Giáo trình thực hành AI Voice & Muse AI trong 3 giờ: Lộ trình, Mindmap & Thư viện Prompt

Briefing khóa chặt chủ thể đặt trên bề mặt, ánh sáng studio mềm, tông màu nhận diện thương hiệu. Đặc biệt: yêu cầu Muse chừa khoảng trống phía trên (negative space) để đặt headline quảng cáo, và tự động kiểm tra 4 tiêu chí trước khi bàn giao: đúng chủ thể, không chữ lạ/watermark, không lỗi biến dạng, đủ chỗ đặt chữ.

Từ 1 ảnh nhân vật gốc, tạo sheet 4 góc nhìn (trước, nghiêng trái, nghiêng phải, sau) kết hợp 3 biểu cảm (vui vẻ, ngạc nhiên, trầm lắng). Sau đó trích xuất đoạn văn mô tả cố định CHARACTER KEY (đặc điểm nhận dạng, trang phục, phong cách) để dán vào mọi cảnh quay tiếp theo, đảm bảo nhân vật không bao giờ bị đổi mặt.

Chuyển đổi tài liệu dài thành định dạng đàm thoại tự nhiên: 1 người hỏi gợi mở và 1 người giải thích chuyên sâu. Mỗi đoạn thoại tối đa 4 câu, có ví dụ thực tế. Áp dụng quy tắc: Duyệt kịch bản chữ trước, người dùng bấm duyệt mới tiến hành xuất audio.

Đường ống chuẩn: Intake → Story bible → Character sheet → Kịch bản 2 cột → Keyframe đầu/cuối → Mega prompt 8 thành phần từng cảnh 10s → Sinh clip → Kiểm tra kỹ thuật → Lồng tiếng AI Voice & Render. Khung Mega Prompt chuẩn hóa 8 thẻ: [STYLE LOCK], [CHARACTER LOCK], [ACTION], [CAMERA], [LIGHT & COLOR], [SOUND], [VOICE], [CONTINUITY].

Hướng dẫn tôi cài phần mềm AI Audio Studio (VieNeu) trên máy [macOS / Windows]:
1) Kiểm tra máy đủ yêu cầu: RAM ≥ 8 GB, trống ≥ 5 GB
2) Chạy lệnh cài một dòng chính thức của phần mềm
3) Mở app, chạy thử 1 câu tiếng Việt với giọng mặc định
4) Bật tự khởi động cùng máy
Nếu lỗi, đọc thông báo lỗi và hướng dẫn tôi sửa từng bước.

Đọc đoạn sau bằng giọng [nữ miền Bắc, 30 tuổi, ấm áp], tốc độ vừa, ngắt nghỉ sau mỗi dấu chấm, cười nhẹ ở câu cuối:
"Chào các bạn! Hôm nay mình sẽ chia sẻ 3 mẹo dùng AI để làm video nhanh gấp đôi. Nghe hết nhé, mẹo thứ 3 hay nhất đấy!"

Trên máy tôi đang chạy AI Audio Studio, API ở http://127.0.0.1:8001.
1) Đọc tài liệu API của app (thử gọi các endpoint để biết tham số: văn bản, giọng, tốc độ)
2) Viết script nhận 1 file kịch bản .txt, mỗi dòng "TÊN NHÂN VẬT: lời thoại", gán mỗi nhân vật 1 giọng
3) Gọi API tạo từng đoạn, ghép thành 1 file podcast.mp3, chuẩn hoá âm lượng
4) Lưu vào thư mục output/ và báo tôi thời lượng
Chạy thử với kịch bản 4 câu trước.

Tôi muốn ChatGPT (Codex app trên máy) tự tạo audio khi viết xong kịch bản:
- Viết kịch bản video 60 giây về [chủ đề], tối đa 15 từ mỗi câu
- Gọi API AI Audio Studio ở http://127.0.0.1:8001 để đọc kịch bản bằng giọng [tên giọng]
- Xuất file voice.mp3 + file phụ đề .srt khớp thời gian
Lưu ý: app phải đang mở trên máy; nếu không gọi được API thì nhắc tôi mở app.

Bạn là trợ lý của tôi. Hãy ghi nhớ lâu dài:
- Tôi là [tên, vai trò], làm [ngành/doanh nghiệp]
- Thương hiệu: màu [mã màu], font [tên font], giọng văn [thân thiện/chuyên nghiệp]
- Khách hàng chính: [mô tả]
- Mọi bài đăng và quảng cáo phải chờ tôi DUYỆT trước khi đăng
Sau đó tóm tắt lại những gì bạn đã ghi nhớ.

CÔNG THỨC 5 LỚP
1. Kết quả: [động từ + sản phẩm cụ thể]
2. Bối cảnh: [ai đọc/xem, mục tiêu, thương hiệu]
3. Ràng buộc: [độ dài, giọng văn, điều KHÔNG được làm]
4. Định dạng: [bảng / danh sách / file gì]
5. Duyệt: [dừng ở đâu chờ tôi duyệt]

Tạo ảnh quảng cáo 1:1 cho [sản phẩm].
Chủ thể: [sản phẩm] đặt trên [bề mặt], [góc chụp].
Ánh sáng: [studio mềm / nắng sáng].
Màu chủ đạo: [mã màu thương hiệu]. Chừa khoảng trống phía trên để đặt chữ.
Sau khi tạo, tự kiểm tra 4 tiêu chí: đúng chủ thể, không chữ lạ/watermark, không lỗi tay/mặt, đủ chỗ đặt chữ. Lỗi thì tạo lại và nói đã sửa gì.

Từ ảnh nhân vật này, tạo CHARACTER SHEET 16:9: 4 góc (trước, nghiêng trái, nghiêng phải, sau) và 3 biểu cảm (vui, ngạc nhiên, buồn). Giữ đúng khuôn mặt, trang phục, tỉ lệ. Sau đó viết đoạn mô tả cố định CHARACTER KEY (nhận dạng, trang phục, phong cách) để tôi dán vào mọi prompt sau.

Biến tài liệu này thành kịch bản podcast 10 phút, 2 người dẫn: một người hỏi, một người giải thích. Mỗi đoạn tối đa 4 câu, có ví dụ thực tế, mở đầu bằng 1 câu hỏi gây tò mò, kết thúc bằng 3 điểm cần nhớ. Tiếng Việt tự nhiên như nói chuyện. Chờ tôi duyệt kịch bản rồi mới tạo audio. [Dán tài liệu]

Làm video [30/60] giây, tỉ lệ [9:16 / 16:9], tiếng Việt, về [chủ đề].
Bước 1: viết kịch bản bảng 2 cột (Lời thoại | Hình ảnh), mỗi cảnh ~10 giây, câu thoại ≤ 12 từ → DỪNG chờ tôi duyệt lời thoại.
Bước 2: tạo character sheet nhân vật chính → chờ duyệt.
Bước 3: tạo keyframe đầu/cuối từng cảnh (khung cuối cảnh N = khung đầu cảnh N+1).
Bước 4: viết mega prompt từng cảnh (STYLE · CHARACTER · ACTION · CAMERA · LIGHT · SOUND · VOICE · CONTINUITY), sinh từng clip.
Bước 5: lồng giọng đọc, nhạc nền hạ thấp dưới lời thoại, phụ đề, ghép thành 1 file.
Báo cáo độ phân giải, thời lượng mỗi cảnh trước khi giao.

[STYLE LOCK] [phong cách], ánh sáng [..], 16:9
[CHARACTER LOCK] [dán CHARACTER KEY + nạp character sheet]
[ACTION] nhân vật làm gì — từng bước, đúng vật lý thật
[CAMERA] góc [toàn/trung/cận], máy [tĩnh/di chuyển chậm]
[LIGHT & COLOR] ánh sáng, màu chủ đạo, thời gian trong ngày
[SOUND] tiếng môi trường + nhạc mô tả bằng chữ
[VOICE] lời thoại: "[câu thoại]" — giọng [mô tả], cảm xúc [..]
[CONTINUITY] bắt đầu bằng khung cuối cảnh trước; kết thúc ở [khung cuối]

Lập kế hoạch nội dung 7 ngày cho fanpage [tên] về [chủ đề]. Đối tượng: [mô tả]. Mỗi bài ghi: hook, định dạng (bài viết / carousel / reels), gợi ý hình ảnh. Không lặp hook trong tuần. Trả về bảng. Viết nháp 3 bài đầu và CHỜ tôi duyệt từng bài trước khi đăng.

Kiểm tra trạng thái kết nối Facebook ở phiên này và cho tôi biết connector đang cho phép làm gì.
Sau đó lấy insights fanpage [tên] 28 ngày gần nhất: tiếp cận, tương tác, giờ khán giả online nhiều nhất, 5 bài tốt nhất và 5 bài kém nhất.
Phân tích: điểm chung của bài tốt (chủ đề, định dạng, giờ đăng, hook), đề xuất 5 ý tưởng bài cho tuần tới. Mỗi kết luận ghi số liệu căn cứ; thiếu số liệu thì ghi [CHƯA ĐỦ KẾT LUẬN].

Đọc bình luận mới trên 3 bài gần nhất của fanpage [tên]. Phân loại: hỏi giá / hỏi thông tin / khen / phàn nàn / spam. Soạn nháp trả lời cho từng nhóm theo giọng thương hiệu. KHÔNG tự đăng — đưa tôi bảng để duyệt.

Tổng hợp câu hỏi học viên trong chat Zoom thành 5 nhóm, mỗi nhóm 1 câu trả lời ngắn + link tài liệu liên quan. [Dán lịch sử chat]