Cẩm nang ngách · Bài 4/6

Hình, giọng, nhạc và nhịp dựng cho kênh tâm lý

Có bộ nhận diện dùng lại được cho mọi video: một nhân vật minh hoạ cố định, hình ẩn dụ cho khái niệm, giọng đọc, nhạc nền và nhịp dựng hợp ngách tâm lý học.

13 phút

Vì sao minh hoạ phẳng + một nhân vật cố định

Kênh tâm lý học bán lời giải thích, không bán cảnh đẹp. Hình chỉ cần làm 3 việc: giúp người xem hiểu nhanh hơn, giữ mắt họ trên màn hình, và làm kênh dễ nhận ra. Minh hoạ phẳng với một nhân vật cố định làm tốt cả 3, lại rẻ và nhanh.

Nhân vật là “người xem”: họ thấy chính mình đang lo, đang tiêu, đang trì hoãn trong nhân vật — cảm giác “đây là mình” mạnh hơn ảnh một người lạ trông như thật.
Đồng bộ dễ hơn: ảnh phẳng ít chi tiết nên AI giữ nhân vật giống nhau giữa các cảnh dễ hơn ảnh chân thực (mốc kinh nghiệm, không phải số đo).
Nhận diện trên trang chủ: cùng nhân vật, cùng bảng màu ở ảnh bìa — người xem cũ nhận ra kênh trước khi đọc tiêu đề.
Ít rủi ro chính sách: hình minh hoạ rõ ràng không trông như thật. Nhãn “nội dung bị thay đổi hoặc tổng hợp” bắt buộc khi cảnh làm bằng AI trông như thật (người thật, sự kiện thật) — nếu bạn chèn cảnh như vậy thì vẫn phải bật.

Bảng nhân vật mẫu (tiếng Anh — dán nguyên văn vào mọi prompt)

AI không nhớ nhân vật giữa các lần tạo. Chỉ có một cách giữ nhân vật giống nhau: mô tả GIỐNG HỆT nhau ở mọi prompt, cộng thêm ảnh tham chiếu nếu công cụ cho phép. Đặt tên cho nhân vật không giúp gì — mô tả cụ thể mới giúp.

Nhân vật

a Vietnamese woman in her late 20s, shoulder-length straight black hair with blunt bangs, round friendly face, small round black glasses, mustard-yellow knit cardigan over a plain white t-shirt, dark navy jeans, white sneakers, holding a small brown notebook

Phong cách

flat vector illustration, clean thick dark outlines, warm muted palette of cream, mustard, deep teal and terracotta, subtle paper grain texture, minimal background, editorial explainer style

Khung hình

16:9 for long videos, 9:16 for Shorts, character placed on the left or right third, generous empty space

Loại trừ

no text, no letters, no logo, no watermark, no photorealism, no extra fingers, no distorted face

Vì sao chọn vậy

Kính tròn + áo vàng mù tạt là 2 “điểm neo nhận diện” dễ thấy ở cỡ nhỏ. Bảng màu ấm, dịu hợp giọng điềm tĩnh. Trước khi chốt, đặt thử cạnh ảnh bìa các kênh trong ngách và chọn màu khác họ để nổi lên.

Hình ẩn dụ cho từng khái niệm

Khái niệm tâm lý là thứ vô hình. Một hình ẩn dụ tốt giúp người xem “thấy” khái niệm và nhớ lâu hơn. Dùng lại đúng ẩn dụ đó mỗi khi nhắc khái niệm ở video sau — dần thành “ngôn ngữ hình” riêng của kênh.

Hiệu ứng mỏ neo

Một chiếc mỏ neo móc vào tấm biển giá gạch đỏ to; nhân vật bị sợi xích kéo về phía tấm biển.

Lạm phát lối sống

Cầu thang đi lên, mỗi bậc là một món nâng cấp (ly cà phê, điện thoại, gói xem phim) — không có cầu thang đi xuống.

Thích nghi khoái lạc

Nhân vật chạy trên máy chạy bộ, món đồ mơ ước treo phía trước, càng chạy càng không tới gần.

Kế toán tinh thần

Tủ nhiều ngăn kéo dán nhãn “lương”, “thưởng”, “tiền dư”; ngăn “tiền dư” mở toang, tiền bay ra ngoài.

Ác cảm mất mát

Cán cân: bên “mất 100 nghìn” nặng trĩu xuống, bên “được 100 nghìn” nhẹ bẫng.

Sai lầm chi phí chìm

Nhân vật kéo một chiếc vali nặng ghi “đã lỡ bỏ ra”, vẫn cố bước tiếp lên dốc.

Hiệu ứng Zeigarnik

Bóng suy nghĩ trên đầu nhân vật là bức tranh ghép còn thiếu một mảnh.

Kiểu gắn bó lo âu – né tránh

Hai nhân vật nối bằng sợi dây: một người kéo lại gần, một người lùi xa, sợi dây căng.

Gaslighting

Nhân vật nhìn vào tấm gương mờ, hình phản chiếu nhoè dần; tờ ghi chú trên tay bị xoá từng dòng.

Giọng đọc: điềm tĩnh, chậm vừa, biết nghỉ

Chọn một giọng ấm, điềm tĩnh, “tuổi giọng” gần người xem (khoảng 25–35). Dùng MỘT giọng cho cả kênh — giọng cũng là nhận diện.
Tốc độ: chậm hơn mặc định của công cụ một chút. Mốc tham khảo cho tiếng Việt: khoảng 170–190 chữ mỗi phút. Nhanh hơn nghe như quảng cáo; chậm hơn nữa chỉ hợp khán giả lớn tuổi.
Nghỉ đúng chỗ: khoảng nửa giây tới một giây sau khi gọi tên khái niệm, sau câu hỏi tu từ và sau câu hỏi tự soi (mốc tham khảo). Khoảng lặng là lúc người xem “à” lên.
Nhấn tên khái niệm: đọc chậm lại một nhịp, trên màn hình hiện thẻ chữ cùng lúc.
Từ tiếng Anh: nghe thử trước. Nếu giọng AI đọc sai “gaslighting”, “Dunning–Kruger”, hãy viết theo cách đọc hoặc dùng tên tiếng Việt, để tên tiếng Anh trên thẻ chữ.
Không dùng giọng nhái người thật, người nổi tiếng. CapCut và nhiều công cụ giọng đọc AI có sẵn giọng tiếng Việt — thu thử 30 giây hook với 3 giọng rồi mới chọn.

Nhạc nền: là nền, không phải món chính

Thể loại: piano nhẹ, lo-fi chậm, ambient — không lời, ít giai điệu nổi.
Âm lượng: thấp hơn giọng rất rõ. Mốc tham khảo: giọng ở khoảng −6 dB, nhạc ở khoảng −25 đến −30 dB. Nghe thử bằng loa điện thoại — nếu phải căng tai mới nghe rõ lời, nhạc đang to.
Đổi không khí theo phần: hạ nhạc gần như tắt khi gọi tên khái niệm và ở nút thắt; nhạc sáng hơn một chút ở phần áp dụng.
Nguồn: thư viện âm thanh trong YouTube Studio, hoặc nhạc tự tạo / mua có giấy phép thương mại rõ ràng. Lưu lại bằng chứng giấy phép.
Content ID quét nhạc có bản quyền: nhạc “free” không rõ nguồn có thể làm video bị chặn hoặc tiền quảng cáo chảy về người khác.

Nhịp dựng cho video tâm lý học

Hook (0:00–0:40)

Đổi hình mỗi 2–3 giây, zoom nhẹ liên tục; chữ khoá lớn giữa khung (ví dụ “8 TRIỆU → 12 TRIỆU”).

Gọi tên khái niệm

Thẻ chữ to tên khái niệm 2–3 giây, nhạc hạ, giọng nghỉ một nhịp. Đây là “khoảnh khắc chụp màn hình” của video.

Giải thích

Mỗi hình 5–7 giây; zoom chậm từ 100% lên khoảng 108%; xen hình nhân vật với hình ẩn dụ và biểu tượng (đồng xu, ví, đồng hồ).

Nút thắt

Đổi cảnh rõ rệt (nền tối hơn hoặc khung khác) để người xem cảm thấy “phần mới bắt đầu”.

Cách áp dụng

Thẻ “1 – 2 – 3” hiện dần theo lời đọc; mỗi cách có một hình nhân vật đang làm đúng việc đó.

Shorts

Khung 9:16, đổi hình mỗi 1–2 giây, chữ khoá giữa khung, câu hỏi tự soi ở 3 giây cuối.

Mốc tham khảo về số hình: video 10 phút cần khoảng 80–120 lần đổi hình. Không cần chừng ấy ảnh khác nhau — bản nháp do Skill viết có 1 prompt ảnh cho mỗi cảnh (khoảng 30 cảnh, có mô tả nhân vật cố định); bạn nhân lên bằng cách cắt cận / trung / toàn từ cùng một ảnh, thêm hình ẩn dụ, biểu tượng và thẻ chữ.

Ví dụ làm thật: Bộ hình – giọng cho video 1 của Tiền & Tâm Lý

Ví dụ minh hoạ trên kênh hư cấu. Số ảnh, số cảnh là số giả định.

Ảnh nhân vật chuẩn
Chạy prompt ảnh nhân vật chuẩn 6 lần, chọn bản có mặt, tóc, kính rõ nhất làm ảnh tham chiếu cho mọi cảnh sau.
Tách cảnh
Bản nháp do Skill viết đã tách cảnh, mỗi cảnh có prompt ảnh tiếng Anh với mô tả nhân vật cố định; thêm cột hình ẩn dụ cho 4 khái niệm.
Tạo ảnh
Tạo khoảng 60 ảnh (số minh hoạ); loại 12 ảnh lệch nhân vật (mất kính, áo đổi màu) và tạo lại bằng ảnh tham chiếu.
Thẻ chữ
Làm 6 thẻ chữ bằng Canva: “LẠM PHÁT LỐI SỐNG”, “THÍCH NGHI KHOÁI LẠC”, “KẾ TOÁN TINH THẦN”, “SO SÁNH XÃ HỘI”, thẻ “1 – 2 – 3” và câu hỏi tự soi.
Chuyển động
Chọn 8 cảnh quan trọng (hook, gọi tên khái niệm, nút thắt) làm ảnh sang video 5–6 giây; các cảnh còn lại zoom chậm trong CapCut.
Giọng + nhạc
Giọng nữ điềm tĩnh, chậm hơn mặc định một chút, nghỉ sau mỗi tên khái niệm; nhạc piano nhẹ từ thư viện âm thanh của YouTube Studio, để thấp dưới giọng.
Kiểm tra trên điện thoại
Xem bản dựng trên điện thoại: chữ đọc được, nhân vật nhận ra ở mọi cảnh, nhạc không lấn giọng.

Kết quả: Bộ nhận diện dùng lại được cho 11 video còn lại: ảnh tham chiếu, câu phong cách, bảng hình ẩn dụ, 6 mẫu thẻ chữ, cài đặt giọng, file nhạc có giấy phép.

Lỗi hay gặp

Mỗi cảnh một kiểu vẽ (phẳng, 3D, ảnh thật lẫn lộn) → kênh không có nhận diện, nhìn như ghép nhặt. Một câu phong cách, dán nguyên văn mọi prompt.
Chỉ ghi “a young woman” → mỗi cảnh ra một người khác. Bảng nhân vật phải đủ tóc, kính, áo, màu chủ đạo.
Để AI vẽ chữ lên ảnh → sai chính tả tiếng Việt, chữ méo. Ảnh không chữ, chữ ghép sau bằng Canva / CapCut.
Nhạc to, nhiều giai điệu → người xem mệt, không nghe rõ khái niệm. Nhạc nền chỉ là nền.
Giọng đọc nhanh như quảng cáo → mất chất “ngồi nói chuyện”. Chậm lại, nghỉ sau ý quan trọng.
Lấy nhạc “free” trên mạng không rõ giấy phép → dính Content ID, mất tiền video. Chỉ dùng nguồn có giấy phép và giữ bằng chứng.

Prompt viết sẵn

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

Tách kịch bản thành cảnh + hình ẩn dụ + prompt ảnh tiếng Anh

Dán kịch bản đã duyệt, bảng nhân vật và câu phong cách. Kết quả là bảng cảnh để đem sang công cụ tạo ảnh (hoặc dùng prompt ảnh từng cảnh trong bản nháp do Skill viết).

ChatGPT / Claude

Bạn là đạo diễn hình ảnh cho kênh YouTube tâm lý học dùng minh hoạ phẳng một nhân vật cố định.
Bảng nhân vật (giữ nguyên văn, tiếng Anh): [DÁN BẢNG NHÂN VẬT]
Câu phong cách (giữ nguyên văn): [DÁN CÂU PHONG CÁCH]
Câu loại trừ: no text, no letters, no logo, no watermark, no photorealism, no extra fingers, no distorted face
Kịch bản: [DÁN KỊCH BẢN]

Hãy:
1. Chia kịch bản thành cảnh, mỗi cảnh 5–7 giây lời đọc (riêng đoạn hook 2–3 giây một cảnh).
2. Với mỗi cảnh ghi: số cảnh, lời đọc, loại hình (NHÂN VẬT / ẨN DỤ / THẺ CHỮ), mô tả hình bằng tiếng Việt.
3. Viết prompt ảnh tiếng Anh cho cảnh NHÂN VẬT và ẨN DỤ theo thứ tự: bảng nhân vật (nếu có nhân vật) + hành động + cảm xúc khuôn mặt + bối cảnh tối giản + góc máy + câu phong cách + 16:9 + câu loại trừ.
4. Với mỗi khái niệm tâm lý, đề xuất 1 hình ẩn dụ dễ hiểu và dùng lại đúng hình đó mỗi lần khái niệm xuất hiện.
5. Cảnh THẺ CHỮ: chỉ ghi nội dung chữ tiếng Việt (tôi tự làm bằng Canva / CapCut), không viết prompt.
6. Đổi góc máy luân phiên (cận, trung, toàn); không để 3 cảnh liền nhau cùng góc.
Trả về một bảng. Không đưa vào người thật, logo, thương hiệu, nhân vật có bản quyền.

Ảnh nhân vật chuẩn (character sheet) làm tham chiếu

Làm 1 lần cho cả kênh. Chọn bản đẹp nhất làm ảnh tham chiếu cho mọi cảnh (nếu công cụ cho tải ảnh tham chiếu).

Tạo ảnh AI

Character reference sheet on one canvas, [DÁN BẢNG NHÂN VẬT], shown in 4 poses side by side: front view neutral, three-quarter view smiling, side view thinking with a hand on the chin, front view worried while holding an empty open wallet. Same face, same hair, same glasses, same clothes in every pose. Flat vector illustration, clean thick dark outlines, warm muted palette of cream, mustard, deep teal and terracotta, subtle paper grain texture, plain cream background, even soft lighting, 16:9. No text, no letters, no logo, no watermark, no photorealism, no extra fingers, no distorted face.

Chuyển động nhẹ cho cảnh minh hoạ phẳng

Dùng với công cụ ảnh sang video (Veo, Kling, Hailuo, Runway…) cho 6–10 cảnh quan trọng mỗi video. Bắt đầu từ ảnh đã duyệt để giữ nhân vật.

Tạo video AI

Animate this flat vector illustration with gentle, minimal motion. Keep the art style, colors, outlines and the character exactly as in the reference image: same face, hair, glasses and clothes. Camera: very slow push in, about 8 percent over the whole clip. Character: [một hành động nhỏ, ví dụ: blinks, looks down at the phone, sighs and lowers her shoulders]. Background: [chuyển động nền nhẹ, ví dụ: a few coins slowly float out of the wallet and fade away]. Mood: calm, reflective. No new objects, no text, no subtitles, no logo, no camera shake, no morphing. Duration: [5–8] seconds, 16:9.

Bài tập làm ngay

Chốt bộ nhận diện hình – giọng cho kênh của bạn.

Viết bảng nhân vật + câu phong cách + câu loại trừ (sửa từ bảng mẫu cho hợp ngách con của bạn).
Tạo ảnh nhân vật chuẩn, chọn 1 ảnh tham chiếu; tạo thêm 4 ảnh nhân vật ở 4 cảm xúc khác nhau.
Tạo 5 cảnh cho đoạn hook của video 1, trong đó ít nhất 1 cảnh là hình ẩn dụ khái niệm.
Thu 30 giây hook với 3 giọng, chọn 1 giọng.
Dựng thử 30 giây hook có nhạc nền, xem lại trên điện thoại.

Đạt khi

4/4 ảnh cảm xúc nhận ra cùng một người (tóc, kính, áo trùng nhau).
Không ảnh nào có chữ do AI vẽ; chữ trên màn hình đều ghép sau.
Giọng 30 giây đọc đúng mọi từ, có nghỉ sau tên khái niệm.
Nghe bằng loa điện thoại vẫn rõ lời, nhạc không lấn giọng.

Kiểm tra nhanh

Câu 1. Vì sao nên dán NGUYÊN VĂN bảng nhân vật vào mọi prompt ảnh?

A. Để prompt dài hơn, AI làm kỹ hơn
B. Vì công cụ tạo ảnh bắt buộc phải có
C. Vì chỉ cần đặt tên nhân vật là AI tự nhớ
D. Vì AI không nhớ giữa các lần tạo — mô tả giống hệt mới ra nhân vật giống nhau

Câu 2. Cảnh “gọi tên khái niệm” nên dựng thế nào?

A. Đổi 5 hình liên tục cho sôi động
B. Thẻ chữ to tên khái niệm 2–3 giây, nhạc hạ, giọng nghỉ một nhịp
C. Đọc lướt qua cho nhanh
D. Chèn hiệu ứng âm thanh cháy nổ

Câu 3. Kênh dùng minh hoạ phẳng, không có cảnh nào trông như thật, giọng đọc AI. Rủi ro chính sách nào cần để ý nhất?

A. Nhạc nền không rõ giấy phép (Content ID)
B. Phải bật nhãn nội dung tổng hợp cho mọi ảnh vẽ
C. Không được dùng giọng đọc AI
D. Không được dùng màu vàng trên ảnh bìa

Công thức video 5 bước + kịch bản mẫu 10 phút

Bài 3

Tiêu đề, ảnh bìa, SEO và danh sách phát

Bài tiếp theo · 5