và đi về phía cửa", và lần nào cũng biến dạng — đi hai bước là không còn là anh nữa. Vậy nên ranh giới rõ ràng: phản ứng nhỏ tại chỗ thì đáng tin; yêu cầu nhân vật di chuyển hay thực hiện hành động phức tạp thì chưa. Với những cảnh cần chuyển động, tôi tạo khung cuối trước rồi nội suy, chứ không để mô hình tự diễn.
Ba thất bại, kể thẳng
Chữ trong khung là giả. Phóng to cận cảnh tờ giấy của tôi và "chữ viết tay" trên giấy hoàn toàn vô nghĩa — mô hình tạo sinh không viết được chữ đọc được, và điều đó âm thầm loại cả một nhóm cảnh khỏi việc làm phim bằng AI. Hoặc bạn không quay rõ (mất nét, che một nửa), hoặc dán chữ thật vào sau.
Bàn tay vẫn phải kiểm từng cái. Ở cảnh bàn tay đưa vào túi, bản đầu có một khớp sai vị trí; phải chạy lại hai lần. Mọi cảnh có tay trong khung đều được phóng to xem.
Hành động liên tục làm mất khuôn mặt. Như đã nói — di chuyển quá hai ba giây gần như luôn hỏng, và sự nhất quán nhân vật là thứ đổ trước tiên.
Danh sách tám cảnh sao chép được
Làm theo thứ tự này thì bạn không phải quay lại:
- Cắt câu chuyện thành một câu cho mỗi cảnh, mỗi câu mang cỡ cảnh, hành động, ánh sáng
- Tạo một storyboard thô rồi cắt đến chỉ còn những cảnh cần thiết
- Dựng thẻ nhân vật để cố định sự nhất quán: chính diện, ba phần tư, nhìn ngang, phía sau
- Tạo từng cảnh theo board, đưa thẻ mỗi lần, viết tông màu vào mọi prompt
- Ở chỗ cảnh cần nối, làm khung cuối trước, rồi mới khung đầu
- Dàn hết lên canvas và so sánh theo hàng; chỉ chạy lại cái bị lỗi
- Chốt thời lượng âm thanh, rồi khớp khung hình theo âm thanh
- Phóng to xem tay, tai và mọi chữ trong khung
Toàn bộ tám cảnh mất của tôi khoảng ba giờ, phần lớn dành cho viết prompt và chọn bản, chứ không phải chờ tạo. Sự nhất quán nhân vật và các chỗ nối cảnh nhanh gần gấp đôi sau khi bạn làm vài lần.
Mức này đã đủ cho phần mở đầu, phim ý tưởng và tư liệu thuyết trình. Với một sản phẩm thương mại hoàn thiện phải giao cho khách, tôi vẫn quay thật và dùng AI để bù các cảnh còn thiếu. Nếu muốn tự đi qua quy trình làm phim bằng AI, tạo video AI là nơi bắt đầu — chỉ cần một câu văn là khởi động được.