Tạo video không lộ mặt bằng AI

Video không lộ mặt kể một câu chuyện hoặc giải thích một chủ đề mà không cần người dẫn xuất hiện trước máy quay. Người dẫn đọc lời bình trên nền hình minh họa, hoạt hình hoặc cảnh quay, nên kênh vận hành nhờ kịch bản và diện mạo thay vì một gương mặt. Đây là định dạng đứng sau nhiều kênh giải thích, lịch sử, khoa học và kể chuyện trên YouTube, TikTok và Reels.

Mage tạo video không lộ mặt qua skill Faceless Video miễn phí, chạy trong Claude, Cursor và các trợ lý khác đã kết nối với Mage. Bạn chỉ cần đưa chủ đề, phong cách và độ dài. Skill sẽ nghiên cứu các chủ đề có thật bằng công cụ tìm kiếm của trợ lý và liệt kê nguồn, viết lời dẫn, tạo một ảnh phong cách bằng Mango 3 để mọi cảnh bám theo, rồi dựng các cảnh kèm giọng đọc và âm thanh trên Cherry 2 Pro. Bạn duyệt kịch bản và phong cách trước khi trả tiền cho bất kỳ video nào.

Bạn cũng có thể tự làm thủ công trong ứng dụng Mage: ảnh phong cách bằng Mango 3, người dẫn bằng Eleven Speech hoặc Seed Audio, các clip cảnh bằng Cherry 2 Pro hoặc Lemon, và Storyboard để ghép chúng lại. Cả hai cách đều không thêm phụ đề hay chữ in cứng vào hình. Skill cố ý không để chữ trên màn hình, nên bạn thêm phụ đề trong trình chỉnh sửa của mình.

Lời dẫn quyết định độ dài. Người ta nói khoảng hai từ rưỡi mỗi giây, nên 10 giây chứa chừng 25 từ và 15 giây khoảng 35 từ. Skill lên kế hoạch theo ngân sách từ đó: video tối đa 15 giây là một clip, từ 15 đến 30 giây là một clip dài hoặc hai clip 15 giây, còn dài hơn thì được làm theo từng khối 10 đến 15 giây, mỗi khối một cảnh, rồi ghép lại ở cuối.

Mỗi khối có cùng một cấu trúc: mô tả phong cách, giữ nguyên từng chữ; cảnh minh họa cho câu này; chuyển động, như máy quay đẩy chậm vào hoặc các lớp giấy trượt đi; câu lời dẫn chính xác; và âm thanh, gồm âm thanh môi trường hoặc nhạc nền nhẹ, không có giọng nói nào khác. Giữ mô tả giống hệt nhau ở mọi khối là điều giúp diện mạo đồng nhất suốt một video dài hai phút.

Kịch bản cũng theo cùng nguyên tắc: câu mở đầu thu hút ngay dòng đầu, mỗi khối một ý, kết thúc có điểm nhấn, và số được viết ra đúng như cách đọc. Với chủ đề có thật, mọi dữ kiện đều lấy từ nguồn mà skill liệt kê khi giao video. Với câu chuyện cá nhân, skill chỉ dùng những gì bạn kể.

• Tính khoảng 25 từ cho mỗi 10 giây.
• Mỗi khối một ý và một cảnh.
• Viết số ra đúng như người dẫn đọc.
• Giữ mô tả phong cách giống hệt nhau ở mọi khối.

Skill có mười phong cách minh họa. Hoạt hình người que hợp với lịch sử, truyện kể và hài hước. Mô hình giấy (diorama), các lớp giấy cắt dưới ánh sáng ấm, hợp với lịch sử, thiên nhiên và du lịch. 2D phẳng tông pastel hợp với video giải thích, phát triển bản thân và công nghệ. Mực vẽ tay hợp với triết học, tiểu sử và tiểu luận. Hoạt hình đất sét hợp với chủ đề cho trẻ em, truyện kể và khoa học.

Bảng trắng, với hình vẽ bút lông và mũi tên, hợp với kinh doanh, hướng dẫn và giáo dục. Màu nước hợp với truyện kể, thơ và thiên nhiên. Pixel art hợp với game, lịch sử internet và công nghệ. 3D low-poly hợp với khoa học, vũ trụ và địa lý. Phim thời sự cổ điển, vẽ đen trắng với hạt phim, hợp với chiến tranh, phát minh và các chủ đề lịch sử khác. Bạn cũng có thể tự mô tả phong cách riêng, hoặc gửi ảnh phong cách để skill làm theo.

Mọi phong cách đều cố ý không chân thực như ảnh chụp. Skill loại trừ khuôn mặt người thật và cảnh quay thật, nhờ đó video luôn rõ ràng là tranh minh họa và không dùng hình ảnh giống người thật.

Bắt đầu từ diện mạo. Tạo một ảnh phong cách bằng Mango 3: khoảnh khắc tiêu biểu nhất của chủ đề, theo phong cách bạn chọn, với "no text, no captions" ở cuối prompt. Ảnh đó là ảnh tham chiếu cho mọi cảnh. Sau đó tạo người dẫn. Eleven Speech đọc kịch bản bằng hơn 90 ngôn ngữ với 16 giọng có sẵn, xuất ra MP3 dài đúng bằng văn bản, còn Seed Audio tạo giọng nói từ mô tả trong prompt. Tải một đoạn giọng mẫu ngắn lên trang Âm thanh để dùng làm tham chiếu khi tạo video.

Tạo từng cảnh bằng Cherry 2 Pro, dùng ảnh phong cách làm tham chiếu, đặt câu lời dẫn trong dấu ngoặc kép như một người dẫn ngoài hình, và nhắc đến giọng đã lưu bằng @handle của nó. Cherry Mini và Lemon tạo bản nháp rẻ hơn. Nếu muốn giữ lời dẫn riêng, hãy tạo các cảnh bằng Lemon với âm thanh tắt, rồi đặt bản thu Eleven Speech lên trên trong trình chỉnh sửa của bạn.

Ghép tối đa sáu clip trong Storyboard, công cụ xuất chúng thành một file MP4 kèm âm thanh. Nếu muốn kể chuyện bằng các nhân vật xuất hiện lặp lại thay vì người dẫn, hãy xem trình tạo phim bằng AI.

Phụ đề. Mage không thêm phụ đề hay chữ chèn cứng vào video, và skill yêu cầu mọi cảnh không có chữ để chừa chỗ cho phụ đề. Hãy thêm phụ đề trong trình chỉnh sửa, khớp thời gian với lời dẫn, và kiểm tra chính tả của tên và số.

Hình thu nhỏ. Trên YouTube, hình thu nhỏ và tiêu đề là thứ khiến người ta quyết định bấm xem. Trình tạo thumbnail bằng AI lo phần này, và skill YouTube Thumbnail tạo các biến thể ngay trong cùng trợ lý với video.

Tính nguyên bản. Chính sách kiếm tiền của YouTube loại trừ nội dung không xác thực, mà theo YouTube bao gồm video sản xuất hàng loạt hoặc lặp đi lặp lại và nội dung do AI tạo từ các mẫu chung chung. Một kịch bản được nghiên cứu kỹ, một góc nhìn và một phong cách riêng mới khiến kênh đáng theo dõi, vì vậy hãy xem skill là công cụ sản xuất, không phải cách để đăng nội dung cho có.