Cẩm nang ngách · Bài 5/6

Hình minh hoạ, giọng đọc AI tiếng Nhật và dựng video

Dựng video đúng gu người Nhật lớn tuổi: minh hoạ đơn giản có nhân vật cố định, giọng AI trầm ấm tốc độ 0,9–1,0, phụ đề tiếng Nhật chữ to.

13 phút

Phong cách hình: đơn giản, ấm, rất Nhật

• Minh hoạ phẳng, nét viền mảnh rõ, màu pastel dịu — kiểu tranh minh hoạ trong sách, tờ rơi ở Nhật. Không cần ảnh như thật: người xem đến vì lời giảng, hình chỉ cần dẫn ý.
• Bối cảnh Nhật nhận ra ngay: phòng chiếu tatami, bàn thấp, hiên nhà gỗ, căn hộ nhỏ gọn gàng, toa tàu điện, công viên có ghế dài, bốn mùa (hoa anh đào, lá đỏ, tuyết).
• Mỗi cảnh 1 ý: nhân vật + 1 hành động + 1 cảm xúc. Không nhồi nhiều người và chi tiết.
• Đổi hình mỗi 10–15 giây (mốc tham khảo cho nhịp chậm) và thêm chuyển động nhẹ (phóng to chậm, lia ngang) để hình không đứng im.
• Hình minh hoạ rõ ràng là tranh vẽ thường không phải bật nhãn nội dung tổng hợp; nhưng nếu chèn cảnh AI trông như thật (người thật, phố thật) thì phải bật nhãn “nội dung bị thay đổi hoặc tổng hợp” khi đăng.

Nhân vật người Nhật lớn tuổi cố định

Nhân vật cố định là “gương mặt” của kênh không lộ mặt: người xem nhận ra kênh qua ảnh bìa, và có cảm giác như một người quen đang kể chuyện. Viết 1 “thẻ nhân vật” và dán NGUYÊN VĂN vào mọi prompt ảnh — đổi một chữ là AI vẽ ra người khác.

Gói sản xuất của Xưởng Skill Sắp ra mắt (DeepNiche) khoá mô tả nhân vật cố định và dán vào prompt ảnh từng cảnh; đóng thẻ nhân vật vào Skill riêng thì mọi bản nháp sau đều ra prompt ảnh tiếng Anh đồng bộ nhân vật.

Giọng đọc AI tiếng Nhật

• Chọn giọng trầm ấm, điềm tĩnh (nam trung niên hoặc nữ giọng thấp). Tránh giọng trẻ, cao, vui kiểu quảng cáo.
• Tốc độ 0,9–1,0 so với mặc định. Nghe thử 3 mức 0,9 / 0,95 / 1,0 trên cùng 1 đoạn, chọn mức nghe như đang kể chuyện cho người lớn tuổi.
• Chèn khoảng nghỉ 0,5–1 giây giữa các phần và sau câu hỏi (mốc tham khảo) — khoảng lặng cho người xem kịp nghĩ.
• Một giọng duy nhất cho cả kênh: giọng cũng là thương hiệu, đổi giữa chừng người xem cũ thấy lạ.
• Nhiều công cụ đọc giọng AI và phần mềm dựng (ví dụ CapCut) có giọng tiếng Nhật. Trước khi chọn, nghe kỹ cách đọc chữ Hán (khối dưới).

Bẫy chữ Hán: giọng AI đọc sai cách đọc

Một chữ Hán tiếng Nhật có thể có nhiều cách đọc; giọng AI đôi khi chọn sai, và người Nhật nghe là biết “máy đọc”. Cách sửa: trong BẢN ĐƯA VÀO GIỌNG ĐỌC (không phải bản phụ đề), viết các chữ dễ sai bằng hiragana.

Phụ đề vẫn giữ chữ Hán bình thường cho dễ đọc; chỉ bản đưa vào giọng đọc mới đổi sang hiragana. Lưu các chữ đã sửa vào “luật kênh” để video sau sửa sẵn.

Phụ đề tiếng Nhật chữ to

• In phụ đề lên hình hoặc tải tệp phụ đề lên YouTube. Người lớn tuổi đọc theo dễ hơn, và người Nhật quen chữ trên màn hình (テロップ) từ TV.
• Chữ to: chiều cao chữ khoảng 1/12–1/15 chiều cao khung hình (mốc tham khảo), phông Gothic Nhật đậm, chữ trắng viền đen hoặc có nền mờ phía sau.
• Mỗi dòng tối đa khoảng 16–20 ký tự, tối đa 2 dòng (mốc tham khảo). Ngắt dòng ở chỗ ngắt nghĩa, không cắt đôi một từ.
• Tô vàng 1–2 từ khoá mỗi đoạn — giống テロップ trên TV Nhật, giúp người xem nắm ý ngay cả khi chỉ liếc.
• Đặt phụ đề ở 1/4 dưới khung, không che mặt nhân vật.

Quy trình dựng một video 10 phút

1. Chốt kịch bản đã soát → tách 2 bản: bản phụ đề (chữ Hán bình thường) và bản giọng đọc (chữ dễ sai đổi sang hiragana, thêm dấu 、 chỗ ngắt hơi).
2. Tạo giọng đọc từng phần, nghe lại toàn bộ 1 lượt, sửa chỗ đọc sai hoặc ngắt sai.
3. Tạo 40–60 hình theo cảnh (đổi hình mỗi 10–15 giây) bằng thẻ nhân vật + câu phong cách cố định.
4. Dựng trong CapCut: đặt hình theo giọng, phóng to chậm từng hình, nhạc nền piano / đàn dây thật nhỏ có giấy phép (ví dụ thư viện âm thanh trong YouTube Studio).
5. Thêm phụ đề chữ to, tô vàng từ khoá; viết chương trong mô tả (bắt đầu 00:00, ít nhất 3 chương, mỗi chương từ 10 giây).
6. Xem lại toàn bộ trên màn hình lớn (TV hoặc máy tính) và trên điện thoại trước khi đăng.

Ví dụ làm thật: Dựng 1 phút mở đầu video “お金の不安” (kênh ví dụ)

Ví dụ minh hoạ các bước; tốc độ và số liệu là giả định.

1. Thẻ nhân vật
   Thẻ シゲさん đã nằm trong Skill của kênh; lấy prompt ảnh từng cảnh trong bản nháp do Skill viết, soát lại nhân vật trước khi tạo ảnh.
2. Hình cảnh 1–5
   Cảnh 1: シゲさん cầm sổ tiết kiệm bên bàn thấp; cảnh 2: nằm trong chăn nhìn trần nhà; cảnh 3: trái tim có dấu hỏi (ẩn dụ bồn chồn); cảnh 4: cái cân hai đĩa “được – mất”; cảnh 5: tách trà bốc khói, mời người xem ở lại.
3. Chọn giọng
   Thử giọng nam trầm ở 0,9 / 0,95 / 1,0; chọn 0,95 vì 0,9 nghe lề mề ở các câu ngắn.
4. Sửa ngắt hơi
   Nghe lại thấy câu thứ 2 đọc một hơi quá dài → thêm dấu 、 sau “布団に入ると” trong bản giọng đọc, tạo lại câu đó.
5. Phụ đề
   Mỗi câu tách tối đa 2 dòng, mỗi dòng tối đa 18 ký tự; tô vàng “失う痛み”.
6. Chuyển động
   Mỗi hình phóng to chậm tới 105%, đổi hình theo nhịp câu (khoảng 12 giây / hình).
7. Xem trên màn hình lớn
   Mở trên TV: phụ đề đọc rõ; phát hiện nhạc nền hơi to so với giọng → giảm nhạc thêm.

Kết quả: 1 phút mở đầu nhịp chậm, hình đồng bộ nhân vật, giọng không đọc sai, phụ đề đọc được trên TV — làm mẫu cho cả video.

Lỗi hay gặp

• Mỗi cảnh một kiểu nhân vật (lúc tóc đen, lúc đội mũ) → kênh trông lộn xộn, người xem không nhớ kênh. Dán nguyên văn thẻ nhân vật vào mọi prompt.
• Để AI vẽ chữ tiếng Nhật trong hình → chữ sai, nét lạ. Tạo hình không chữ, thêm chữ bằng phần mềm dựng.
• Đẩy tốc độ giọng lên 1,2 cho “đỡ dài” → người Nhật 50+ nghe mệt, bỏ giữa chừng. Giữ 0,9–1,0; muốn ngắn thì cắt bớt ý.
• Không nghe lại toàn bộ giọng → một chữ Hán đọc sai là lộ “máy đọc” ngay. Luôn nghe hết 1 lượt trước khi dựng.
• Phụ đề chữ nhỏ, 3–4 dòng → trên điện thoại không đọc nổi. Tối đa 2 dòng, chữ to.
• Dùng nhạc tải trên mạng không rõ giấy phép → Content ID quét, mất tiền quảng cáo hoặc bị chặn video. Dùng nhạc có giấy phép.

Prompt viết sẵn

Phần còn trong [ngoặc vuông] là chỗ bạn dán dữ liệu của mình.

Ảnh minh hoạ từng cảnh (nhân vật cố định)

Giữ nguyên câu phong cách và thẻ nhân vật cho cả video; chỉ đổi phần hành động và bối cảnh.

Tạo ảnh AI

Simple Japanese-style flat illustration, soft pastel colors, clean thin outlines, gentle warm lighting, calm and nostalgic mood. Character (keep identical in every scene): an elderly Japanese man about 67 years old, short grey hair, thin round glasses, kind smile lines, beige knitted cardigan over a white shirt, grey trousers. [Hành động: sitting at a low wooden table, looking at a bank passbook with a worried expression]. [Bối cảnh: a tidy traditional Japanese living room with tatami floor and sliding paper doors, soft evening light]. Medium shot, eye level, 16:9. No text, no letters, no logo, no watermark.

Chuyển động nhẹ cho cảnh minh hoạ

Dùng với Veo / Kling / Hailuo ở chế độ ảnh thành video cho 3–5 cảnh quan trọng (mở đầu, chuyển phần); các cảnh còn lại chỉ cần phóng to chậm trong CapCut.

Tạo video AI

Animate this illustration gently. Keep the exact flat illustration style, colors and the same character design. [Chuyển động: the elderly man slowly turns a page of the passbook and lets out a quiet sigh; steam rises softly from a cup of green tea on the table]. Camera: very slow push-in, no cuts. Calm, quiet atmosphere, subtle natural motion only, no sudden movement. No text, no new characters. 16:9, 6 seconds.

Tách bản giọng đọc + bản phụ đề + chương

Dán kịch bản tiếng Nhật đã soát (bản cuối).

ChatGPT / Claude

Bạn là kỹ thuật viên hậu kỳ cho kênh YouTube tiếng Nhật, thành thạo cách đọc chữ Hán và quy tắc phụ đề tiếng Nhật.
Kịch bản đã chốt ([THỜI LƯỢNG]): [DÁN KỊCH BẢN TIẾNG NHẬT]

Yêu cầu:
1. Bản GIỌNG ĐỌC: giữ nguyên câu chữ, nhưng chuyển sang hiragana mọi chữ Hán có nhiều cách đọc dễ bị giọng AI đọc sai trong ngữ cảnh này (ví dụ 辛い, 一日, 人気, 今日, 方). Thêm dấu 、 ở chỗ cần ngắt hơi. Liệt kê các chỗ đã đổi kèm lý do bằng tiếng Việt.
2. Bản PHỤ ĐỀ: tách mỗi câu thành dòng tối đa 18 ký tự, tối đa 2 dòng mỗi khung, ngắt ở chỗ ngắt nghĩa; đánh dấu 1–2 từ khoá mỗi đoạn để tô màu.
3. Gợi ý 5–7 chương bằng tiếng Nhật kèm nghĩa tiếng Việt; ước tính mốc thời gian theo khoảng 320 ký tự mỗi phút; chương đầu là 00:00, mỗi chương ít nhất 10 giây.

Ràng buộc: không đổi nội dung, không thêm câu mới; chỗ nào không chắc cách đọc thì ghi “cần người bản xứ nghe lại”.

Bài tập làm ngay

Dựng 1 phút đầu video theo đúng gu Nhật

1. Viết thẻ nhân vật của kênh (5 dòng như bảng mẫu).
2. Tạo 5–6 hình cho phút đầu bằng prompt ảnh, giữ nguyên thẻ nhân vật.
3. Tạo giọng đọc ở 3 mức tốc độ, chọn 1; nghe hết, sửa chữ đọc sai bằng hiragana.
4. Dựng trong CapCut: phóng to chậm, phụ đề 2 dòng chữ to, nhạc nền nhỏ có giấy phép.
5. Xem trên màn hình lớn và trên điện thoại.

Đạt khi

• Nhân vật giống nhau ở mọi hình (tóc, kính, áo).
• Nghe lại không còn chữ Hán đọc sai; tốc độ trong khoảng 0,9–1,0.
• Phụ đề tối đa 2 dòng, đọc được trên điện thoại.
• Nhạc nền không lấn giọng đọc.

Kiểm tra nhanh

Câu 1. Giọng AI đọc “辛い時期” thành からいじき (thời kỳ cay). Cách sửa nhanh và đúng nhất?

• A. Đổi sang giọng khác và hy vọng lần này đọc đúng
• B. Xoá câu đó khỏi video
• C. Trong bản đưa vào giọng đọc viết つらい時期; phụ đề vẫn giữ 辛い時期
• D. Tăng tốc độ đọc cho người xem không kịp nghe

Câu 2. Vì sao nên dùng một nhân vật lớn tuổi cố định thay vì mỗi video một nhân vật?

• A. Nhân vật cố định là “gương mặt” của kênh không lộ mặt: người xem nhận ra ảnh bìa và thấy như có người quen kể chuyện
• B. Vì YouTube bắt buộc
• C. Vì AI không vẽ được nhân vật mới
• D. Vì nhân vật cố định làm video dài hơn

Câu 3. Video toàn hình minh hoạ phẳng, nhưng bạn chèn 1 cảnh AI trông như phố Tokyo thật có người thật. Cần làm gì?

• A. Không cần gì vì phần lớn video là tranh
• B. Xoá mô tả video
• C. Đổi tiêu đề sang tiếng Anh
• D. Bật nhãn “nội dung bị thay đổi hoặc tổng hợp” khi đăng, vì có cảnh trông như thật làm bằng AI