Kịch bản video AI là quy trình dùng AI để tạo hook, lời thoại, phân cảnh và CTA, rồi nối các phần đó với công cụ sản xuất video phù hợp. Bài viết giúp bạn đi từ một ý tưởng thô đến bản kịch bản có thể giao cho công cụ dựng: xác định nội dung cần nói, chia mốc thời gian, mô tả hình ảnh và kiểm tra dữ kiện trước khi xuất bản. Các hướng dẫn đang xuất hiện trên VEED, Canva AI và Clipchamp cho thấy quy trình này thường bao gồm cả prompt cho dàn ý, lời thoại, SEO video và lồng tiếng; bài viết sẽ đặt các phần đó vào một quy trình dễ kiểm tra hơn.
Tóm tắt nhanh
- Một kịch bản usable cần ít nhất hook, lời thoại, cảnh, chữ trên màn hình và CTA; không chỉ một đoạn prompt tạo video.
- Với video ngắn, mỗi nhịp nên gắn với mốc thời gian và hình ảnh cụ thể, thay vì viết một đoạn văn dài không có phân cảnh.
- Bạn sẽ thấy cách chuyển bản kịch bản thành đầu vào cho công cụ tạo video, voice-over hoặc quy trình API mà không mặc định AI tự kiểm chứng giá, thông số và chính sách sản phẩm.
Kịch bản video AI là gì và khác prompt tạo video ra sao?
Kịch bản video AI là bản kế hoạch theo dòng thời gian, trong đó ghi rõ nói gì, hình ảnh nào xuất hiện và mỗi phần kéo dài bao lâu. Với video bán hàng 30 giây, bản này có thể chia thành hook ở 0–3 giây, nêu vấn đề ở 3–10 giây, giới thiệu sản phẩm ở 10–22 giây, chốt lợi ích ở 22–27 giây và CTA ở 27–30 giây. AI hỗ trợ tạo hook, lời thoại, phân cảnh và CTA; bạn vẫn nối bản nội dung đó với công cụ dựng hoặc tạo video phù hợp. Một kịch bản dùng được không chỉ có đoạn voice-over. Nó thường ghi chủ thể trong từng cảnh, chữ hiển thị, âm thanh và hành động cần thấy trên màn hình. Chẳng hạn, ở giây 0–3, lời thoại có thể là “Áo trắng bị ố cổ sau vài lần giặt?”, hình ảnh là cận cảnh cổ áo, chữ màn hình là “Xử lý vết ố trong 5 phút”, còn âm thanh là tiếng bật nắp chai. Cấu trúc theo hook, mốc thời gian và hình ảnh cho từng nhịp cũng xuất hiện trong các hướng dẫn viết video ngắn trên SERP, thay vì chỉ đưa một đoạn văn liên tục. Prompt tạo video là câu lệnh gửi trực tiếp cho công cụ để mô tả một đầu ra, thường gồm chủ thể, bối cảnh, phong cách, chuyển động hoặc tỷ lệ khung hình. Ví dụ: “Tạo video dọc 9:16, cận cảnh chai nước giặt trên bàn bếp, ánh sáng tự nhiên, chuyển động camera chậm”. Prompt này mô tả cảnh cần sinh, nhưng chưa quy định 30 giây phải nói câu nào ở giây 12, khi nào hiện giá hay lúc nào kêu gọi mua. Kịch bản có thể chứa nhiều prompt cho nhiều cảnh; hai khái niệm không thay thế nhau. Giá trị của kịch bản nằm ở chỗ bạn duyệt logic và thông tin trước khi tốn lượt dựng, tạo giọng đọc hoặc xuất video. Canva AI và một số công cụ trên SERP cho phép tạo video từ kịch bản, nhưng công cụ không tự biết giá sản phẩm, chính sách đổi trả hay cách thương hiệu xưng hô nếu bạn không cung cấp. AI có thể viết bản nháp; người dùng phải kiểm tra tên sản phẩm, con số, phát âm tiếng Việt, bản quyền hình ảnh và CTA trước khi đưa vào sản xuất.
Kịch bản video AI tạo được những đầu ra nào?
Một kịch bản video AI không chỉ trả về vài câu thoại. Với yêu cầu có mục tiêu, nền tảng và thời lượng, bạn có thể nhận một gói đầu ra gồm ý tưởng, hook, lời thoại, danh sách cảnh, chữ trên màn hình và CTA để chuyển sang bước dựng video. Ví dụ, brief “video TikTok 30 giây giới thiệu bình giữ nhiệt cho dân văn phòng” có thể được tách thành các mốc 0–3 giây, 4–15 giây, 16–25 giây và 26–30 giây. Mỗi mốc nên ghi rõ người xem nghe gì, thấy gì và cần thực hiện hành động nào. Cách chia theo thời lượng, hook, cấu trúc, mốc thời gian và hình ảnh cho từng nhịp cũng xuất hiện trong các hướng dẫn viết video ngắn trên SERP.
Các đầu ra thường gặp
| Đầu ra | Dùng để làm gì? | Ví dụ ngắn |
|---|---|---|
| Ý tưởng | Chọn hướng nội dung trước khi viết | Video giải thích bình giữ nhiệt giữ nóng ra sao |
| Dàn ý và hook | Xác định câu mở đầu, vấn đề và trình tự triển khai | “Nước nguội trước giờ nghỉ trưa?” |
| Lời thoại | Dẫn dắt người xem theo thời lượng đã đặt | Voice-over 30 giây, khoảng 65–75 từ cần kiểm tra lại khi đọc |
| Scene list | Hướng dẫn phần hình ảnh, góc máy và chuyển cảnh | Cận cảnh nắp bình, cắt sang cảnh đặt bình trên bàn làm việc |
| Text on screen | Hiển thị thông tin chính khi người xem tắt âm thanh | “Dung tích 500 ml” |
| Caption | Viết phần mô tả phù hợp từng nền tảng | Mô tả ngắn kèm từ khóa cho TikTok hoặc Reels |
| CTA | Kêu gọi hành động ở đoạn cuối | “Xem thêm mẫu”, “Đăng ký” hoặc “Mua ngay” |
Workflow viết kịch bản video ngắn bằng AI từ ý tưởng đến video
| Bước | Mô tả | API / Node |
|---|---|---|
| 1 | Xác định mục tiêu, khán giả và nền tảng | Input form hoặc node nhận brief |
| 2 | Tạo hook và dàn ý | AI text generation |
| 3 | Viết lời thoại theo thời lượng | Prompt có giới hạn số từ |
| 4 | Chia cảnh, hình ảnh và text on screen | Structured output dạng bảng |
| 5 | Tạo âm thanh hoặc voice-over | TTS hoặc node âm thanh |
| 6 | Tạo video, kiểm tra và xuất bản | Video generation, review, download |
Sáu bước triển khai
- Điền brief trước khi gọi AI. Ghi mục tiêu như “giới thiệu bình giữ nhiệt”, nhóm người xem, nền tảng TikTok, khung hình dọc 9:16, thời lượng 30 giây và CTA “xem link bio”. Nếu thiếu một trường, AI dễ viết lời thoại đúng ngữ pháp nhưng sai mục đích bán hàng.
- Yêu cầu 3 hook và một dàn ý ngắn. Prompt nên chỉ rõ vấn đề người xem, giọng điệu và số phần, chẳng hạn: “Viết 3 hook dưới 12 từ, sau đó lập dàn ý gồm mở đầu, lợi ích, bằng chứng và CTA”. Chọn một hook trước khi chuyển sang viết toàn văn.
- Khóa giới hạn lời thoại bằng số từ. Với video 30 giây, bạn có thể đặt yêu cầu “không quá 75 từ”, kèm thông tin sản phẩm được phép sử dụng. Bắt AI đánh dấu `[HOOK]`, `[LỢI ÍCH]` và `[CTA]` để việc chia cảnh không biến thành đoán ý.
- Chuyển lời thoại thành bảng cảnh. Mỗi dòng nên có `start_time`, `end_time`, `voice_over`, `visual_prompt` và `text_on_screen`. Ví dụ, cảnh 0–3 giây chứa hook; chữ trên màn hình không nên tự động lấy nguyên một đoạn lời thoại dài.
- Tạo voice-over sau khi duyệt câu chữ. Đưa đúng từng dòng lời thoại vào TTS hoặc node âm thanh, rồi kiểm tra tên riêng, đơn vị tiền và cách đọc tiếng Việt. Nếu sửa câu sau khi tạo âm thanh, cần tạo lại đoạn tương ứng để hình và tiếng không lệch.
- Tạo video, xem bản nháp rồi mới xuất bản. Kiểm tra đủ sáu điểm: hook ở 3 giây đầu, hình ảnh đúng cảnh, chữ không bị cắt ở khung 9:16, âm thanh không che lời, phụ đề khớp câu và CTA xuất hiện ở cuối. Chỉ tải bản cuối sau khi người duyệt xác nhận nội dung, hình ảnh và phụ đề.
Khi AI viết sai dữ kiện, phát sinh chi phí và lệch giọng thương hiệu
Một kịch bản 30 giây có thể đúng cấu trúc nhưng vẫn sai thông tin sản phẩm. AI dễ tự điền phần còn thiếu bằng câu chung chung, lặp lợi ích hoặc thêm tuyên bố như “hiệu quả nhanh” dù brief không có nguồn. Với giá, thời hạn bảo hành, điều kiện đổi trả và thông số kỹ thuật, bạn chỉ nên giữ dữ kiện có trong tài liệu sản phẩm hoặc trang chính thức; thiếu nguồn thì để nhãn `[cần xác minh]`, không tự chèn con số.
Tách lỗi nội dung khỏi lỗi công cụ Nếu lời thoại đã ghi đúng “3 bước sử dụng” nhưng voice-over đọc thành “ba mươi bước”, lỗi nằm ở khâu phát âm hoặc xử lý giọng, không phải kịch bản. Nếu chữ trên màn hình hiện sai giá do template cũ, đó là lỗi dựng cảnh. Còn khi câu thoại tự nhận sản phẩm có chứng nhận mà brief không đề cập, cần sửa từ bản kịch bản trước khi đưa sang TTS hay công cụ tạo video. Kịch bản cũng không bảo đảm người xem
sẽ xem hết video. Một hook rõ, lời thoại đủ cho 30 giây và CTA đúng mục tiêu vẫn có thể thất bại nếu cảnh mở đầu không khớp câu nói, nhịp cắt quá dày hoặc phụ đề che sản phẩm. Hãy đối chiếu từng mốc: lời thoại, cảnh, chữ màn hình và âm thanh. Trước khi xuất bản, kiểm tra quyền dùng ảnh sản phẩm, nhạc và footage; đọc thử tên riêng, địa danh, đơn vị như “ml”, “kg”, “VNĐ”; rồi xem ba cảnh liên tiếp có giữ đúng màu bao bì, nhân vật và góc sản phẩm không. Nếu AI đề xuất giá công cụ hoặc mức chi phí nhưng chưa có bảng giá chính thức, bỏ con số đó và ghi rõ hãng chưa công bố.
Hai tình huống dùng kịch bản video AI tại Việt Nam
Người bán hàng làm video TikTok hoặc Reels cho một sản phẩm Một shop bán bình giữ nhiệt có thể đưa vào brief bốn dữ kiện: khách hàng là dân văn phòng, dung tích 500 ml, giá bán 189.000 đồng và giao hàng toàn quốc. AI dùng brief đó để đề xuất hook như “Một chiếc bình vừa ngăn bàn làm việc có đủ nước đến cuối buổi sáng không?”, rồi viết lời thoại 30 giây gồm lợi ích chính, cảnh cầm sản phẩm và CTA dẫn người xem đến trang đặt hàng. Hook cần nói đúng nỗi bận tâm
của nhóm khách này, thay vì dùng câu chung chung như “sản phẩm chất lượng cao”. Trước khi đăng, người bán phải đọc lại tên sản phẩm, số tiền, đơn vị “ml”, phí giao hàng và điều kiện khuyến mãi trong từng câu thoại lẫn chữ trên màn hình. Ví dụ, AI có thể viết nhầm “một trăm tám mươi chín nghìn đồng” thành con số khác, hoặc biến “giao hàng toàn quốc” thành “miễn phí toàn quốc” dù brief không có thông tin đó. Với TikTok hoặc Reels, người bán cũng nên xem riêng ba điểm: câu mở đầu ở giây đầu, lợi ích xuất hiện trước giây thứ 10 và CTA ở đoạn cuối. *Ví dụ minh họa, không phải dữ liệu thực tế:* một nhóm bán hàng nhận brief cho video 30 giây về hộp cơm giữ nhiệt. Họ yêu cầu AI viết ba hook cho nhân viên văn phòng, chọn một bản, sau đó đối chiếu lời thoại với giá sản phẩm, dung tích và chính sách đổi trả trước khi đưa sang công cụ dựng video. Nếu phát hiện AI thêm tính năng chưa có, nhóm sửa kịch bản thay vì chờ đến lúc video đã xuất xong.
Đội ngũ SaaS hoặc developer giải thích một sản phẩm API Với sản phẩm API, vấn đề thường nằm ở việc biến tài liệu có endpoint, header và response thành lời thoại mà người mới vẫn theo kịp. Một video 45 giây có thể chọn một tình huống cụ thể: developer gửi `POST /v1/images/generations`, truyền `model` và `prompt`, nhận về một `id`, rồi dùng `GET /v1/images/jobs/{id}` để kiểm tra kết quả. AI viết phần giải thích theo ba lớp: người dùng muốn làm gì, request cần gì và response dùng tiếp ra sao. Cảnh minh họa nên cho thấy đoạn request rút gọn, tên tham số như `x-api-key`, cùng phụ đề giải nghĩa “khóa xác thực” thay vì đọc nguyên cả tài liệu. Đội ngũ cần kiểm tra thủ công các đường dẫn, tên model, mã lỗi và ví dụ JSON; chỉ cần sai một dấu `/` trong endpoint, người xem có thể copy mã nhưng không gọi
được API. CTA phù hợp là “xem tài liệu” hoặc “tạo API key”, không phải lời kêu gọi mua hàng nếu video đang phục vụ onboarding.
Từ kịch bản đến video với RevidAPI: cấu trúc dữ liệu, AI Studio và API
Đừng gửi cả bản kịch bản như một đoạn văn duy nhất. Hãy tách `script` cho lời thoại gốc, `scenes` cho danh sách cảnh, `voice_over` cho phần cần đọc và `video_prompt` cho mô tả hình ảnh. Cấu trúc này giúp bạn sửa một cảnh hoặc đổi giọng đọc mà không phải viết lại toàn bộ nội dung. Trong AI Studio, bạn có thể hình dung workflow kéo-thả theo chuỗi: nhận kịch bản → tách cảnh → tạo lời đọc → tạo video → kiểm tra. Hãy thử từng nút bằng tay trước khi nối qua n8n hoặc dashboard. Với tiếng Việt, mở phần TTS tại `https://revidapi.com/dashboard/tts`, nghe các từ riêng như tên sản phẩm, địa danh và đơn vị tiền trước khi xuất bản; tài liệu được cung cấp chưa xác nhận đây là một endpoint API.
Gọi endpoint tạo video Endpoint đã
được xác nhận là `POST https://revidapi.com/v1/video/generate`. Trước đó, gọi `GET https://revidapi.com/v1/video/models` để lấy model đang có và thông tin giá; không tự thay `MODEL_TU_DANH_SACH` bằng tên đoán. Kết quả tạo video trả về job, sau đó truy vấn `GET https://revidapi.com/v1/video/jobs/{id}` để kiểm tra trạng thái.
const REVID_API_ENDPOINT = "https://revidapi.com/v1/video/generate";
const prompt = JSON.stringify({ script, scenes, voice_over, video_prompt }); const response = await fetch(REVID_API_ENDPOINT, { method: "POST", headers: { "Authorization": `Bearer ${process.env.REVID_API_KEY}`, "Content-Type": "application/json" }, body: JSON.stringify({ model: process.env.REVID_VIDEO_MODEL, prompt })
}); const job = await response.json();
Đoạn mã dùng Bearer token, một dạng xác thực được tài liệu RevidAPI hỗ trợ; bạn cũng có thể dùng header `x-api-key: YOUR_API_KEY`. API tạo video hiện xác nhận hai trường `model` và `prompt`, nên không gửi trực tiếp `script`, `scenes`, `voice_over` như các field riêng nếu tài liệu model bạn chọn chưa ghi rõ. Lấy API key tại `https://revidapi.com/dashboard`, rồi đối chiếu tài liệu tại `https://revidapi.com/dashboard/docs` trước khi đưa request vào n8n.
Câu hỏi thường gặp về kịch bản video AI
Kịch bản video AI là gì?
Đó là kế hoạch cho một video, gồm hook, lời thoại, phân cảnh, chữ trên màn hình, âm thanh và CTA. AI có thể tạo bản nháp các phần này; bạn vẫn cần kiểm tra nội dung trước khi đưa vào công cụ dựng video.
Cần nhập gì để AI viết kịch bản?
Bạn nên cung cấp ít nhất 6 trường: mục tiêu, khán giả, nền tảng, thời lượng, thông điệp chính và giọng thương hiệu. Ví dụ, brief cho TikTok 30 giây có thể ghi rõ “bán bình giữ nhiệt cho sinh viên”, giọng gần gũi, CTA là “xem mẫu tại bio”.
Một video ngắn nên có cấu trúc nào?
Cấu trúc dễ kiểm tra gồm 5 phần: hook để giữ sự chú ý, vấn đề, giải pháp, bằng chứng hoặc lợi ích, rồi CTA. Với video 30 giây, bạn có thể yêu cầu AI chia mốc thời gian cụ thể, chẳng hạn hook ở 0–3 giây và CTA ở 25–30 giây.
AI có thay thế hoàn toàn người viết không?
Không. AI phù hợp để tạo bản nháp nhanh, nhưng con người phải duyệt giá, thông số, chính sách, giọng thương hiệu và cách diễn đạt có hợp văn hóa Việt Nam hay không. Một câu như “giảm 50%” chỉ
được giữ lại khi có chương trình và nguồn xác nhận tương ứng.
Có thể tự động hóa từ kịch bản đến video bằng API không?
Có thể xây workflow nếu endpoint, quyền truy cập và schema đầu vào đã
được xác nhận trong tài liệu chính thức. Chẳng hạn, RevidAPI có endpoint `POST https://revidapi.com/v1/chat/completions` để gửi brief tạo nội dung, còn việc tạo video cần dùng model được liệt kê qua `GET https://revidapi.com/v1/video/models`; không nên tự đoán tên model hoặc cấu trúc dữ liệu.
Khám phá workflow miễn phí tại AI Tạo ảnh & Video và lấy API key tại API Marketplace RevidAPI.
Khám phá API Marketplace RevidAPI — lấy API key miễn phí · Nhóm Zalo hỗ trợ · revidapi@gmail.com