Quay xong mới là lúc khổ bắt đầu (và vì sao tôi không phải dân code)
Bạn có bao giờ quay xong một video bán hàng, thở phào, rồi nhận ra phần mệt nhất mới bắt đầu chưa?
Quay thì dễ. Mở điện thoại, nói vài câu, xong.
Khổ là khúc sau. Bạn gửi file cho bạn editor. Trả tiền. Chờ. Bản dựng về, xem, thấy không đúng ý, nhắn sửa. Sửa xong vẫn lệch. Sửa tới sửa lui, cái video đáng lẽ đăng hôm qua giờ vẫn nằm chết trong máy. Còn nội dung nóng thì đã nguội.
Tôi từng nghe một chị học viên nói thẳng câu này, nghe mà thấm: “Edit bằng tay vừa mất thời gian, vừa tốn tiền, lại thêm stress vì bạn edit không làm theo ý mình. Giờ đây anh chị em chị lo quay thôi, app edit chịu.”
Đọc lại ba chữ cuối đi. “App edit chịu.” Nghĩa là có một cái app gánh sạch phần cực cho chị ấy. Chị chỉ việc quay.
Giờ tới chỗ lạ. Cái app đó, tôi tự dựng. Tôi không phải dân lập trình. Thật lòng, tôi không viết nổi một dòng code cho ra hồn.
Vậy mà cả cái app biến video thô thành quảng cáo này, tôi làm xong trong đúng một buổi ngồi nói chuyện với Claude (một công cụ lập trình bằng cách trò chuyện của hãng Anthropic). Không học code. Không thuê ai. Chỉ nói cho nó nghe tôi muốn gì, như tôi đang kể với bạn lúc này.
Nghe như nói phét đúng không? Hồi đầu tôi cũng nghĩ y vậy.
Nên tôi sẽ kể bạn nghe, có số thật, có cả chỗ nó còn dở. Rồi bạn tự thấy: thứ chặn bạn lâu nay không phải năng lực, mà là một niềm tin cũ rằng “làm app là chuyện của dân IT”.
Cái app đó làm được gì: bỏ một video vào, bấm một nút, ra quảng cáo dọc
Bạn thử hình dung. Bạn vừa quay xong một đoạn nói thẳng vào máy, tay cầm điện thoại, chưa cắt chưa gọt gì hết. Bạn kéo cái file thô đó vào app, bấm đúng một nút, rồi đi pha ly cà phê.
Lúc bạn quay lại, ly cà phê còn nóng, thì trên màn hình đã là một video quảng cáo dọc khổ 9:16 hoàn chỉnh. Phụ đề chạy chữ kiểu karaoke, từ đang nói tô vàng, từ chưa tới thì để trắng. Tiêu đề in hoa nảy lên từng cảnh. Có sơ đồ minh hoạ. Có nhạc nền. Bạn lo mỗi việc quay. Phần dựng, máy gánh hết.
Tôi biết bạn đang nghĩ gì trong đầu. “Nghe sướng đấy, nhưng tôi có biết lập trình đâu mà làm.”
Thì tôi cũng đâu biết. Cả cái app này tôi dựng bằng cách ngồi trò chuyện với Claude Code (công cụ lập trình bằng hội thoại của Anthropic, tức là bạn nói bằng tiếng người, nó viết ra phần mềm). Không một dòng lệnh nào tôi phải tự gõ.
Thứ bạn cần không phải kỹ thuật. Thứ bạn cần là biết nói ra cái mình muốn. Bạn muốn cắt chỗ nói vấp, muốn phụ đề bám theo miệng, muốn tiêu đề in hoa cho bắt mắt. Bạn nói bằng lời, máy làm nốt phần còn lại. Cái nút “kỹ thuật” mà bao năm bạn tưởng chỉ dân IT mới với tới, hoá ra chỉ cách bạn đúng một câu nói.
Giao diện thì nhẹ như một trang web, tông hồng vàng navy, chạy thẳng trong Chrome hay Safari của bạn. Không cài đặt lằng nhằng, không cửa sổ rối mắt. Trên đó có mấy thẻ tab quen tay: CHẠY, LỜI, NHẠC, MÀU, NHỊP, KIỂU CHỮ, cho tới RENDER và DUYỆT.
Vậy sau cái nút đó, cái máy âm thầm làm gì? Để tôi mở nắp cho bạn xem.
Máy làm gì trong lúc bạn đi pha cà phê: 5 bước từ video thô đến quảng cáo
Bạn bấm một nút rồi đứng dậy đi pha cà phê. Trong lúc bạn khuấy ly cà phê, cái máy làm năm việc. Tôi kể từng việc, bằng tiếng người, không có gì huyền bí đâu.
Việc thứ nhất là nghe bạn nói. Máy dùng Whisper (mô hình nghe rồi chép ra chữ của OpenAI, chạy ngay trên máy bạn) để gỡ băng. Nhưng nó không chép kiểu thường. Nó đóng mốc thời gian cho TỪNG CHỮ. Nhờ vậy phụ đề mới chạy kiểu karaoke, chữ nào đang nói thì tô vàng đúng nhịp miệng. File phụ đề .srt thông thường chỉ đánh mốc theo cả câu, nên chữ tô sẽ lệch, nhìn rất sượng.
Việc thứ hai là dọn nhịp. Bạn quay thật thì kiểu gì cũng có khoảng lặng, có chỗ nói chậm. Máy đo mấy khoảng đó, cắt bớt, rồi tăng tốc nhẹ. Nhưng nó luôn kẹp trong một cái sàn và một cái trần. Để làm gì? Để giọng bạn không bị đẩy nhanh quá thành tiếng chuột chít.
Việc thứ ba là chỗ đắt giá nhất. Tôi gọi là dọn vấp. Bạn quay một mạch, thế nào cũng có lúc nói lỡ rồi nói lại. Cái này máy cắt lặng thuần túy chịu thua, vì nó phải HIỂU nội dung mới biết đâu là câu hỏng, đâu là câu đúng. Ở đây Claude đọc bản chép lời, tìm trúng đoạn đó rồi cắt bỏ câu sai. Bạn thử nghĩ mà xem, đây là việc của một người biên tập có đầu óc, chứ không phải cái kéo cắt vô hồn.
Việc thứ tư là chia cảnh. Claude đọc hết lời của bạn, chia ra 6 đến 14 cảnh, mỗi cảnh gắn một tiêu đề ngắn IN HOA. Chỗ nào bạn liệt kê nhiều ý, nó tự dựng một sơ đồ node (sơ đồ hình cây, một ý chính ở giữa, các nhánh nhỏ tỏa ra).
Việc thứ năm là dựng hình. Đến đây Remotion (thư viện làm video bằng React) mới vào cuộc. Nó gom hết những gì bốn bước trên chuẩn bị, chồng bốn lớp lên nhau, rồi render (dựng hình ra video) thành một file .mp4 khổ dọc 1080×1920, chạy 30 hình mỗi giây. Xong.
Bốn lớp đó xếp thế này. Dưới cùng là nền xanh navy, có tia sáng chéo, có hạt bụi bay, bốn góc có ngoặc trang trí. Trên nó là hình đổi theo cảnh, khi thì ảnh minh hoạ, khi thì cái sơ đồ hình cây kia. Rồi tới phụ đề karaoke tô vàng. Trên cùng là thẻ video mặt người nói, bo góc, nằm dưới đáy.
Năm việc, một nút bấm. Bạn quay lại bàn, cà phê vừa đủ nguội để nhấp, thì video quảng cáo cũng vừa ra lò.
Những con số khi tôi bấm nút (không thổi phồng một chữ)
Giờ tôi gom lại bằng số thật, thứ tôi tự đo ngay lúc chạy, không thêm không bớt một chữ.
Một đoạn tôi quay thô dài 43 giây, đầy khoảng lặng, đầy câu lê thê. Bấm một nút. Ra đúng 32,5 giây. Máy tự cắt khoảng lặng, tự dọn chỗ tôi nói vấp, rồi tăng tốc nhẹ. Không ai ngồi kéo chuột. Một video mẫu khác dài hơn, 2 phút 2 giây, cũng chạy trót lọt y vậy.
Chỗ tôi nể nhất là lúc nó dọn vấp. Tôi lỡ miệng nói nhầm “họ KHÔNG thiếu tư duy tăng trưởng”, biết sai liền sửa “nhưng họ THIẾU tư duy tăng trưởng”. Máy nghe hiểu, cắt gọn đúng 4,5 giây nói hỏng, chỉ giữ câu đúng. Việc này cắt lặng không tài nào làm nổi, vì nó phải hiểu tôi đang nói gì.
Tôi sợ nhất tăng tốc làm giọng méo thành tiếng chuột. Nên tôi đo hẳn. Tôi nói thật 3,5 đến 4,1 âm tiết mỗi giây (âm tiết là mỗi tiếng mình phát ra). Máy chỉ đẩy lên 1,10 đến 1,26 lần, đụng trần là 1,35 lần thì dừng. Nhanh gọn, mà giọng vẫn là giọng tôi.
Còn bộ não. Tôi đưa Claude một bản chép lời thật. Khoảng 45 giây sau, nó chia xong cảnh, đặt tiêu đề, dựng đúng cái sơ đồ hình cây tôi muốn. Đây là số tôi tự bấm nút, tự nhìn thấy trên video của mình. Không phải lý thuyết đọc ở đâu chép lại.
Nói thật chỗ máy còn yếu, và vì sao bạn nên tự dựng công cụ của riêng mình
Tôi không bán cho bạn một giấc mơ. Nên tôi kể luôn chỗ máy còn dở.
Cái máy nghe-chép (phần mềm nghe tiếng nói rồi gõ ra chữ) không bao giờ đúng trăm phần trăm. Nhất là tên riêng và từ nghề. Có bản chép nhỏ nghe nhanh nhưng sai chính tả tùm lum, nghe “bứt phá” ra “bất phá”, “dậm chân” thành “dâm chân”. Đọc mà giật mình. Chọn bản chép lớn chuẩn hơn thì lại chậm hơn. Không có bữa trưa miễn phí.
Rồi tới lượt Claude. Nó thông minh thật, nhưng đôi khi vẫn bịa. Có lúc nó gọi tên một tấm ảnh chẳng hề tồn tại. Có lúc nó chia cảnh bị hở, hoặc chồng đè lên nhau. Tin nó tuyệt đối, video ra là lỗi.
Nên tôi cài thêm một lớp tự kiểm. Máy làm xong, một lớp khác dò lại, vá chỗ thiếu. Và quan trọng nhất: trước khi xuất, luôn có một bước cho con người duyệt, sửa tay. Máy gánh phần nặng. Bạn giữ cây bút cuối cùng.
Tôi nói thẳng. Đây là công cụ giúp bạn chủ động hơn, nhanh hơn. Không phải cái máy in tiền. Ai hứa với bạn kiểu đó là đang dụ bạn.
Trong lúc dựng, tôi rút ra vài bài học phải trả giá mới có.
Bài học lớn nhất: tách cái đầu nghĩ ra khỏi cái tay làm. Bộ não lo chia cảnh, chỉ sinh ra một tờ giấy mô tả cảnh. Bộ dựng lo vẽ hình, chỉ đọc tờ giấy đó mà làm. Hai bên nói chuyện qua một tờ giao kèo duy nhất. Nhờ vậy sửa bên nào cũng không sợ làm sập bên kia. Lúc đầu tôi gộp chung, đụng một chỗ là hỏng cả dây. Mệt bã người.
Bài học thứ hai: chọn bộ não theo cái đã có sẵn trong máy. Tôi gọi thẳng công cụ Claude đã cài, không mua khóa riêng, không trả thêm tiền theo từng lượt. Tôi thử vài lựa chọn khác rồi. Có cái nghĩ quá lâu, transcript dài là treo hơn ba phút. Có cái chạy offline được nhưng chậm, tiêu đề đặt ra cũng kém sắc hơn. Cái gì đang nằm trong máy và làm tốt, tận dụng cái đó.
Một chuyện nhỏ nữa. Ban đầu tôi làm giao diện kiểu cửa sổ ứng dụng cũ trên máy Mac, bật chế độ tối lên là mất màu, hiện ra toàn xám xịt. Tôi bỏ, chuyển sang giao diện chạy trong trình duyệt cho chắc. Từ đó nhìn đâu ra đó.
Giờ tới câu quan trọng hơn. Vì sao bạn nên tự dựng, thay vì đi thuê?
Một, chủ động. Quay xong là có ngay, không chờ ai, không lụy lịch người khác.
Hai, đúng ý bạn. Màu, cỡ chữ, nhịp phim, kiểu tiêu đề, kiểu sơ đồ, tất cả là con số bạn tự vặn. Không phải giải thích tới lui rồi người dựng vẫn làm ra cái khác.
Ba, rẻ dần theo thời gian. Dựng một lần, dùng mãi. Càng ra nhiều video, cái app càng hời.
Bốn, càng dùng càng khôn. Bạn nói chuyện với Claude để cốt thêm tính năng cho chính cái app của mình. Nó lớn lên theo cách bạn làm ăn.
Đó là thứ đi thuê không bao giờ cho bạn được.
Vài câu bạn hay hỏi trước khi bắt tay
Không biết code thì tự tạo app edit video bằng AI được không?
Được. Cả cái app tôi kể trong bài này, tôi dựng bằng cách ngồi nói chuyện với Claude trong đúng một buổi. Không gõ lấy một dòng code. Cái bạn cần không phải bằng cấp tin học, mà là nói cho rõ mình muốn gì. Bạn diễn đạt được ý, là làm được.
Edit video bằng Claude thì có thay hẳn người edit luôn không?
Không. Ai hứa với bạn vậy là hứa hão. Máy nghe-chép vẫn sai tên riêng, cái bộ não AI đôi khi bịa ra thứ không có. Nên trước khi xuất, bạn vẫn ngồi soát lại một lượt, sửa vài chỗ bằng tay. Máy gánh phần nặng, con mắt cuối cùng vẫn là của bạn. Vậy là đủ nhẹ rồi.
Có phải mua khóa API (chìa khóa trả tiền để gọi dịch vụ AI) không?
Không. App gọi thẳng Claude đã cài sẵn trên máy. Không đăng ký thêm gói nào, không nơm nớp mỗi lần bấm nút là một lần bị trừ tiền lẻ.
Video ra khổ nào, có phụ đề không?
Dọc 9:16, đúng chuẩn lướt trên điện thoại. Phụ đề chạy kiểu karaoke, chữ đang nói tô vàng khớp nhịp miệng, chữ còn lại để trắng. Thêm tiêu đề in hoa, thêm sơ đồ minh họa cho đoạn nhiều ý. Nói gọn: bạn bỏ vào một video quay thô, nhận lại một video quảng cáo coi được ngay.
Bạn không thiếu năng lực, bạn chỉ thiếu một cái app của riêng mình
Tôi kể bạn nghe hết rồi. Chỗ máy làm giỏi hơn người, và cả chỗ máy còn vấp. Giờ tôi nói thẳng điều tôi tin nhất.
Bạn không thiếu năng lực. Bạn quay được, bạn nói được, bạn bán được. Thứ duy nhất bạn thiếu là một cái app của riêng mình.
Đừng để khâu edit trói chân bạn thêm một ngày nào nữa. Bạn không cần đi học code. Bạn không cần thuê editor rồi ngồi chờ ba hôm, sửa tới sửa lui vẫn thấy nó không ra cái mình muốn.
Nhớ câu học viên kia nói không: “anh chị em chị lo quay thôi, app edit chịu”. Đó là cái tôi muốn trao cho bạn.
Tối nay thôi. Bạn mở lại một video quay thô đang nằm im trong máy, cái video bạn ngại đụng vào vì cứ nghĩ tới đoạn edit là nản.
Rồi thử nói với máy đúng một câu. Cắt giùm chỗ tôi nói vấp. Chạy phụ đề tô vàng theo nhịp miệng. Lên giùm cái tiêu đề.
Editor thuê ngoài không hiểu đúng ý bạn, vì họ đâu ở trong đầu bạn. Còn cái app bạn tự dựng thì hiểu, vì nó lớn lên từ chính lời bạn dạy nó. Càng dùng càng khớp ý.
Bắt đầu từ một câu. Rồi bạn sẽ thấy nó không hề huyền bí như bạn tưởng.
Về tác giả
Vi Tiến Hoàng, chuyên gia AI Marketing, Founder MYLINA Group. Làm Internet Marketing từ năm 2013. Hơn 8 năm vận hành marketing cho hệ sinh thái của Luật sư Phạm Thành Long: cùng xây kênh YouTube từ 0 lên 1 triệu subscribers, fanpage lên 1,8 triệu followers, chương trình online 30.000 người tham dự. Hiện là Founder MYLINA Group. Song song, với vai trò chuyên gia AI Marketing, đã giúp hàng trăm doanh nghiệp Việt tăng trưởng bền vững.
Cái app trong bài này do chính tôi tự tay dựng bằng Claude, đã chạy trên video thật. Nên mọi con số bạn đọc ở trên là thứ tôi tận mắt thấy khi bấm nút, không phải lý thuyết đi mượn.
Ba bước làm ngay tối nay:
- Chọn một video quay thô đang để dành, mở nó ra, chưa cần làm gì cả.
- Viết ra đúng một câu điều bạn muốn máy làm giùm: cắt vấp, chạy phụ đề, hay lên tiêu đề.
- Bắt đầu từ câu đó, nói chuyện với máy như dạy một người thợ mới, cho nó lớn dần theo ý bạn.
Muốn tự dựng app này? Đưa Claude Code nguyên đoạn dưới đây
Nếu bạn muốn có cái app như tôi vừa kể, không cần ngồi nghĩ phải bắt đầu từ đâu. Bạn mở Claude Code (công cụ lập trình bằng hội thoại của Anthropic) trên máy, rồi copy nguyên đoạn dưới đây, dán vào. Claude Code sẽ hỏi lại bạn vài câu, rồi tự lo hết phần kỹ thuật cho bạn, từng bước một.
Tôi muốn bạn dựng cho tôi một app chạy trên máy tính này, biến một video quay thô thành một video quảng cáo dọc hoàn chỉnh. Tôi không biết lập trình, nên bạn lo hết phần kỹ thuật: thiếu gì thì tự cài, và cuối cùng chỉ tôi cách mở app rồi chạy thử.
App làm việc này: tôi bỏ vào một video quay dọc bằng điện thoại, bấm một nút, nhận lại một video quảng cáo dọc khổ 9:16.
Bên trong, app xử lý tuần tự:
1. Nghe lời nói trong video và chép ra chữ, kèm mốc thời gian TỪNG CHỮ (dùng Whisper chạy ngay trên máy), để làm phụ đề karaoke tô vàng khớp nhịp miệng.
2. Cắt các khoảng lặng; đo tốc độ nói rồi tăng tốc nhẹ, nhưng kẹp trong một sàn và một trần để giọng không bị méo thành tiếng chuột.
3. Nhờ chính bạn (Claude) đọc bản chép lời, tìm đoạn tôi nói vấp rồi nói lại, cắt bỏ đoạn hỏng và giữ lại đoạn đúng.
4. Nhờ bạn chia video thành 6 đến 14 cảnh, đặt cho mỗi cảnh một tiêu đề ngắn IN HOA; chỗ nào tôi liệt kê nhiều ý thì dựng một sơ đồ hình cây (một ý chính ở giữa, các nhánh nhỏ tỏa ra).
5. Dựng hình bằng Remotion, khổ dọc 1080x1920, 30 hình mỗi giây, chồng 4 lớp: nền xanh navy có tia sáng chéo + hạt bụi + ngoặc trang trí 4 góc; lớp hình đổi theo cảnh (ảnh hoặc sơ đồ); phụ đề karaoke chữ đang nói tô vàng; thẻ video mặt người nói bo góc ở đáy.
Yêu cầu thêm:
- Giao diện để tôi bấm chạy trong trình duyệt (đừng dùng cửa sổ ứng dụng kiểu cũ), có nút chọn video và nút Làm video, có ô hiện tiến trình.
- Phần chia cảnh gọi thẳng Claude đã cài trên máy, đừng bắt tôi mua khóa API trả tiền.
- Tách phần chia cảnh và phần dựng hình bằng một file mô tả cảnh trung gian, để sau này sửa bên nào cũng không làm hỏng bên kia.
- Đừng tin tuyệt đối kết quả của AI: thêm một lớp tự kiểm và vá lỗi, và một bước cho tôi duyệt lại, sửa chữ trước khi xuất.
- Xuất ra file .mp4, cho tôi tự chọn nơi lưu.
Bắt đầu bằng việc hỏi tôi vài câu cần thiết, rồi vừa làm vừa giải thích cho tôi hiểu.Bạn chỉ cần biết diễn đạt ý mình. Phần còn lại để cái máy lo. Cứ dán đoạn trên vào, rồi trả lời từng câu nó hỏi, như bạn đang giao việc cho một người thợ mới.
Làm Internet Marketing từ năm 2013. 8+ năm vận hành marketing cho hệ sinh thái của Luật sư Phạm Thành Long: cùng xây kênh YouTube từ 0 lên 1 triệu subscribers, fanpage lên 1,8 triệu followers, chương trình online 30.000 người tham dự. Hiện là Founder MYLINA Group. Song song, với vai trò chuyên gia AI Marketing, đã giúp hàng trăm doanh nghiệp Việt tăng trưởng bền vững.
