I2V Studio – Tool tạo video AI tự động bằng Google Flow

Màn tạo video đi theo năm chặng rõ ràng: chọn chatbot (mẫu kịch bản), chọn chủ đề, duyệt kịch bản, dựng video, xuất bản. Hai bước đầu không tốn credit Google, nên bạn xem thoải mái trước khi quyết định.

Ở bước chọn chủ đề, app mở chatbot của mẫu bằng tài khoản Google của bạn và hỏi hôm nay có chủ đề gì đáng làm — thường trả lời trong khoảng nửa phút. Bạn chọn một trong các chủ đề nó đưa ra hoặc tự gõ chủ đề của mình, ép thời lượng video từ 30 đến 180 giây, và khai trước kiểu giọng cho từng nhân vật để mọi cảnh nói đúng một giọng.

Kịch bản trả về được tách thành từng cảnh, mỗi cảnh có lời đọc, prompt tiếng Anh cho model dựng hình và mốc thời gian riêng. Đây là chốt chặn trước khi tiêu credit: bạn đọc lại từng cảnh, sửa lời thoại, sửa prompt, thêm hoặc bớt cảnh, hoặc nhờ AI viết lại cả kịch bản.

Sinh clip chạy trên Google Flow với bốn model video: Omni 1.1 Flash (chọn được clip 4, 6, 8 hoặc 10 giây, tốn 7–15 credit mỗi lần), Veo 3.1 Lite (10 credit), Veo 3.1 Fast và Veo 3.1 Quality. Chọn model nào là quyền của bạn, app hiện giá trước khi bấm.

Không phải mẫu nào cũng đi đúng năm bước ấy. Mẫu bán sản phẩm thay vòng gợi ý chủ đề bằng một biểu mẫu để bạn khai sản phẩm; mẫu có nhiều cách chế biến chèn thêm một bước chọn cách làm. Thanh tiến trình đổi theo từng mẫu chứ không ép mọi dự án vào cùng một khuôn.

Với các mẫu đi đường ảnh, bước ba mang tên “Duyệt kịch bản & ảnh” và chia làm hai chặng. Chặng một dựng ảnh tĩnh cho từng cảnh bằng Nano Banana trên Google Flow — app báo rõ chặng này không trừ credit, nên cứ chọn bậc ảnh đẹp nhất và dựng lại tới khi ưng.

Bạn duyệt bộ ảnh trước mắt mình rồi mới sang chặng hai: chọn model video, xem app báo tốn bao nhiêu credit, rồi mới biến ảnh thành clip. Nhờ vậy cái bạn trả credit để dựng là khung hình bạn đã nhìn thấy và đồng ý, không phải một canh bạc.

Sửa ô prompt ảnh của một cảnh thì tấm ảnh cũ và clip dựng từ nó đều bị bỏ — app nói thẳng điều đó ngay dưới ô nhập thay vì để bạn phát hiện bằng một hoá đơn credit.

Bảng bên phải tổng kết bộ ảnh trước khi chạy: bao nhiêu cảnh, sắp dựng mấy tấm, chi phí bao nhiêu. Ảnh các cảnh còn được dựng nối tiếp nhau để bối cảnh và ánh sáng không nhảy mỗi cảnh một kiểu.

Mỗi dự án mở ra một bàn dựng: khung xem trước từng cảnh, timeline phân cảnh, và một cột bên phải để chỉnh nội dung, clip, âm thanh, phụ đề của riêng cảnh đang chọn.

Đây là chỗ tiết kiệm credit nhiều nhất. Model sinh sai một cảnh thì bạn sửa prompt của đúng cảnh đó rồi bấm tạo lại — app hiện luôn lần tạo lại này tốn bao nhiêu credit. Bốn cảnh còn lại đã đạt thì giữ nguyên, không phải dựng lại từ đầu.

Lời dẫn, giọng đọc và phụ đề cũng sửa được ngay tại đây. Đổi giọng cho một cảnh, chỉnh lại câu phụ đề bị AI đọc sai, rồi xuất lại video — phần không đổi không bị dựng lại.

Timeline cho biết cảnh nào đã có clip, cảnh nào chưa, cảnh nào đã có phụ đề. Nhân bản một cảnh, thêm cảnh mới hoặc xoá cảnh thừa đều làm được trước khi xuất bản.

Kho mẫu nằm ngay ở bước một của màn tạo video. Mỗi mẫu là một bộ não viết kịch bản riêng — một persona, một khuôn kịch bản và ảnh minh hoạ — tương ứng một kiểu video: KOC review sản phẩm, hoạt hình nhân vật, người que kể chuyện, POV mẹo vặt, cổ nhân bán sách, PT gymer ảo và nhiều kiểu khác.

Lưới mẫu chia theo chín ngành, mỗi chip ghi sẵn ngành đó có bao nhiêu mẫu, và ô tìm nhận cả chữ không dấu. Bấm một tấm thẻ là xem thử ngay đoạn video mà mẫu ấy làm ra — bấm lại để dừng. Chọn xong mẫu mới tới lượt hỏi chatbot, và cả quãng này chưa tốn đồng credit nào.

Nút Tùy chỉnh mẫu mở một bảng nói rõ mẫu ấy làm video theo kiểu nào trước khi bạn dựng: nhịp mấy giây một cảnh, video giữ tiếng Veo dựng ra hay lồng giọng đọc, cảnh sau có mở bằng khung cuối của cảnh trước không, đoạn phong cách hình được chép vào mọi prompt, và kho ví dụ mà chatbot học theo. Bảy mẫu ghim được nhân vật bằng một tấm ảnh để nhân vật giữ nguyên diện mạo qua nhiều video.

Nội dung mẫu dựng sẵn đi kèm bản cài và cố ý không cho sửa: chỉ cần đổi một ví dụ prompt là khuôn kịch bản của cả mẫu lệch đi, mà bản cập nhật sau cũng ghi đè lên nó. Đổi lại, mỗi bản cập nhật thường thêm mẫu mới vào kho, bạn cài đè là có ngay mà không phải trả thêm tiền. Thứ thuộc về riêng bạn là ảnh nhân vật của từng mẫu — ảnh này nằm trong thư mục dữ liệu trên máy bạn nên cài đè lúc cập nhật không đụng tới.

Mỗi mẫu có một hộp tuỳ chỉnh riêng, và thứ đáng giá nhất trong đó là tấm ảnh nhân vật của kênh. App đính tấm ảnh này vào mọi cảnh khi dựng clip, nên các cảnh ra đúng một người. Không có nó thì mỗi cảnh Google Flow tự nghĩ lại một khuôn mặt từ đoạn chữ — quần áo thì trùng, mặt thì lệch đi một chút.

Ảnh nhân vật dựng ngay trong app và không tốn credit Google: app mở Flow bằng tài khoản của bạn rồi xin một tấm chân dung toàn thân từ chính đoạn tả nhân vật. Muốn đúng ý hơn thì tải ảnh của riêng bạn lên — ảnh đứng thẳng, nhìn vào máy quay, nền trơn, không lẫn người khác.

Đoạn tả nhân vật viết bằng tiếng Anh và được chép nguyên văn vào đầu mọi prompt hình. Sửa nó thì app sửa luôn tiền tố trong các ví dụ prompt của mẫu, vì chatbot học theo ví dụ chứ không theo lời dặn — để nguyên ví dụ cũ thì bản sửa không ăn.

Cùng hộp đó còn khai phong cách hình — đoạn chép vào cuối mọi prompt hình để cảnh nào cũng cùng một chất ảnh — cùng nhịp cảnh của mẫu và cách xử lý tiếng trong video. Đây là chỗ biến một mẫu dựng sẵn thành kênh của riêng bạn.

Edge là nguồn mặc định: 8 giọng Việt, Anh, Nhật, Hàn, Trung, miễn phí, không cần khai báo gì, và cho mốc thời gian từng từ nên phụ đề khớp chính xác.

CapCut thêm 24 giọng tiếng Việt có tính cách — giọng bản tin, giọng review phim, giọng kể chuyện — thay vì giọng đọc phẳng. Cũng miễn phí và không cần khai báo, nhưng đi qua một đường không chính thức nên app nói thẳng là nó có thể ngừng chạy.

Piper và VieNeu chạy hoàn toàn trên máy: bấm nút tải model một lần (20–63 MB mỗi giọng) là sau đó không cần mạng, không ai đếm lượt. Đổi lại, hai nguồn này không trả mốc thời gian nên phụ đề được rải đều theo độ dài từ — hơi lệch ở câu có từ ngắn xen từ dài, và giao diện nói trước chứ không giấu.

ElevenLabs cho chất giọng hay nhất, dùng khoá API của chính bạn và tính tiền theo ký tự với ElevenLabs. Khoá lưu trong thư mục dữ liệu trên máy bạn và không bao giờ hiện lại nguyên văn ra giao diện. Giọng chưa sẵn sàng bị chặn ngay lúc bấm xác nhận, không phải lúc ghép — để không mất cả loạt credit cho một video chết ở bước cuối.

Bạn tự thêm tài khoản Google vào app. Một cửa sổ Chrome trắng mở ra, bạn đăng nhập như bình thường, app nhận ra ngay khi xong và tự đóng cửa sổ hộ bạn. App không bao giờ đụng tới mật khẩu — nó chỉ mở cửa sổ và đứng đợi.

Mỗi tài khoản có một thư mục Chrome riêng, nên nhiều tài khoản chạy song song được: đo thật trên Windows 11, 8 cửa sổ Chrome khởi động hết 8,2 giây, mỗi cửa sổ chiếm 0,6–1 GB RAM, máy 16 GB chịu được khoảng 13 cửa sổ cùng lúc.

Dự án, giấy phép và video xuất ra nằm trong thư mục dữ liệu của app trên máy bạn, không nằm cạnh file chạy — nên cài đè lúc cập nhật không đụng tới công của bạn. Thư mục video xuất ra đổi được trong Cài đặt.

Giấy phép kích hoạt theo mã máy: mua một lần dùng vĩnh viễn, và khi đổi máy thì gỡ giấy phép ở máy cũ rồi kích hoạt lại ở máy mới ngay trong app. Bản cập nhật tải thẳng từ mục Giấy phép, có kiểm tra checksum.