Bỏ qua, tới nội dung
Quay lại
Digital MarketingAI tạo sinhDựng phim

Cách làm phim bằng AI: 7 bước từ ý tưởng đến bản dựng hoàn chỉnh

Làm phim bằng AI cần gì và đi qua những bước nào: kịch bản chia cảnh, bible nhân vật, text-to-video và image-to-video, công cụ từng khâu, số lượt tạo và thời gian, lỗi hay gặp, nhãn AI. Kèm ca The Hardest Part và The Frost.

14 phút đọc
Cách làm phim bằng AI minh họa bằng ảnh dựng 3D trên nền xanh than: màn hình dựng phim mở phim ngắn của MỘC LAM với nhân vật chim xanh mòng két đội mũ lông, dòng thời gian chia 7 cảnh nhiều màu, bên trái ba tấm in các lượt tạo cảnh có tấm gắn nhãn chọn, bên phải bảng clapper đen trắng

Làm phim bằng AI là quy trình dùng trí tuệ nhân tạo tạo sinh để biến một ý tưởng thành phim hoàn chỉnh qua 7 bước: viết kịch bản và chia cảnh, dựng bible nhân vật, tạo khung hình đầu, tạo chuyển động, thêm giọng và nhạc, rồi dựng hậu kỳ. AI tạo ra cảnh quay; người làm phim chọn cảnh nào được dùng, giữ nhân vật nhất quán và chịu trách nhiệm về bản quyền.

Bài này đi qua cách làm phim bằng AI từng bước theo cách đội ngũ CONTA Media đang làm, kèm công cụ cho từng khâu, cách ước lượng số lượt tạo và thời gian, các lỗi khiến phim “trông như AI”, và hai bộ phim quốc tế có số liệu sản xuất công khai. Nếu doanh nghiệp cần cả bộ phim mà không có đội tự làm, CONTA Media có dịch vụ dựng phim AI nhận từ kịch bản tới bản dựng. Ba công cụ trong bài: máy ước lượng số lượt tạo và số ngày, máy gợi ý công cụ theo nhu cầu, và checklist tự làm hay thuê.

Tóm tắt nhanh

  1. Cần 6 thứ: kịch bản chia cảnh, ảnh tham chiếu nhân vật, một model tạo ảnh, một model tạo video, giọng và nhạc có phép dùng, phần mềm dựng.
  2. Mỗi cảnh AI dài 3 đến 8 giây; phim 60 giây thường cần 10 đến 15 cảnh.
  3. Tạo từ ảnh (image-to-video) giữ nhân vật tốt hơn tạo từ chữ (text-to-video).
  4. Tính dư lượt tạo: phim ca nhạc “The Hardest Part” tạo khoảng 700 đoạn để dùng 55.
  5. Chữ tiếng Việt, logo, bao bì thêm ở hậu kỳ; phim phải gắn nhãn nội dung AI.

Làm phim bằng AI là gì, làm phim AI cần những gì?

Làm phim bằng AI là dùng các mô hình tạo sinh để làm ra hình ảnh, chuyển động, giọng nói và âm nhạc cho một bộ phim, thay cho một phần hoặc toàn bộ buổi quay. Phần kể chuyện, chọn cảnh, dựng và chịu trách nhiệm pháp lý vẫn là việc của người.

Bộ đồ nghề tối thiểu để làm một phim ngắn bằng AI gồm sáu thứ:

Kịch bản chia cảnhMỗi cảnh một dòng: thời lượng, hình ảnh, góc máy, lời thoại.
Ảnh tham chiếuNhân vật chính diện, 3/4, nghiêng; ảnh chụp thật của sản phẩm.
Model tạo ảnhLàm khung hình đầu cho từng cảnh, có nhận ảnh tham chiếu.
Model tạo videoBiến khung hình thành cảnh chuyển động 3 đến 8 giây.
Giọng và nhạcGiọng đọc tiếng Việt, nhạc và tiếng động có phép dùng thương mại.
Phần mềm dựngGhép cảnh, chỉnh màu, thêm chữ, phụ đề và nhãn AI.

Thứ hay bị bỏ qua nhất là kịch bản. Phần lớn phim AI tự làm hỏng ở chỗ không có kịch bản: người làm tạo những đoạn clip đẹp rời rạc rồi cố ghép thành chuyện. Làm ngược lại, viết chuyện trước rồi mới tạo cảnh, thì số lượt tạo giảm hẳn vì biết chính xác mình cần cảnh nào.

Quy trình 7 bước làm phim bằng AI

Cách dựng phim AI gồm 7 bước; máy chỉ trực tiếp tạo cảnh ở 2 bước, còn ở cả 7 bước, người quyết định.

Quy trình 7 bước làm phim bằng AI: 01 ý tưởng một câu logline do người làm; 02 kịch bản, chia cảnh do người và AI; 03 bible nhân vật, bối cảnh; 04 khung hình đầu do AI tạo, người chọn; 05 tạo chuyển động 3 đến 10 lượt mỗi cảnh, chọn 1; 06 giọng, nhạc, tiếng động; 07 dựng, chỉnh màu, gắn nhãn do người làm; ô tham khảo 700 lượt tạo, 55 cảnh dùng của phim The Hardest Part
  1. Ý tưởng. Viết một câu tóm tắt (logline): ai, muốn gì, gặp trở ngại gì. Chọn một cảm xúc chính cho cả phim.
  2. Kịch bản và chia cảnh. Chia phim thành cảnh 3 đến 8 giây, ghi góc máy, chuyển động máy, lời thoại. AI giúp gợi ý, người chốt.
  3. Bible nhân vật và bối cảnh. Bộ ảnh tham chiếu nhân vật (chính diện, 3/4, nghiêng), bảng màu, kiểu ánh sáng, ống kính. Dán cùng một đoạn mô tả phong cách vào mọi câu lệnh.
  4. Khung hình đầu. Tạo ảnh tĩnh cho từng cảnh, duyệt bố cục trước khi làm chuyển động. Sửa ở bước này rẻ hơn nhiều so với sửa video.
  5. Tạo chuyển động. Đưa khung hình vào model video, tạo 3 đến 10 lượt mỗi cảnh, chọn lượt tốt nhất. Ghi lại câu lệnh, model, phiên bản của lượt được chọn.
  6. Giọng, nhạc, tiếng động. Giọng tiếng Việt nghe soát dấu, nhịp và cách đọc số; nhạc phải có giấy phép dùng thương mại.
  7. Dựng, chỉnh màu, gắn nhãn. Ghép cảnh, chỉnh màu cho đồng bộ giữa các model, thêm chữ, logo, phụ đề và nhãn nội dung AI.

Bước 2 có hướng dẫn riêng trong bài storyboard AI: cách làm từ kịch bản đến bản duyệt. Nếu phim là chuỗi nhiều tập cho TikTok, Reels, cách chia mạch truyện theo tập nằm trong bài phim ngắn AI cho thương hiệu.

Khung hình đen trắng trong phim ca nhạc The Hardest Part của Washed Out: cô bé tóc buộc mặc áo khoác phao đứng giữa hành lang đông người mờ phía sau, nhìn thẳng vào ống kính
Khung hình từ phim ca nhạc “The Hardest Part” (Washed Out, đạo diễn Paul Trillo), ảnh đăng trên shots, lấy ngày 22/11/2026.

Ca quốc tế · phim ca nhạc · 4 phút

“The Hardest Part”: 700 đoạn tạo ra, 55 đoạn được dùng, 6 tuần làm

Tháng 5/2024, đạo diễn Paul Trillo ra mắt phim ca nhạc cho bài “The Hardest Part” của Washed Out, dài 4 phút 2 giây, làm bằng Sora. Theo LA Times, ông hoàn thành trong khoảng sáu tuần, dựng khoảng 55 đoạn từ khoảng 700 đoạn đã tạo. Các đoạn được ghép trong Adobe Premiere. Phim kể quan hệ của một cặp đôi từ thời trung học đến lúc về già, đi qua trường học, siêu thị, đồi cỏ, và thắng giải AI in Art của Ars Electronica 2024. Phim cũng gây tranh cãi trên mạng vì nhiều người cho rằng Sora được huấn luyện trên tác phẩm chưa xin phép.

Bài học: dự trù khoảng 10 đến 15 lượt tạo cho mỗi cảnh được giữ lại, và tính trước phản ứng của khán giả với nhãn “làm bằng AI”.

Tạo cảnh từ chữ hay từ ảnh: text-to-video và image-to-video

Tạo từ chữ hợp để thử ý tưởng; tạo từ ảnh hợp cho bản dựng chính vì giữ được nhân vật, sản phẩm và bố cục đã duyệt.

So sánh text-to-video và image-to-video khi làm phim AI: text-to-video mô tả bằng chữ, hợp thử ý tưởng, nhân vật dễ đổi gương mặt, không nên dùng cho sản phẩm vì AI tự vẽ bao bì sai chữ, kiểm soát thấp; image-to-video đưa khung hình đầu, hợp phim có nhân vật và sản phẩm, giữ gương mặt theo ảnh tham chiếu, dùng ảnh chụp thật làm khung, kiểm soát cao; quy trình phác ý bằng chữ, duyệt khung hình đầu, tạo chuyển động từ ảnh đã duyệt

Câu lệnh cho một cảnh nên có đủ các phần theo thứ tự: loại cảnh và ống kính, chủ thể và hành động cụ thể, bối cảnh chi tiết, ánh sáng và thời điểm, chuyển động máy, cảm xúc, rồi đoạn mô tả phong cách cố định. Ví dụ cho cảnh mở đầu phim “Lam đi lạc”:

Medium shot, 35mm. A small round teal bird with a dark green feather cap
walks alone along a hill path at golden hour, looking back over its shoulder.
Soft warm backlight, light breeze moving the grass. Slow dolly in.
Feeling: curious, a little lonely. Stylized 3D animation, soft shading,
pastel palette, no text, no logos.

Câu lệnh viết bằng tiếng Anh thường cho kết quả ổn định hơn với các model video hiện nay; mô tả tiếng Việt giữ trong bảng kịch bản để cả đội đọc. Thử phân loại bốn cảnh:

Tạo từ chữ hay từ ảnh?

0/4 câu đúng

Cảnh nhân vật chính cầm chai nước có logo thương hiệu.

Sản phẩm phải đúng từng chi tiết: dùng ảnh chụp thật làm khung, logo thêm ở hậu kỳ.

Thử năm không khí khác nhau cho cảnh mở đầu trước khi chốt.

Giai đoạn phác ý cần nhanh và đa dạng; chưa cần giữ chi tiết.

Tập 7 của chuỗi phim, nhân vật phải giống tập 1.

Gương mặt giữ theo ảnh tham chiếu trong bible, không để model tự vẽ lại.

Cảnh trời đêm đầy sao, không có nhân vật.

Cảnh bối cảnh không có chi tiết cần giữ, tạo từ chữ là đủ.

Giữ nhân vật nhất quán qua các cảnh

Nhân vật đổi mặt giữa các cảnh là lỗi khiến phim AI lộ rõ nhất. Cách giữ: bible nhân vật, ảnh tham chiếu đưa vào mọi lượt tạo, và một đoạn mô tả phong cách cố định.

Ảnh dựng 3D trên nền xanh da trời nhạt: tấm bảng bible trên hai chân gỗ, gồm nhân vật Lam với ba góc chính diện, 3/4, nghiêng của chú chim xanh mòng két đội mũ lông, bảng 5 màu cố định và ghi chú không đổi mũ, không thêm răng, không đổi màu mỏ; dưới chân là hai tấm in cảnh phim có cùng nhân vật
Ảnh dựng minh họa của CONTA Media.

Bible nhân vật cần có: bộ ảnh tham chiếu nhiều góc, mô tả bằng chữ (tuổi, dáng, tóc, trang phục theo từng cảnh), bảng màu, và danh sách những điều không được đổi. Với nhân vật là người, chỉ dựng từ gương mặt đã có đồng ý bằng văn bản, hoặc một gương mặt AI không giống người thật nào.

Ba thói quen giúp giữ nhân vật:

  • Dùng cùng một model cho các cảnh có nhân vật chính. Đổi model giữa chừng là đổi luôn cách vẽ mặt.
  • Tạo cảnh có nhân vật từ khung hình đầu, không tạo thẳng từ chữ.
  • Duyệt theo cặp: đặt cảnh mới cạnh cảnh trước để so, không duyệt từng cảnh rời.

Công cụ làm phim AI cho từng khâu

Không có một ứng dụng làm hết; mỗi khâu dùng một nhóm công cụ, và tên phiên bản đổi theo tháng.

Bảng công cụ làm phim AI theo từng khâu: kịch bản dùng ChatGPT, Claude, Gemini; ảnh và nhân vật dùng model tạo ảnh có ảnh tham chiếu; chuyển động dùng Veo 3.1 qua Flow, Kling 3.0, Runway Gen-4.5, Seedance, Hailuo, Luma; an toàn bản quyền dùng Adobe Firefly; giọng Việt dùng Vbee, FPT.AI, Viettel AI, ElevenLabs; dựng và chỉnh màu dùng Premiere Pro, DaVinci Resolve, CapCut

Chọn nhu cầu chính của cảnh, máy gợi ý nhóm công cụ nên thử trước:

Cảnh này cần gì nhất?

Nên thử trước

–

–

    Trước khi dùng công cụ nào cho phim thương mại, đọc điều khoản: gói nào được dùng thương mại, ai sở hữu đầu ra, có watermark không. OpenAI đã ngừng ứng dụng Sora từ tháng 4/2026, nên các dự án mới không nên dựa vào Sora. So sánh chi tiết theo mục tiêu và ngân sách có trong bài công cụ AI làm video quảng cáo.

    Làm phim AI mất bao lâu và cần bao nhiêu lượt tạo?

    Thời gian phụ thuộc vào số cảnh, số lượt tạo mỗi cảnh và thời gian chờ mỗi lượt. Phim 60 giây với 12 cảnh, mỗi cảnh 8 lượt, đã là gần 100 lượt tạo.

    Ảnh dựng 3D trên nền đỏ đất: hai mươi tấm in lượt tạo cảnh màu xám xếp thành lưới trên sàn, mỗi tấm ghi số lượt, mũi tên trắng chỉ sang giá đen bên phải giữ ba tấm cảnh màu viền xanh gắn nhãn chọn, có nhân vật chim xanh mòng két
    Ảnh dựng minh họa của CONTA Media: phần lớn lượt tạo bị loại, chỉ vài lượt thành cảnh dùng.

    Nhập thông số phim của bạn. Máy tính số cảnh, số lượt tạo, giờ chờ máy và số ngày làm việc ước tính (gồm cả viết kịch bản, duyệt và dựng):

    Ước lượng lượt tạo và thời gian

    Có nhân vật lặp lại?

    Ước lượng

    –

      Cách tính của CONTA Media cho một người làm 6 giờ mỗi ngày; không gồm thời gian chờ khách duyệt.

      Con số làm nhiều người bất ngờ là số lượt tạo, không phải số giờ chờ máy. Phần lớn thời gian nằm ở việc xem lại từng lượt, ghi chú lỗi, viết lại câu lệnh. Đây là lý do khi dựng phim ngắn bằng AI, một phim 60 giây làm cẩn thận thường mất nhiều ngày, không phải vài giờ như các video “làm phim AI trong 10 phút”.

      Làm phim AI có khó không? Năm lỗi khiến phim “trông như AI”

      Tạo một đoạn clip đẹp thì dễ; làm một bộ phim liền mạch thì khó. Năm lỗi dưới đây chiếm phần lớn số phim AI tự làm bị chê. Lật thẻ để xem cách sửa.

      Bối cảnh Việt Nam có thêm vài lỗi riêng: áo dài bị vẽ thành sườn xám, bánh chưng thành hình tròn, biển hiệu sai dấu, xe chạy bên trái, bản đồ thiếu Hoàng Sa, Trường Sa. Kiểm tra từng cảnh, và tránh dùng bản đồ do AI tạo.

      Khung hình trong phim ngắn The Frost của Waymark: cận gương mặt một người đội mũ lông trùm đầu giữa bão tuyết, tuyết bám trên má và mũi, nền núi tuyết mờ phía sau
      Khung hình phim “The Frost” (Waymark), ảnh đăng trên MIT Technology Review (1/6/2023), lấy ngày 22/11/2026.

      Ca quốc tế · phim ngắn 12 phút · 2023

      The Frost: mỗi cảnh do AI tạo, nhưng cần cả After Effects và người dựng

      The Frost là phim ngắn 12 phút của Waymark, công ty làm video ở Detroit, ra mắt độc quyền trên MIT Technology Review tháng 6/2023. Đội ngũ đưa kịch bản của đạo diễn Josh Rubin vào DALL-E 2 để tạo từng cảnh, rồi dùng D-ID làm chuyển động: mắt chớp, môi mấp máy, lều bay trong gió. Theo chia sẻ của Stephen Parker (Waymark), phim còn dùng Adobe After Effects, D-ID và Mixamo. Rubin nói với MIT Technology Review rằng có những thứ rất khó lấy được từ DALL-E, như phản ứng cảm xúc.

      Bài học: ngay từ phim AI đầu tiên được chú ý, phần dựng, hậu kỳ và chỉnh tay vẫn là phần quyết định. Công cụ mạnh hơn nhiều so với 2023, nhưng cảm xúc nhân vật vẫn là chỗ khó nhất.

      Giọng, nhạc, dựng và nhãn AI

      Âm thanh quyết định một nửa cảm giác “thật” của phim AI, và nhãn AI là nghĩa vụ pháp lý, không phải tùy chọn.

      Giọng đọc tiếng Việt cần nghe soát thanh điệu, chỗ ngắt nghỉ, cách đọc số và tên thương hiệu. Không nhân bản giọng người thật (diễn viên, KOL, nhân viên) khi chưa có hợp đồng ghi rõ phạm vi dùng AI. Nhạc lấy từ thư viện có giấy phép thương mại hoặc nền tảng tạo nhạc cho phép dùng thương mại; không mô phỏng bài hát có thể nhận ra. Tiếng động đời thường (xe máy, chợ, mưa, bếp) làm phim “Việt” hơn rất nhiều.

      Ở bước dựng: ghép cảnh, chỉnh màu đồng bộ, thêm chữ tiếng Việt bằng font đủ dấu, phụ đề cho bản mạng xã hội, xuất đủ tỷ lệ 16:9, 9:16, 1:1. Về pháp lý, Luật Trí tuệ nhân tạo số 134/2025/QH15 (hiệu lực 01/03/2026) yêu cầu nội dung âm thanh, hình ảnh, video do AI tạo có dấu hiệu nhận biết; Nghị định 142/2026/NĐ-CP hướng dẫn việc gắn nhãn (hiệu lực 01/05/2026). Thực hành tối thiểu: giữ metadata máy đọc từ công cụ tạo, thêm nhãn hiển thị “Video có sử dụng AI”, bật cờ nội dung AI khi đăng lên nền tảng, lưu hồ sơ câu lệnh, model, ngày tạo.

      Phim dùng để quảng cáo còn chịu Luật Quảng cáo sửa đổi 75/2025/QH15: ghi rõ là quảng cáo, không dùng hình ảnh “trước/sau” do AI dựng để chứng minh công dụng. Các lưu ý này áp dụng y nguyên cho video AI quảng cáo ngắn, như trong bài cách làm video quảng cáo bằng AI.

      Tự làm phim AI hay thuê đơn vị làm?

      Tự làm hợp với clip nội bộ và thử ý tưởng; thuê hợp khi phim mang tên thương hiệu, có nhân vật lặp lại hoặc phải chạy quảng cáo. Đánh dấu những điều đúng với dự án của bạn:

      Dự án phim của bạn có những điều này?

      Chi phí làm video AI gồm những khoản nào, khoản nào hay bị bỏ sót, có trong bài chi phí làm video AI. Khi nào dùng người do AI tạo trong video review và rủi ro đi kèm, xem bài video UGC AI là gì.

      Tóm tắt

      • Làm phim bằng AI đi qua 7 bước; AI tạo cảnh ở bước khung hình đầu và chuyển động, người quyết định ở mọi bước.
      • Viết kịch bản và chia cảnh trước khi tạo; mỗi cảnh 3 đến 8 giây.
      • Cảnh có nhân vật hoặc sản phẩm nên tạo từ ảnh, dựa trên bible nhân vật và ảnh chụp thật.
      • Dự trù 8 đến 15 lượt tạo cho mỗi cảnh được giữ lại; phần lớn thời gian là xem và chọn.
      • Chữ, logo thêm ở hậu kỳ; giọng, nhạc phải có phép dùng; phim phải gắn nhãn nội dung AI.

      Câu hỏi thường gặp

      Làm phim bằng AI như thế nào?

      Làm qua 7 bước: viết ý tưởng, viết kịch bản và chia cảnh, dựng bible nhân vật và bối cảnh, tạo khung hình đầu cho từng cảnh, tạo chuyển động bằng model video, thêm giọng, nhạc, tiếng động, rồi dựng, chỉnh màu và gắn nhãn nội dung AI.

      Làm phim AI cần những gì?

      Cần kịch bản chia cảnh, ảnh tham chiếu nhân vật và sản phẩm, một model tạo ảnh, một model tạo video, giọng đọc và nhạc có phép dùng thương mại, và phần mềm dựng như Premiere Pro, DaVinci Resolve hoặc CapCut.

      Làm phim AI có khó không?

      Tạo một đoạn clip đẹp thì dễ, làm một bộ phim liền mạch thì khó. Chỗ khó nhất là giữ nhân vật nhất quán qua các cảnh, xử lý chữ và logo, và chọn đúng lượt tạo trong hàng chục lượt.

      Làm một phim AI 60 giây mất bao lâu?

      Phim 60 giây thường có 10 đến 15 cảnh và cần khoảng 80 đến 150 lượt tạo nếu mỗi cảnh tạo 8 đến 10 lượt. Tính cả kịch bản, bible nhân vật, dựng và âm thanh, một người làm cẩn thận thường mất vài ngày làm việc.

      Nên dùng công cụ nào để làm phim AI?

      Tùy khâu: ChatGPT, Claude, Gemini cho kịch bản; model tạo ảnh có ảnh tham chiếu cho khung hình đầu; Veo 3.1, Kling 3.0, Runway Gen-4.5, Seedance, Hailuo hoặc Luma cho chuyển động; Adobe Firefly khi cần an toàn bản quyền dữ liệu. Tên phiên bản đổi theo tháng, nên kiểm tra lại trước khi dùng.

      Phim làm bằng AI có phải gắn nhãn không?

      Có. Luật Trí tuệ nhân tạo 134/2025/QH15 yêu cầu nội dung hình ảnh, video do AI tạo có dấu hiệu nhận biết; Nghị định 142/2026/NĐ-CP hướng dẫn cách gắn nhãn. Phim dùng quảng cáo còn phải ghi rõ là quảng cáo theo Luật 75/2025/QH15.

      Nguồn tham khảo

      Cần một bộ phim AI cho thương hiệu nhưng chưa rõ nên bắt đầu từ đâu, bạn có thể gửi ý tưởng cho CONTA Media để nhận bản chia cảnh và chỗ nên quay thật.

      Biên tập: CONTA Media Team. Bài viết mang tính thông tin, không phải tư vấn pháp lý. Tên phim, thương hiệu trong ví dụ quốc tế thuộc về chủ sở hữu; MỘC LAM và nhân vật Lam trong ảnh dựng là giả định. Tên công cụ, phiên bản đối chiếu tháng 11/2026.

      Tất cả bài viết

      CONTA Bot · AI trên website

      Hỏi một câu,
      trả lời ngay.

      Trợ lý AI của CONTA Media trả lời về dịch vụ, dự án, quy trình và cách làm việc của chúng tôi, bằng chữ hoặc giọng nói. Đây cũng là mẫu trợ lý AI chúng tôi tích hợp vào website của khách hàng.

      CONTA Bot chỉ trả lời về CONTA Media và có thể chưa chính xác. Báo giá và cam kết chính thức qua trang Liên hệ.

      Liên hệ ngay
      Mã QR Zalo OA CONTA Media

      Chat Zalo với CONTA MediaQuét mã bằng ứng dụng Zalo hoặc bấm nút bên dưới.

      Mở Zalo OA