Chờ đợi hơn nửa năm, Kling 4.0 cuối cùng cũng đã tung ra bản cập nhật cực mạnh mẽ!
Bạn có tò mò không: cùng một đoạn nhảy nhóm nữ, cùng một màn đấu võ sĩ Samurai, trước đây tôi từng dùng Seedance 2.5 để tạo, giờ đổi sang Kling 4.0 thì sẽ quay ra kết quả thế nào?
Lần này với Kling 4.0, tôi thực sự muốn nghiêm túc thử nghiệm.
Tạo được tối đa 30s cho một lần, có lời thoại, lại còn tự chuyển góc máy, nghe rất hợp để làm phim ngắn. Nhưng hiệu quả thực tế ra sao thì phải đưa vào ứng dụng thực tế mới biết được.
Tôi lấy lại các case study từng làm bằng Seedance 2.5 để test lại, sau đó dùng một bộ phim ngắn đô thị để đi trọn vẹn quy trình từ kịch bản, ảnh nhân vật, tạo video cho đến edit.
Trước tiên hãy xem 5 nhóm video, phần sau sẽ hướng dẫn trực tiếp cách làm. Toàn bộ prompt và tư liệu tương ứng đều được để ở cuối bài.
1. Thử nghiệm thực tế 5 nhóm video
Tôi lấy 5 case study trước đây từng làm bằng Seedance 2.5, đổi sang Kling 4.0 để chạy lại một lượt.
01 Điệu nhảy nhóm nữ
prompt chỉ quy định 3 thành viên trưởng thành, tóc dài màu hồng / tóc ngắn màu bạc / tóc dài màu đen, cùng với góc toàn cảnh, xoay người và cận cảnh biểu cảm, để model tự do phát huy.
Đầu tiên xem Kling 4.0, sau đó xem Seedance 2.5. Video gốc lần lượt là 1080P và 720P, video ghép tổng hợp quy về 1080P; giữ nguyên âm thanh gốc và tốc độ gốc.
Với video nhóm nữ này, tôi thật sự không ngờ Kling lại làm ra như thế. Thành thật mà nói, có chút giống cảm giác trước đây khi tôi dùng MiniMax H3.
Ít nhất là trong bối cảnh này, tôi thấy Kling chỉ tương đương Seedance 2.0, thậm chí một số chỗ còn kém hơn.
Tất nhiên, gu thẩm mỹ thì mang tính chủ quan.
Mọi người có thể tự quan sát độ mịn của da nhân vật, xử lý khuôn mặt, cũng như hiệu quả nhảy đồng đều của cả ba người để tự đưa ra đánh giá cho riêng mình.
Dù sao theo đánh giá của tôi thì video này không bằng Seedance 2.5.
02 Màn đấu võ sĩ Samurai
Nhóm này vẫn dùng nhân vật và bối cảnh đền thờ dưới ánh trăng từ case study gốc, chia pha giao tranh thành tấn công, đỡ đòn, đổi vị trí và kết liễu.
Về video đánh nhau này, tôi thấy Kling 4.0 vẫn còn thiếu một chút gì đó.
Cảm giác giao tranh tốc độ cao, ra đòn cực nhanh đã không thể hiện được. Giữa các cảnh cũng có sự rời rạc nhất định, logic động tác không khớp nhau, thậm chí đang đánh nhau thì vị trí vật lý của nhân vật lại thay đổi. Tôi thấy vấn đề kiểu này khá tai hại.
Hơn nữa, đây đã là kết quả sau khi dùng Skill đánh nhau chuyên dụng của chúng tôi. Đoạn này của Kling về cơ bản vẫn phải dựa vào edit, ghép lại các phân đoạn khác nhau một lượt thì mới làm cho logic động tác hợp lý được.
Còn video trước đó của Seedance 2.5 thì về cơ bản tôi có thể dùng được ngay.
03 Đấu phép trừ yêu
Điểm nhấn của cảnh này là trước tiên để pháp sư trừ yêu rơi vào bẫy tơ đỏ, sau đó dùng bùa vàng phong ấn ngược lại yêu nhện. Mọi người có thể chú ý kỹ màu sắc hiệu ứng, mối tương quan công - thủ và cú lật kèo.
Video về yêu nhện này, nhìn chung tôi lại thấy khá ổn.
Động tác liền mạch, phép thuật về cơ bản đúng bài, khẩu hình khớp, chuyển cảnh cũng tạm ổn.
Vấn đề tương đối rõ ràng là ở khoảng giây thứ 14, yêu nhện tự trói chính mình. Lại là lỗi logic kiểu này, hơi đáng tiếc. Nhưng nếu bỏ qua chi tiết đó thì toàn bộ video vẫn có khá nhiều đoạn dùng được.
04 Cuộc đào tẩu trong rừng
Hai kẻ đào tẩu không quen biết đụng mặt nhau, từ câu "Anh theo tôi à?" đến "Dẫn đường đi", miệng thì đề phòng nhau nhưng hành động lại ngày càng áp sát. Trong 30 giây gần như hoàn toàn dựa vào mối quan hệ nhân vật để thúc đẩy mạch phim.
Video trong rừng này, về cơ bản tôi khó lòng bới ra lỗi lớn nào.
Độ nét, mức độ chân thực của nhân vật, bao gồm cả chi tiết, tôi thấy đều có thể sánh ngang với Seedance 2.5.
Có lẽ chỉ là một số sắc thái ngữ điệu rất tinh tế còn thiếu một chút cảm xúc; các chi tiết nhỏ tạo bầu không khí mập mờ cũng ít hơn đôi chút. Nhưng nhìn chung tôi chấp nhận được, video này hoàn toàn dùng được.
05 Quảng cáo tai nghe
Tôi tải lên 3 tấm ảnh sản phẩm gồm toàn thể, mặt bên và chi tiết vải lưới, tiếp tục dùng prompt của case study gốc, yêu cầu màn trình diễn thương mại ngắn gọn và hiện tên sản phẩm ở đoạn kết.
Đoạn phim quảng cáo này, độ nét tổng thể khá OK, tính nhất quán của sản phẩm tôi thấy cũng ổn. Chỉ là sau khi thêm lời bình thì lại cảm giác rẻ tiền hơn, âm nhạc cũng không được sang cho lắm.
Nhưng những vấn đề này có thể xử lý ở khâu hậu kỳ bằng cách thay tiếng, nhìn chung là dùng được. Nếu là tôi đi bàn giao video, tôi sẽ bỏ đoạn lời bình đó đi trước, rồi tìm bản nhạc phù hợp khác.
Chi phí tính như thế nào?
Xem xong hiệu quả rồi thì tính đến tiền bạc. Tôi đã tra cứu mức giá chính thức của cả hai bên và lật lại lịch sử trừ điểm lần này.
Ở đây tạm so sánh theo tiêu chuẩn 10 giây, tỉ lệ 16:9, chỉ dùng tham chiếu văn bản hoặc hình ảnh, không kèm video đầu vào.
| Model và kênh cung cấp | độ phân giải | Chi phí cho mỗi lần tạo |
|---|---|---|
| Kling 4.0, điểm hội viên Kim Cương | 1080P | Lần này thực tế trừ 135 điểm cảm hứng; Quy đổi theo gói tháng đầu hiện tại khoảng 7,86 NDT, tháng gia hạn khoảng 9,89 NDT |
| Seedance 2.5, API chính thức của Volcengine Ark | 1080P | Khoảng 37,42 NDT |
| Seedance 2.5, API chính thức của Volcengine Ark | 720P | Khoảng 15,12 NDT |
Theo hai phương thức mua này, chi phí cho mỗi video 1080P của Kling lần này thấp hơn.
2. Toàn bộ quy trình làm phim ngắn
Phần trước là so sánh model. Tiếp theo, tôi dùng Kling để làm một bộ phim ngắn AI hoàn chỉnh.
Người thừa kế nữ bị vu oan, giám đốc ép cô giao quyền, ngay cả người cha cũng không tin cô. Bảo vệ xông lên lôi người đi thì vệ sĩ mặc vest ra tay giải vây, tung video camera giám sát. Cuối cùng, số tiền được tra ra lại chuyển thẳng vào tài khoản của người cha.
Bộ phim này, từ khâu viết kịch bản, tạo hình nhân vật, đến tạo video, edit, thêm phụ đề và lồng nhạc, tôi đều trò chuyện với AI để hoàn thành mà không hề mở Jianying hay bất kỳ phần mềm dựng phim nào.
Tất nhiên, không phải cứ gõ một câu là mọi thứ chuẩn chỉ ngay được.
Nam chính chưa đủ đẹp trai, nữ chính trông như bị dán ghép vào khung hình, cảnh đánh nhau bỗng nhiên bùng phát, chữ trên bằng chứng bị lỗi hiển thị – tất cả những vấn đề đó chúng tôi đều gặp phải. Tôi xem xong thấy chỗ nào chưa ổn thì lại nói tiếp để nó chỉnh sửa. Dưới đây là toàn bộ quy trình của tôi.
1. Kết nối với Kling
Bước đầu tiên, chúng ta kết nối cả MCP và CLI của Kling vào Codex. Sau khi kết nối xong, các việc như tải ảnh tham chiếu, gửi lệnh tạo video, kiểm tra tiến độ, tải video gốc đều có thể giao cho nó làm.
Không cần phải nghiên cứu một đống cấu hình phức tạp trước, cứ gửi trực tiếp câu lệnh này cho Codex:
Vui lòng chạy lệnh sau để cài đặt Skill của Kling và hoàn tất quy trình ủy quyền: npx skills add klingai-tech/skillsCứ làm theo hướng dẫn để cài đặt và ủy quyền, khi trình duyệt bật lên trang đăng nhập, bạn chỉ cần dùng tài khoản Kling của mình để cấp quyền là xong.
Chúng ta cũng không cần quan tâm nguyên lý hoạt động của MCP hay CLI là gì, tóm lại là ta đã gắn cho Codex công cụ để thao tác với Kling.
Bạn cũng không nhất thiết phải dùng Codex. WorkBuddy hay Doubao Work đều có thể kết nối được bằng cùng một prompt tương tự.
2. Viết kịch bản
Về kịch bản, tôi dùng GPTs sáng tác kịch bản phim ngắn Tây Dương Thạch. Nó chủ yếu viết theo nhịp điệu của phim ngắn; sau này ChatGPT chính thức sẽ đóng GPTs và chuyển sang dạng plugin để sử dụng.
Nội dung tôi nhập vào thực ra rất đời thường, chỉ là miêu tả lại hình ảnh trong đầu cho nó nghe: một doanh nghiệp gia đình chỉ có một người thừa kế nữ, cô ấy bị người trong hội đồng quản trị gài bẫy hãm hại, vào lúc bất lực nhất thì chàng vệ sĩ xuất hiện giải cứu. Cần có xung đột, có cú lật kèo, nhân vật đừng quá nhiều, thời lượng khoảng từ 1 phút đến 80 giây, bối cảnh đặt tại Trung Quốc.
Bạn xem đoạn dưới đây, đó chính là quá trình tôi trò chuyện từng chút một để ra được câu chuyện này. Ban đầu tôi còn tính chuyển thể theo hơi hướng Tây Du, Liêu Trai hay phong cách Bố Già, sau mới chốt làm về doanh nghiệp gia đình hiện đại.
GPTs sẽ dựa vào những ý tưởng này để xuất ra kịch bản hoàn chỉnh, tôi xem qua rồi chỉnh lại. Ví dụ như nữ chính không thể cứ ngồi chờ người tới cứu, bản thân cô phải có phản kháng; camera giám sát cũng không thể chỉ quay cảnh Giám đốc Triệu bước vào phòng tài chính, mà tốt nhất phải thấy ông ta lấy con dấu, đóng dấu, quẹt thẻ thì chứng cứ mới ăn khớp logic.
Kịch bản chốt xong xuôi, chúng ta đưa nó cho Codex để làm tiếp. Bạn cũng có thể nói thế này:
Đây là kịch bản phim ngắn tôi đã chốt. Tiếp theo hãy sản xuất theo phiên bản này: trước tiên hãy đưa cho tôi thiết lập nhân vật cùng danh sách nhân vật, bối cảnh, đạo cụ cần chuẩn bị, sau đó tạo ảnh asset cho từng mục. Đừng vội tạo video ngay.3. Chuẩn bị asset
Bước này tôi thấy rất then chốt. Chúng ta làm về doanh nghiệp gia đình hiện đại nên trang phục nhân vật thiên về phong cách công sở, bối cảnh chính là phòng họp hiện đại. Không thể nào câu chuyện kể về hội đồng quản trị mà nhân vật và căn phòng lại mỗi thứ một phách.
Nữ chính là người thừa kế, tôi muốn cô ấy trông như một tiểu thư được nuông chiều, nuôi dạy trong giàu sang từ bé: tự nhiên, khí chất, toát lên chút quý phái, không cần trang điểm đậm hay dát toàn đồ đắt tiền lên người.
Cuối cùng tôi chọn áo khoác ngắn màu trắng, quần dài tối màu và trâm cài áo màu đỏ thẫm, đặt vào giữa một dàn vest tối màu sẽ khá nổi bật.
Nam chính tuy là vệ sĩ nhưng đồng thời cũng là nhân vật chính, vậy nên nhất định phải đẹp trai và mang lại cảm giác an toàn.
Phiên bản đầu tiên của chúng tôi anh ta còn đeo kính, trông như sinh viên hay lập trình viên, lúc đó tôi mới bảo: thế này thì làm sao nhìn ra đánh thắng được đám tay sai phản diện? Sau đó chọn được một gương mặt, tiếp tục đổi sang vest, chỉnh lại tỷ lệ cơ thể mới ra được diện mạo như hiện tại.
Tạo hình tay sai phản diện thì có thể thô ráp, hung hãn một chút, đừng để ai nấy đều trông như người mẫu nam qua photoshop kỹ càng.
Bố của nữ chính, tôi muốn một người tầm 40-50 tuổi, một nhà tài phiệt thành đạt nắm quyền kinh doanh, mang chút uy quyền kiểu "Bố Già";
Các giám đốc điều hành khác cũng cần có nét tuổi tác, có thể hơi phát tướng một chút. Khi mọi người đứng cùng nhau, khán giả mới phân biệt rõ ai là ai.
Ảnh tham chiếu nhân vật sử dụng dạng 3 cột trên nền trắng như trên: ảnh cận cảnh chính diện khuôn mặt, ảnh chính diện toàn thân che mặt, và ảnh toàn thân từ phía sau.
Cách làm này là tôi học được từ quy trình sáng tạo công khai của Higgsfield gần đây. Mặt trong ảnh toàn thân chính diện được bôi che đi, chỉ dùng ảnh cận cảnh lớn để cung cấp thông tin khuôn mặt; ảnh toàn thân phụ trách vóc dáng và trang phục, còn ảnh phía sau phụ trách cấu trúc phần lưng. Làm như vậy có thể giảm bớt sự nhiễu loạn khi hai khuôn mặt không hoàn toàn giống nhau khiến model không biết phải tham chiếu tấm nào. Hướng dẫn chuẩn bị asset tham chiếu
Giữ nguyên danh tính và khuôn mặt nhân vật đã chọn, tạo một bảng tham chiếu nhân vật trên nền trắng tinh: bên trái là ảnh cận cảnh chính diện khuôn mặt rõ nét, ở giữa là ảnh toàn thân chính diện hoàn chỉnh từ đỉnh đầu đến đế giày có che mặt, bên phải là ảnh toàn thân từ phía sau. Tỷ lệ nhân vật thon gọn tự nhiên, trang phục và giày dép trước sau nhất quán, không thêm chữ viết.Nhưng cần phải nói rõ với video model rằng mảng đen chỉ là cách xử lý trên ảnh tham khảo, khuôn mặt nhân vật trong video hoàn chỉnh bắt buộc phải nguyên vẹn. Trước đó chúng tôi thực sự đã từng tạo ra cảnh bị che mặt, nên phần giải thích này không thể bỏ qua. Về tính nhất quán cũng phải tiếp tục đối chiếu với video gốc, chứ không thể tạo xong ảnh 3 góc nhìn rồi bỏ mặc hoàn toàn.
Bối cảnh cũng cần được cố định trước. Cửa, cửa sổ, bàn dài và ghế chủ tọa trong phòng họp này, khi đổi góc máy ở các cảnh sau thì vẫn phải là cùng một căn phòng.
Tiếp theo, hãy đưa nhân vật vào bối cảnh để thử một bố cục. Cần chú ý tỷ lệ người, hướng ánh sáng từ cửa sổ, điểm tiếp xúc giữa tay và bàn. Trước đó nữ chính trông như bị ghép dán vào, do đó không thể chỉ chăm chăm vào khuôn mặt đẹp, mà còn phải để cô ấy thực sự hiện diện trong không gian này.
4. Biên soạn prompt cho video
Đến bước viết prompt cho video, tôi đã dùng một template prompt có kiến thức chuyên môn về ngôn ngữ nghe nhìn. Nó sẽ kết hợp với nhịp điệu phim ngắn để lồng ghép cỡ cảnh, chuyển động camera, diễn xuất của nhân vật và sự liên kết giữa các phân đoạn.
Tôi nghĩ ảnh asset và prompt là hai yếu tố cực kỳ then chốt khi tạo video. Chuẩn bị tốt chúng ngay từ đầu thì phía sau mới bớt phải quay gacha mò mẫm.
Gửi kịch bản, ảnh asset và template cho Codex, bạn có thể tiếp tục ra lệnh:
Dựa theo template prompt tôi đã cung cấp, hãy chia tập này thành nhiều đợt tư liệu có thể tạo liên tục.Mỗi đợt cần ghi rõ công dụng của ảnh tham khảo, vị trí đứng mở đầu, diễn xuất của nhân vật, đối thoại, cỡ cảnh và chuyển động camera, đồng thời phải nêu rõ điểm dừng ở phần kết. Lời thoại dùng phiên bản đã xác nhận. Cảnh hành động thì gọi riêng Skill đánh nhau của chúng ta để làm chi tiết.Một đợt tư liệu có thể chứa vài shot quay, không cần cứ mỗi câu thoại lại tạo một video riêng. Cũng đừng vì muốn kéo cho đủ thời lượng mà để nhân vật đứng đơ ra đó.
Đặc biệt là phần diễn xuất, bạn bắt buộc phải viết rõ.
Trải nghiệm lần này của tôi với Kling là nếu không mô tả rõ phản ứng, kết quả thực sự sẽ rất ngượng ngùng. Trong một khung hình có nhiều khuôn mặt nhưng chẳng ai cử động mấy, cũng không có biểu cảm, nhìn lâu thậm chí còn thấy rợn người.
Vì vậy khi nữ chính nghe cha bảo mình tạm đình chỉ công tác, đừng chỉ viết là cô ấy rất đau lòng.
Có thể viết: ngón tay chống lên bàn của cô siết chặt lại, hít một hơi ngắn, ngước mắt nhìn cha; người cha nghe xong liền né tránh ánh mắt của cô. Giám đốc Triệu bên cạnh nhìn về phía cửa, chờ bảo vệ bước vào. Mỗi người vào thời điểm đó làm gì đều phải có lý do.
Ví dụ trong đoạn đình chỉ công tác của chúng tôi, prompt được tổ chức như sau:
Cận cảnh người cha, đặt bút xuống, nhìn con gái: Giao con dấu ra. Tạm đình chỉ điều tra. Camera đẩy nhẹ vào.Chuyển sang góc cận từ vai đến ngực nhìn nghiêng của nữ chính, mép dưới khung hình thấy bàn tay cô đang chống lên bàn. Ngón tay cô siết chặt, kìm nén nỗi ấm ức nói: Bố, đến một câu bố cũng không chịu tin con sao?Chuyển sang cận cảnh người cha, ông nhìn cô một cái rồi lại cụp mắt xuống: Bố chỉ nhìn vào chứng cứ.Chuyển sang trung cận cảnh Giám đốc Triệu, ông ta lập tức giơ tay về phía cửa: Dẫn đi!Cỡ cảnh cũng cần phải thay đổi linh hoạt. Trước tiên hãy cho khán giả biết mọi người đang ở đâu, sau đó chuyển gần hơn để quan sát biểu cảm hoặc hành động, đừng dùng duy nhất một cảnh toàn cho cả đoạn. Cứ nhìn từ xa mãi vừa nhàm chán, vừa dễ để lộ tất cả các động tác nhỏ thiếu tự nhiên.
Về cảnh hành động, chúng tôi đã sử dụng thêm một Skill đánh nhau chuyên dụng. Nếu ai chưa cài đặt, có thể yêu cầu Codex cài ZzzAloong/fight-scene-director trên GitHub.
Bản thân tôi sau khi so sánh thì thực sự thích phiên bản có dùng Skill hơn. Dưới đây là hai video thử nghiệm ban đầu, cùng một bộ 5 ảnh tham khảo, cùng dùng Kling 4.0, đều là 10 giây, 1080P. Một bên dùng prompt gốc, một bên dùng prompt được làm chi tiết bằng Skill.
Ở cặp này tôi nghiêng về video sau hơn, nhưng cả hai vẫn còn những chỗ chưa tự nhiên và sau đó cũng tiếp tục được chỉnh sửa lại.
Cảnh đánh nhau chắc chắn phải có nhanh có chậm.
Tiếp cận, đối đầu có thể chậm lại một chút; ra chiêu và phản đòn phải dứt khoát; mất thăng bằng ngã xuống thì phải cho khán giả thấy rõ. Skill giúp chúng ta mô tả chi tiết từ thế tấn công, cách ứng phó, va chạm cho đến kết quả, cụ thể hơn rất nhiều so với việc chỉ viết chung chung là đánh nhau dữ dội.
Chuyển động camera cũng phải khớp với hành động.
Người đã đánh văng ra tận mép khung hình mà ống kính vẫn đứng yên bất động thì trông chẳng khác nào đang đặt một chiếc camera giám sát bên cạnh.
Dĩ nhiên không phải rung lắc càng nhiều càng tốt; khi di chuyển thì lia theo, khi va chạm thì quay rõ, xung đột kết thúc thì giữ ổn định lại. Phía sau chúng tôi còn thêm 6 giây video hành động tham khảo, chủ yếu mượn tốc độ và nhịp điệu quay phim của nó.
5. Tạo video và sửa lại
Khi ảnh tham khảo và prompt đã sẵn sàng, hãy để Codex gửi lệnh. Lần này dùng Kling 4.0, tỷ lệ 16:9, độ phân giải 1080P, có đồng bộ âm thanh - hình ảnh, giữ lại đối thoại và hiệu ứng âm thanh hiện trường. Nhạc nền, phụ đề và chữ hiển thị trên màn hình sẽ để dành xử lý đồng bộ ở khâu hậu kỳ.
Hãy tạo video dựa trên loạt prompt và tư liệu tham khảo này, trước tiên kiểm tra thứ tự hình ảnh và công dụng của từng ảnh. Khuôn mặt nhân vật chỉ tham khảo ảnh đặc tả cận mặt tương ứng, ảnh toàn thân che mặt chỉ dùng để tham khảo trang phục và vóc dáng. Dùng Kling 4.0, 1080P, 16:9, giữ lại đối thoại và hiệu ứng âm thanh hiện trường, không tạo phụ đề và nhạc nền. Lưu lại mã tác vụ, khi hoàn thành hãy tải video gốc về cho tôi xem.Tải lên, tra cứu và tải về đều có thể giao cho nó. Giữa chừng chúng tôi gặp lỗi do gửi quá nhiều yêu cầu tải lên nên đã chuyển sang tải từng ảnh một; máy tính vô tình bị tắt nguồn thì khi mở lại cứ dựa theo mã tác vụ đã có để kiểm tra tiếp, không cần phải làm lại từ đầu.
Theo kinh nghiệm sử dụng của tôi, sau khi chuẩn bị kỹ tài nguyên asset và prompt, nhiều shot chỉ cần tạo từ 1 đến 3 lần là đã gần đạt được hiệu quả mong muốn. Nhưng những cảnh hành động khó hay đoạn nối tiếp trước sau thì vẫn phải tốn nhiều tâm sức. Lần này cũng không thể đạt yêu cầu ngay trong một lần.
Chẳng hạn sau đó tôi phát hiện ở giây thứ 29 tên vệ sĩ ra tay quá đột ngột, liền nói thẳng với nó: Tôi chưa hiểu hắn ta từ đâu lao tới, trước sau không khớp nhau. Hãy bổ sung đoạn bảo vệ tiếp cận nữ chính, nam chính bước vào can ngăn, đối phương tiếp tục tấn công và nam chính phản đòn.
Khi quay bổ sung, chúng tôi đã dùng khung hình cảnh bước vào còn giữ đúng trạng thái này, rồi phối thêm tham khảo về nhân vật, phòng họp và hành động. Dưới đây, hãy xem bản cũ trước, sau đó xem cùng khoảng thời gian đó sau khi đã điều chỉnh.
Chữ viết cũng là một vấn đề. Giao diện bằng chứng mà tôi tạo trong Kling lần này có một số chữ vẫn không giống tiếng Trung bình thường, đưa thẳng vào phim trông rất mất tự nhiên và làm người xem phân tâm, điểm này tôi thấy vẫn cần cải thiện thêm.
Nếu một khung hình nào đó đặc biệt phụ thuộc vào văn bản và bố cục rõ ràng, tôi sẽ thiên về việc dùng GPT Image 2.5 để làm rõ và kiểm tra kỹ keyframe trước, rồi mới lấy keyframe đó để tạo video.
Đây là một cách có thể thử, tuy nhiên chữ khi chuyển động vẫn có thể bị biến dạng; những thông tin cần khán giả đọc chính xác thì chèn chữ ở khâu hậu kỳ sẽ dễ kiểm soát hơn.
6. Dựng phim và review
Sau khi có video gốc, chúng tôi tiếp tục ghép nối và chỉnh sửa ngay trong cùng một đoạn hội thoại.
Tôi không mở Jianying lên để kéo timeline, mà trực tiếp bảo Codex: xóa đoạn nào, tăng tốc đoạn nào, chèn thêm âm thanh ở đâu.
Ví dụ có một đoạn sau khi đánh xong, nhân vật đứng khựng lại một nhịp, đoạn quanh 45 giây trông như bị đơ. Thay vì cố giữ lại, cuối cùng tôi đã cắt bỏ 2 giây từ 44.25 đến 46.25 giây ở bản trước. Cảnh gã cơ bắp áo xám bước vào được tăng tốc nhẹ lên khoảng 1.3 lần, đoạn giao đấu thêm một chút đẩy gần và crop bám theo, nhịp phim lúc này mới dồn dập trở lại.
Khung hình camera giám sát cũng được làm hậu kỳ kỹ lưỡng.
Chúng tôi đã thêm tên góc máy bằng tiếng Trung, trạng thái ghi hình và timecode để trông giống camera giám sát hơn. Những dòng chữ bằng chứng kỳ lạ kia thì lược bỏ đi, thay bằng cảnh Giám đốc Triệu lấy con dấu, đóng dấu, quẹt thẻ, kết hợp giữ lại lời thoại vệ sĩ vạch trần ông ta, giúp khán giả dễ hiểu hơn.
Âm nhạc không cần phải rải suốt toàn bộ.
Tôi để âm nhạc điểm xuyết vào các đoạn đình chỉ công tác, giải vây và phần kết; cuối cùng đợi nữ chính hỏi cha xong mới nhấn một nốt nhạc cao trào tạo cú lật, rồi nối tiếp vào phản ứng của người cha. Chưa dứt câu mà đã vội vàng bật nhạc thì cảm xúc trái lại rất dễ bị trôi đi.
Những chỉnh sửa này, chỉ cần nói thẳng như sau là được:
Quanh giây thứ 45 hơi bị khựng, hãy cắt bỏ khoảng dừng thừa thãi sau khi đánh xong. Gã cơ bắp bước vào thì tăng tốc nhẹ một chút, chuyển động camera bám theo động tác, nhưng đừng đẩy nhanh cả lời thoại. Màn hình giám sát hãy bổ sung tên góc máy tiếng Trung và timecode, xóa các ký tự lỗi. Ở phần kết, đợi nữ chính hỏi xong mới thêm một đoạn nhạc ngắn tạo cú lật bất ngờ, các chỗ khác chỉ cần điểm xuyết nhẹ nhàng là được.Tôi tóm tắt sơ lược những điểm chỉnh sửa chính trong tác phẩm này. Mọi người có thể gặp phải các vấn đề khác nhau khi sáng tạo trên thực tế, ở đây tôi chia sẻ tư duy tối ưu hóa và lặp lại của mình.
Cho nên bạn thấy đấy, phiên bản đầu tiên chưa tốt không có nghĩa là video này không thể làm được.
Trước hết hãy nêu vấn đề thật cụ thể: là do nhân vật thiếu biểu cảm hay động tác yếu ớt? Là do ống kính không bám theo người hay do khán giả không hiểu tại sao lại đột nhiên đánh nhau? Có những chỗ cần tạo lại, có những chỗ chỉ cần cắt bỏ là xong.
Tôi nghĩ rằng dù làm phim ngắn hay làm phim điện ảnh, trước tiên phải để khung hình đạt được tính thẩm mỹ cơ bản, câu chuyện hợp lý, góc máy và âm thanh có thể dẫn dắt người xem theo dõi tiếp. Sau đó mới tính đến những ý tưởng sáng tạo hơn, thẩm mỹ cao hơn và dấu ấn biểu đạt của riêng bạn.
Bài viết trên tài khoản WeChat này thực ra cũng được tạo ra theo cách đó.
Tôi dùng phương pháp nhập liệu bằng giọng nói, kể lại cảm nhận thử nghiệm và các bước quan trọng cho AI nghe, rồi để nó tổng hợp thành bài viết. Các ảnh chụp màn hình trò chuyện, bảng thiết kế nhân vật, prompt, video so sánh và quá trình chỉnh sửa sửa lại ở giữa cũng được giữ lại và đặt vào đúng vị trí tương ứng.
Nếu không, một bài viết toàn chữ thì mọi người đọc sẽ mệt mỏi và cũng rất khó biết tôi rốt cuộc đã làm như thế nào. Trình bày rõ tư liệu và quá trình thực hiện ra thì người đọc mới dễ hiểu và tiện làm theo.
Trước đây mọi người nói đến Vibe Coding, giờ gọi là vibe cutting hay vibe videoing cũng vậy, tôi thấy ý nghĩa đều tương tự: chúng ta chỉ cần mở miệng nói, biến ý tưởng trong đầu thành video, tiếp tục trò chuyện để dựng cho chuẩn chỉnh, thậm chí đúc kết lại thành một bài review hoàn chỉnh.
Lời kết
So sánh tổng thể, tôi thấy Kling 4.0 vẫn có những ưu thế riêng.
Về bối cảnh 3D và chất cảm chân thực, cá nhân tôi đánh giá khá cao. Dĩ nhiên, sự liền mạch của động tác và diễn xuất nhân vật vẫn còn những điểm cần chau chuốt, cụ thể làm phim dạng nào thì vẫn phải tùy theo từng trường hợp mà chọn.
Một thay đổi khác khiến tôi thấy rất hay là sau khi có CLI và MCP, chúng ta dùng Agent làm video đã tiện hơn rất nhiều.
Lần này chỉ cần dùng credit trong tài khoản Kling là đã có thể để Codex tự tạo, tải về rồi dựng tiếp; đối với những model đã mở API, chúng ta cũng có thể tích hợp qua interface vào workflow của mình. Các lựa chọn ngày càng đa dạng, không cần bước nào cũng phải tự chuyển qua chuyển lại giữa các phần mềm.
Là người dùng, tôi đương nhiên rất vui khi thấy nhiều video model xuất hiện hơn. Tôi cũng không muốn cuối cùng biến thành việc ByteDance độc chiếm vị thế độc tôn khiến mọi người chỉ có thể dùng duy nhất một nền tảng.
Chúng ta có nhiều lựa chọn hơn, giữa các nền tảng có cạnh tranh thì công nghệ mới có động lực tiến bước, giá cả cũng không đến mức quá khó tin.
Bên nào làm tốt trong trường hợp nào, dùng thuận tay, giá cả hợp lý thì chúng ta chọn bên đó.
Tôi thấy như vậy rất tốt.
III. Tư liệu
Toàn bộ kịch bản, asset nhân vật, template prompt có kiến thức chuyên môn về ngôn ngữ nghe nhìn, prompt cảnh đánh nhau, video so sánh và bản ghi dựng phim đều được để trong gói tài liệu bên dưới. Hãy thử trước với một đoạn ngắn, chỗ nào chưa đúng thì tiếp tục trao đổi.
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác