Nội dung của chương này
Tạo video AI là công nghệ tạo ra video mới từ văn bản, hình ảnh hoặc video có sẵn. Nếu tạo hình ảnh là tạo ra một bức ảnh tĩnh, thì tạo video là tạo ra hàng chục đến hàng trăm khung hình liên tiếp trong khi vẫn duy trì tính nhất quán theo thời gian.
Trong chương này, bạn sẽ tìm hiểu:
- Năm loại tạo video AI (T2V, I2V, FLF2V, V2V)
- Cấu trúc cơ bản của pipeline video và điểm khác biệt so với pipeline hình ảnh
- Hướng dẫn chọn model phù hợp với mục đích và môi trường
Các loại hình tạo video
Tạo video AI được chia thành nhiều loại tùy theo loại dữ liệu đầu vào.
Đối với model video, chúng ta sẽ lấy model Wan 2.2 tiêu biểu nhất làm chuẩn.
Wan 2.2 14B - Text to Video
Tạo video chỉ bằng prompt văn bản. Khi bạn mô tả một cảnh như “A cat walking through a garden”, AI sẽ tạo ra video có chuyển động.
- Có mức độ tự do cao nhất, nhưng có thể khó kiểm soát chính xác kết quả mong muốn
- Hầu hết các model video đều hỗ trợ T2V theo mặc định
Wan 2.2 14B - Image to Video
Nhận một hình ảnh tĩnh làm đầu vào và tạo thành video trong đó hình ảnh chuyển động. Bạn có thể khiến nhân vật trong ảnh bước đi hoặc tạo hiệu ứng gió thổi qua phong cảnh.
- Có tính nhất quán cao vì có thể giữ chính xác khung hình bắt đầu
Wan 2.2 14B - First-Last Frame to Video
Khi đưa vào hai hình ảnh — ảnh bắt đầu và ảnh kết thúc — hệ thống sẽ tạo video chuyển tiếp tự nhiên giữa hai ảnh.
- Phù hợp với quy trình dựa trên storyboard vì có thể kiểm soát chính xác điểm bắt đầu và kết thúc
Nên chọn model nào?
Đề xuất theo mục đích
| Mục đích | Model đề xuất | Lý do |
|---|---|---|
| Khi mới bắt đầu | Wan 2.1 T2V (1.3B) | Nhẹ, nhanh và phù hợp để hiểu pipeline cơ bản |
| Chất lượng cao, đa dụng | Wan 2.2 14B (Turbo) | Vừa nhanh với turbo 4 bước, vừa giữ được chất lượng của model 14B |
| Hình ảnh→video | Wan 2.2 I2V | Kết quả I2V ổn định |
| Điều khiển video (V2V) | Wan 2.2 Fun Control | Điều khiển chuyển động dựa trên Canny, chuyển đổi phong cách |
| Điều khiển khung hình đầu/cuối | Wan 2.2 FLF2V | Chỉ định chính xác điểm bắt đầu và kết thúc |
Đề xuất theo môi trường
| VRAM | Model đề xuất | Ghi chú |
|---|---|---|
| 8~12GB | Wan 2.1 T2V (1.3B) | Model nhẹ, độ phân giải/số khung hình thấp |
| 12~16GB | Wan 2.2 5B, Wan 2.1 14B | Model cỡ trung, tận dụng lượng tử hóa fp8 |
| 16~24GB | Wan 2.2 14B (Turbo) | Có thể chạy hầu hết các workflow video |
| 24GB+ | Tất cả các model | Có thể tạo ở độ phân giải cao + nhiều khung hình |
Tóm tắt nội dung chính
Những điều cần ghi nhớ
- Mức độ kiểm soát tăng dần theo thứ tự T2V → I2V → V2V. Nếu chỉ dùng văn bản là chưa đủ, hãy thêm hình ảnh đầu vào; nếu cần kiểm soát chính xác hơn, hãy sử dụng video đầu vào.
- Wan 2.2 là model hỗ trợ nhiều loại hình tạo video khác nhau.
- Tạo video cần nhiều VRAM và thời gian hơn đáng kể so với hình ảnh. Hãy bắt đầu với độ phân giải thấp và số khung hình ít.