Cách làm video review truyện tranh bằng AI từ A đến Z

Một video review truyện tranh đi qua năm bước cố định: gom trang ảnh từng chương vào thư mục riêng, nhận dạng chữ (OCR) theo thứ tự bóng thoại, viết lại hội thoại thành lời kể ngôi thứ ba, tạo file giọng đọc theo chương và ghép hình trên phần mềm dựng. Ở tốc độ đọc 150 từ mỗi phút, kịch bản 750 từ sẽ tạo ra đúng 5 phút thu âm.

Bước 1: Chuẩn bị thư mục ảnh chương truyện thế nào?

Hãy đặt toàn bộ trang ảnh của mỗi tập vào một thư mục riêng và đánh số có chữ số 0 ở đầu từ `001.jpg` đến `050.jpg`. Dù Windows Explorer và Finder trên Mac biết xếp số tự nhiên, các công cụ dòng lệnh hoặc trình đọc file theo bảng chữ cái vẫn xếp `10.jpg` đứng trước `2.jpg` nếu thiếu số 0 ở đầu. Hai lỗi đầu vào hay làm hỏng chữ là dùng ảnh nén mờ nhiều lần và cắt ngang bóng thoại trên ảnh cuộn dọc.

• Đặt mỗi chương vào một thư mục riêng như `chuong-01` gồm 40 đến 60 trang ảnh gốc.
• Giữ định dạng gốc PNG, JPG, WEBP, HEIC, TIFF hoặc một file PDF scan cho mỗi chương.
• Chỉ làm các bộ truyện bạn có quyền chuyển thể hoặc thêm phần bình luận phân tích hợp lệ.

Bước 2: Vì sao lấy chữ từ ảnh truyện cần đúng thứ tự khung?

Lời thoại trong truyện tranh phải được đọc theo từng khung từ trên xuống dưới thay vì quét ngang cả trang như tài liệu văn phòng. Khi quét ngang trang truyện có hai cột, máy sẽ ghép nhầm câu hỏi ở khung trái với câu trả lời ở khung phải. Trên truyện hành động, ba lỗi thường gặp gồm bóng thoại đôi bị đảo chiều, bảng "Hệ thống" nền tối chữ sáng bị sót chữ và từ tượng thanh `"RẦM"`, `"ẦM"` biến thành ký tự lạ.

Bạn nên dò lại văn bản ngay cạnh ảnh gốc để sửa tên riêng trước khi đưa sang AI. Xem hướng dẫn tại bài lấy chữ từ ảnh truyện tranh.

Bước 3: Chuyển chữ thô thành lời kể review bằng AI ra sao?

Hội thoại thô lấy từ bóng thoại thường rời rạc như kịch bản sân khấu, nên cần viết lại thành lời kể ngôi thứ ba kèm bảng tên nhân vật cố định. Nếu chỉ dán chữ thô vào ChatGPT, Gemini, Claude, Grok hoặc DeepSeek mà không khóa luật trong câu lệnh, mô hình rất dễ đổi cách viết tên nhân vật ở các chương sau hoặc viết câu dài khiến giọng đọc bị hụt hơi. Xem mẫu tại viết kịch bản review truyện bằng AI.

Ví dụ trên 3 khung tranh tự tạo: chữ OCR thô là `"[Cửa sổ Hệ thống: Ma lực còn 5 phần trăm] Jin: Chạy mau, trùm đang mở cổng tầng 2! Hàn: Không kịp nữa rồi!"`. Sau khi qua câu lệnh chuẩn, đoạn lời kể trở thành: `"Khi bảng hệ thống báo động lượng ma lực của Jin tụt xuống chỉ còn năm phần trăm, cánh cổng tầng hai bất ngờ mở toang. Jin hét lớn giục cả đội rút lui, nhưng Hàn nhận ra đường lùi đã khép lại."`

Bước 4: Chọn giọng đọc tiếng Việt nào giữ nhịp ổn định?

Hãy chọn một giọng kể chuyện chính ngay từ tập đầu và giữ nguyên giọng đó xuyên suốt cả bộ truyện. Ở nhịp đọc 150 từ mỗi phút, kịch bản dài 900 từ tạo ra 6 phút thu âm, nên gộp 3 chương sẽ vừa một video YouTube dài 18 phút. Bạn có thể chọn giọng Microsoft Edge miễn phí (HoaiMy, NamMinh), bộ giọng đọc tích hợp của CapCut hoặc giọng chạy offline trên máy.

Trước khi chạy hàng loạt, hãy lấy một đoạn mẫu 60 từ có tên riêng, con số và câu hỏi để nghe thử. Xem so sánh tại giọng đọc AI cho video review truyện.

Bước 5: Ghép giọng đọc với khung tranh trên CapCut thế nào?

Hãy đặt file âm thanh của chương lên dòng thời gian CapCut trước, sau đó mới kéo từng khung tranh vào khớp theo câu kể. Cách làm giọng trước hình sau giúp bạn căn thời lượng mỗi khung tranh theo đúng nhịp đọc mà không phải cắt vụn file thu âm. Với video dài trên YouTube, bạn chọn khung 16:9 (1080p, 30fps), thêm chuyển động phóng nhẹ hoặc lia dọc trên trang dài và bật phụ đề tự động. Xem chi tiết tại ghép audio và ảnh truyện trên CapCut PC.

Khi nào công cụ miễn phí là đủ và khi nào cần phần mềm riêng?

Số lượng chương làm mỗi tháng quyết định công cụ phù hợp. Nếu chỉ lấy chữ từ 1 đến 3 ảnh chụp màn hình lẻ hoặc làm thử một video đầu tiên, công cụ miễn phí có sẵn như Windows Snipping Tool, Live Text trên Mac và dán tay vào khung chat AI là đủ dùng. Tuy nhiên, nếu việc copy-dán và dò chữ thủ công mất 20 phút mỗi chương, lịch đăng 30 chương một tháng sẽ tốn 10 giờ làm tay lặp lại.

Tofu Ảnh chữ gom ba khâu đọc chữ, viết lại bằng AI qua API key riêng và tạo giọng đọc vào một phần mềm mua một lần trên Windows 10+ và Mac M1+. Phần mềm xuất chữ (TXT, Word `.docx`) và mỗi chương một file audio chứ không tự xuất video MP4. Xem chi phí tại chi phí làm kênh review truyện.

Chính sách kiếm tiền YouTube và bản quyền quy định gì?

Để kênh duy trì lâu dài, bạn cần tuân thủ cả bản quyền tác phẩm lẫn quy định kiếm tiền của nền tảng. Ngày 15/07/2025, YouTube đổi tên mục "nội dung lặp lại" thành "inauthentic content" trong chính sách kiếm tiền của kênh YouTube để làm rõ rằng video sản xuất hàng loạt theo khuôn mẫu, thiếu bình luận hoặc giá trị biên tập mới sẽ không được bật kiếm tiền. Nếu dùng nội dung tạo sinh thực tế dễ khiến người xem nhầm là người thật hoặc sự kiện thật, bạn cần khai báo theo hướng dẫn công bố nội dung AI của YouTube.