Prompt Engineering Video AI: 8 Tips Sửa Prompt Kèm Ví Dụ Before/After

Theo Wyzowl (2026), 63% marketer làm video đã dùng AI để tạo hoặc chỉnh video, tăng từ 51% năm trước. Nhưng nhiều người vẫn sửa prompt bằng cách thêm “cinematic, 4K, đẹp” — tốn credit vô ích. Dưới đây là 8 tips prompt engineering video AI có cặp before/after, bảng chẩn đoán lỗi và so sánh Veo, Sora, Kling, Runway.

IMAGE [Ảnh ghép before/after cùng một ly cà phê sữa đá: trái từ prompt “cinematic, 4K, đẹp”, phải từ prompt có tiêu cự 50mm, xóa phông, nắng sớm — tác giả tự render]

Prompt engineering video AI là gì và khác gì viết prompt thông thường?

Prompt engineering video AI là quy trình viết, kiểm tra và tinh chỉnh prompt theo từng biến — chủ thể, hành động, camera, ánh sáng, âm thanh — để Veo, Sora hay Kling tạo video đúng ý và lặp lại được. Mỗi lần render là một phép thử có ghi kết quả.

Khác biệt nằm ở chi phí: sửa mò mười lần tốn credit hơn sửa có chủ đích ba lần.

Prompt video khác prompt ảnh ở 3 điểm nào?

Prompt video cần thêm ba lớp mà prompt ảnh không có:

• Thời gian: ảnh cần một khoảnh khắc; video cần chuỗi nhịp có thứ tự (Tip 2).
• Camera: chuyển động máy là một biến riêng (Tip 3).
• Âm thanh: Veo 3, Sora 2 cần mô tả thoại và tiếng động (Tip 7).

Khi nào video lỗi không phải do prompt?

Video lỗi không do prompt khi nguyên nhân nằm ở tham số hoặc đầu vào. OpenAI ghi rõ độ phân giải, thời lượng và tham chiếu nhân vật của Sora 2 “will not change based on prose” — không đổi theo câu chữ.

Hãy loại trừ trước: tham số, ảnh đầu vào mờ, sai mô hình, clip quá dài. Với SME, mô hình và ảnh đầu vào thường quyết định chất lượng nhiều hơn câu chữ (nhận định thực tế, chưa có số liệu công khai). Đó là phần việc của tối ưu chất lượng video AI; loại trừ xong mới sửa prompt.

Khung prompt tối thiểu cần có trước khi tối ưu

Theo hướng dẫn Veo của Google Cloud Vertex AI, prompt video có 7 thành phần: 4 bắt buộc và 3 tùy chọn. Thiếu thành phần bắt buộc thì chưa nên tối ưu — mô hình đang tự đoán.

Wafae Bakkali (Google Cloud) mở rộng thành 9 thành phần, thêm ống kính, yếu tố thời gian và âm thanh, nhưng lưu ý không cần đưa tất cả vào mọi prompt. Mẫu điền sẵn: công thức viết prompt tạo video AI. Đủ khung rồi mới làm từng thành phần cụ thể hơn.

8 tips prompt engineering video AI kèm ví dụ before/after

[Chính chủ] là ví dụ trích từ tài liệu OpenAI, Google, Runway; [Ví dụ GPVA] là prompt chuyển thể cho bán hàng tại Việt Nam.

Tip 1: Thay tính từ cảm tính bằng thông số quay phim

“Cinematic” không cho mô hình biết quay thế nào; hãy dùng tiêu cự, độ sâu trường ảnh, hướng sáng. “4K” trong prompt cũng không đổi độ phân giải — đó là tham số.

[Chính chủ — OpenAI] ❌ Cinematic look → ✅ Anamorphic 2.0x lens, shallow DOF, volumetric light

[Ví dụ GPVA] ❌ Video quảng cáo ly cà phê sữa đá, phong cách điện ảnh, đẹp, 4K → ✅

Close-up of a Vietnamese iced milk coffee on a wooden table, 50mm lens, shallow depth of field, warm morning light from the left.

Cận cảnh ly cà phê sữa đá, ống 50mm, xóa phông, nắng sớm từ bên trái.

Vì sao hiệu quả: mỗi tính từ thành một quyết định quay phim cụ thể.

TODO-TEST (Vũ Trung Hậu): render cặp này, ghi công cụ + phiên bản + ngày test + số lần render + credit –>

Tip 2: Viết hành động thành các nhịp đếm được

Hành động mơ hồ khiến mô hình tự bịa chuyển động.

[Chính chủ — OpenAI] ❌ Person moves quickly → ✅ Cyclist pedals three times, brakes, and stops at crosswalk

[Ví dụ GPVA] ❌ A woman uses the serum and looks happy → ✅

A woman presses two drops of serum onto her palm, pats her cheek, then smiles at the mirror.

Nhỏ hai giọt serum, vỗ lên má, mỉm cười nhìn gương.

Vì sao hiệu quả: có điểm dừng nên clip kết thúc tự nhiên, dễ ghép.

Tip 3: Mỗi shot chỉ một chuyển động máy và một hành động

Hướng dẫn Sora 2 viết: “Each shot should have one clear camera move and one clear subject action”. Ghép hai clip 4 giây có thể tốt hơn một clip 8 giây.

[Ví dụ GPVA] ❌ Camera pans, zooms and orbits a spinning, jumping sneaker → ✅

Shot 1: Slow orbit around a white sneaker on wet concrete.
Shot 2: Static close-up, a water drop splashes onto the toe.

Quay vòng chậm quanh giày; rồi cận cảnh tĩnh giọt nước bắn lên mũi giày.

Vì sao hiệu quả: nhồi nhiều chuyển động dễ làm méo sản phẩm; chia shot rồi ghép trong CapCut. Thuật ngữ cần nhớ: static (đứng yên), pan (lia ngang), dolly in (đẩy lại gần).

VIDEO [Clip so sánh: shot nhồi 3 chuyển động làm méo đôi sneaker vs 2 shot tách riêng đã ghép]

Tip 4: Mô tả nguồn sáng thay vì khen “ánh sáng đẹp”

Hãy nói ánh sáng đến từ đâu, màu gì, làm nhiệm vụ gì.

[Chính chủ — OpenAI] ❌ Brightly lit room → ✅ Soft window light with warm lamp fill, cool rim from hallway

Vì sao hiệu quả: ba nguồn, ba vai trò — sáng chính định hình, sáng phụ làm mềm bóng, sáng viền tách chủ thể khỏi nền.

Tip 5: Với image-to-video, chỉ mô tả chuyển động

Runway khuyên dùng prompt image-to-video để “describe the motion of the scene”, theo khung “The camera [motion] as the subject [action]”.

[Ví dụ GPVA] ❌ Model in a red áo dài, white studio, elegant → ✅

The camera slowly pushes in as the model turns left and the fabric sways.

Máy đẩy chậm vào khi người mẫu xoay trái, tà áo khẽ bay.

Vì sao hiệu quả: ảnh đã quyết định hình; tả lại ảnh vừa thừa vừa dễ xung đột. Xem thêm: tạo video AI từ ảnh.

Tip 6: Viết negative prompt bằng danh sách, không bằng câu phủ định

Negative prompt là phần liệt kê thứ không muốn xuất hiện. Tài liệu Veo của Google Cloud khuyên không dùng “no” hay “don’t”.

[Chính chủ — Google Cloud] ❌ No walls → ✅ wall, frame

[Ví dụ GPVA] ❌ no text, no watermark → ✅ trường negative: text, watermark, subtitles, distorted hands

Vì sao hiệu quả: câu phủ định có thể kéo chú ý của mô hình vào đúng thứ cần loại (suy luận, chưa có nguồn chính chủ).

Tip 7: Tách thoại và âm thanh thành dòng riêng

Wafae Bakkali (Google Cloud) khuyên viết thoại Veo 3 sau dấu hai chấm, bỏ ngoặc kép, vì mô hình có thể biến nội dung trong ngoặc thành chữ trên màn hình.

[Ví dụ GPVA] ❌ A shop owner says "Mua một tặng một" in a market → ✅

A shop owner says to the camera: Hôm nay mua một tặng một nha.
Ambient noise: busy market chatter.
Sound effects: a cash register chimes.

Chủ shop nói thoại; âm nền chợ; tiếng máy tính tiền.

Vì sao hiệu quả: ba lớp tách bạch nên không bị trộn. Với Sora 2, OpenAI cũng đặt thoại thành khối riêng; shot 4 giây thường chỉ đủ một, hai câu ngắn.

TODO-TEST (bắt buộc): render cặp thoại tiếng Việt trên Veo 3, ghi phiên bản, ngày test, độ chính xác phát âm –>
VIDEO [Clip before/after thoại tiếng Việt: bản ngoặc kép hiện chữ lạ vs bản dấu hai chấm]

Tip 8: Mỗi lần chỉnh chỉ đổi một biến

Viết lại cả prompt thì không biết thay đổi nào hiệu quả; OpenAI khuyên chỉnh “one at a time” và nói rõ đang đổi gì.

[Chính chủ — OpenAI] ✅ Same shot, switch to 85 mm · Same lighting, new palette: teal, sand, rust

Giữ shot, đổi ống 85mm · Giữ ánh sáng, đổi bảng màu.

Vì sao hiệu quả: vòng lặp ba bước — nhận diện triệu chứng, đoán biến gây lỗi, đổi đúng biến đó — biến render thành dữ liệu.

TODO-TEST: số lần render trung bình trước/sau khi áp dụng nguyên tắc một biến (số thật từ log của tác giả) –>

Bảng chẩn đoán: video lỗi kiểu này thì sửa biến nào trong prompt?

Mỗi lỗi video AI thường chỉ về một biến trong prompt: chữ lạ thường do thoại trong ngoặc kép, sản phẩm méo do nhiều chuyển động trong một shot.

Lỗi ngoài bảng — giật hình, độ phân giải thấp, khuôn mặt không nhất quán giữa các clip — thường cần xử lý ngoài prompt: cách sửa lỗi video AI méo mặt, giật hình. Cách sửa còn tùy mô hình.

Viết prompt cho Veo, Sora, Kling và Runway khác nhau thế nào?

Bốn mô hình dùng chung nguyên tắc mô tả cụ thể nhưng khác cấu trúc: Google liệt kê 7 thành phần cho Veo, OpenAI tách prompt Sora thành khối mô tả – quay phim – hành động – thoại, Runway yêu cầu image-to-video chỉ tả chuyển động.

Kiểm tra lần cuối: 06/10/2026; “Không đề cập” = không có trong tài liệu đã dẫn. Bảng cập nhật mỗi quý. So sánh chất lượng đầu ra: so sánh Sora, Veo 3 và Kling.

Biến prompt thắng thành thư viện dùng lại cho cả team

Prompt đã cho kết quả tốt nên được lưu thành mẫu có biến thay thế (sản phẩm, bối cảnh, màu thương hiệu), kèm mô hình, phiên bản và ngày test. Bảng log giúp cả team dùng lại prompt thắng thay vì thử lại từ đầu.

Tách phần cố định (ánh sáng, camera, phong cách đã thắng) khỏi phần biến (sản phẩm, thoại), một mẫu chạy được cho hàng loạt video. Đó là bước từ “viết prompt một lần” sang hệ thống nội dung nhân bản được. Bắt đầu nhanh với bộ prompt mẫu video AI; cần dựng quy trình cho team, liên hệ Giải Pháp Video AI.

IMAGE [Ảnh chụp Google Sheets log prompt 6 cột với vài dòng mẫu, cột “Biến đã đổi” được tô màu]

Câu hỏi thường gặp về prompt engineering video AI