Quy trình làm việc với ComfyUI: Các công cụ AI miễn phí để phát triển trò chơi di động của bạn vào năm 2026

Trong video này, chúng tôi sẽ đề cập đến:

• 🇨🇳 Sự khác biệt giữa việc áp dụng trí tuệ nhân tạo (AI) và các mô hình mã nguồn mở ở phương Tây và Trung Quốc.

• 🖥️ Phần cứng và phần mềm bạn cần (yêu cầu về GPU và ComfyUI).

• 🎨 Phân tích trực tiếp các quy trình tạo hình ảnh, bao gồm “Detailers” và các kỹ thuật kết xuất cụ thể.

Tận dụng trí tuệ nhân tạo mã nguồn mở để thu hút người dùng trò chơi di động

Roman: Xin chào mọi người, chào mừng các bạn đến với tập mới nhất của chương trình ROI 101. Tôi là Roman đến từ Tenjin, và hôm nay tôi có sự tham gia của Jakub từ Two and a Half Gamers. Xin chào, Jakub!

Jakub: Chào mọi người. Rất vui được gặp các bạn. Cảm ơn vì đã mời tôi đến đây. Đối với những ai chưa biết, tôi là Jakub từ kênh Two and a Half Gamers. 

Roman: Cậu làm gì ở đó vậy, Jakob? Hãy giới thiệu thật ngắn gọn về bản thân cho những ai chưa biết cậu là ai nhé. 

Jakub: Vậy là hiện tại tôi đã có hơn 10 năm kinh nghiệm trong ngành công nghiệp game, chủ yếu là lĩnh vực game di động. Gần đây, trong khoảng ba năm qua, tôi chủ yếu làm việc với tư cách là một chuyên gia tư vấn độc lập. Nhưng tất nhiên, đúng vậy, tôi cùng Felix và Matteo điều hành podcast "Two and a Half Gamers", chương trình này sẽ tròn bốn năm vào tháng tới, nên cũng đã được một thời gian khá dài rồi, tôi nghĩ vậy. 

Roman: Cảm giác như lâu hơn nhiều vậy, anh bạn ạ. Cảm giác như lâu hơn nhiều thật. Tớ không chắc cậu cảm thấy thế nào.

Jakub: Ừ, ừ, ừ. Đó chính là công việc vất vả ở đó. Nhưng đúng vậy, tôi hợp tác với nhiều studio game trên toàn thế giới, hay thậm chí cả những người ngoài ngành game ngày nay, bởi vì dựa trên mô hình của Duolingo — anh biết đấy, các ứng dụng gần như đang thống trị App Store — họ đang tìm kiếm chuyên môn của chúng tôi. Và điều này thường rất phù hợp, bởi vì, như cậu biết đấy, họ cần các hệ thống tiến trình, cơ chế kiếm tiền, và tất cả những thứ khác như thiết kế hệ thống, nói chung là vậy.

Roman: Ừ, ừ. Chúng tôi cũng đã thấy điều tương tự với các ứng dụng — với số lượng khổng lồ. Nhưng mà, chúng tôi đã gặp Jakub tại Modictum và quyết định rằng chúng tôi muốn nói về trí tuệ nhân tạo. Dĩ nhiên, bây giờ vẫn là năm 2025, nên chúng tôi phải nói về trí tuệ nhân tạo.

Thôi thì bắt đầu luôn đi, Jakub. Cuộc trò chuyện sẽ diễn ra một cách tự nhiên thôi. Chúng ta không có chương trình cụ thể nào cả. Chúng ta sẽ xem Jakub có gì để giới thiệu, và tôi sẽ đặt thật nhiều câu hỏi.

Jakub: Ừ, ừ. Có rất nhiều điều để nói, và ừ, tôi hy vọng buổi thảo luận này sẽ thực tế nhất có thể, vì đây sẽ không phải là kiểu thảo luận kiểu như: “Trí tuệ nhân tạo sẽ thay thế công việc của bạn, trí tuệ nhân tạo sẽ thế này, trí tuệ nhân tạo sẽ thế kia,” vân vân và vân vân. Đây sẽ là những điều bạn có thể làm ngay bây giờ, hoàn toàn miễn phí, và mang lại tác động cực kỳ lớn. Vậy thì chúng ta hãy bắt đầu từ đó nhé.

Jakub: Được rồi, vậy thì tôi nghĩ, ừm, đối với những ai đang nghe đây, trong trường hợp tốt nhất, các bạn có thể xem video này trên YouTube hoặc một nền tảng nào đó tương tự, vì chúng tôi sẽ chia sẻ màn hình, và tôi nghĩ từ giờ trở đi đây sẽ là một quy trình làm việc nào đó. 

Vậy thì, trước khi chúng ta đến với hình ảnh đẹp mắt này – mà chúng ta sẽ xem ngay sau đây – hãy cùng điểm qua một số xu hướng thực tế đang hoàn toàn thống trị thị trường hiện nay, đó chính là các tác phẩm sáng tạo dựa trên trí tuệ nhân tạo (AI).

Các sáng tạo dựa trên AI thực ra chính là khía cạnh bề ngoài, có thể nói là mang tính biểu tượng nhất, của AI mà chúng ta thấy trên thị trường. Đây là một trong những yếu tố quan trọng nhất trong bối cảnh hiện nay, bởi vì việc thu hút người dùng (UA) quan trọng hơn sản phẩm trong năm nay và sẽ còn quan trọng hơn nữa trong năm tới, v.v. 

Vài năm trước thì không phải như vậy, nhưng bây giờ thì đã khác. Và nếu bạn muốn tìm một ví dụ điển hình nhất, chỉ cần nhìn vào King Shot là đủ. King Shot là tựa game lớn nhất của năm nay. Trò chơi này ra mắt vào khoảng tháng Hai, và hiện tại đang đạt doanh thu khoảng một triệu rưỡi, gần hai triệu mỗi ngày. 

Và tất cả đều dựa trên kiểu quảng cáo giả mạo, lừa dối người chơi, quy trình hướng dẫn người chơi giả mạo, nhưng lối chơi thì thật, theo phong cách 4X, vốn thực ra được lấy từ Thronefall – tựa game từng có mặt trên Steam.

(Được rồi.) Phần đó thực sự rất hay, nhưng, một lần nữa, lại rất dễ tiếp cận.

Nhưng thực tế là họ mở rộng “phễu” rất nhiều vì nó quá dễ tiếp cận. Người dùng sẽ nhìn thấy những quảng cáo giả mạo này. Sau đó, khi họ vào trò chơi, họ thấy lối chơi giống hệt như trong quảng cáo, điều này có nghĩa là, giống như quảng cáo giả mạo, quá trình hướng dẫn người chơi mới giả mạo cũng tự cân bằng lại. Do đó, không còn gì là giả mạo nữa, và đó chính xác là những gì bạn đã thấy trong quảng cáo. Nhưng dần dần, trò chơi sẽ dẫn dắt bạn vào thể loại 4X hoặc một số mô hình có giá trị trọn đời người dùng (LTV) cao khác mà chúng ta thường thấy.

Xu hướng này cũng đang lan rộng sang các thể loại khác, như Social Casino. Các bạn cứ chờ xem khi chúng tôi ra mắt tập tiếp theo trên kênh nhé. Các bạn sẽ thấy chiêu “mồi nhử” này cũng hoạt động như thế nào ở đó. 

Và tất cả những điều này, một lần nữa, đều trở nên khả thi bởi vì nội dung sáng tạo và tiếp thị chính là chìa khóa trong toàn bộ hệ thống này. Còn về nội dung sáng tạo do AI tạo ra — tôi không nói rằng bạn không thể làm được điều này nếu thiếu chúng — nhưng chúng đang thúc đẩy quá trình này một cách vô cùng mạnh mẽ, và một lần nữa, điều đó mang lại cho bạn quy mô sản xuất lớn, bởi vì bạn cần quy mô đó cho việc này.

Và các nội dung sáng tạo bằng AI hiện nay đang cực kỳ phổ biến. Chúng tôi dự đoán rằng đến cuối năm 2026, sẽ có khoảng 50% tổng số nội dung sáng tạo UA hoặc có các yếu tố AI, hoặc được tạo hoàn toàn bởi AI. Ví dụ như thế này đây. Tác phẩm mà tôi đã trình bày trước đó thực chất chỉ là một đoạn giới thiệu, còn phần nội dung chính là gameplay thực tế và các yếu tố khác. Đây là tác phẩm được tạo hoàn toàn tự động, trong đó bạn sẽ thấy những nội dung như thế này — như bạn thấy ở đây, được tạo hoàn toàn bằng phần mềm chỉnh sửa hình ảnh và video, và bạn chỉ cần chạy nó như một tác phẩm quảng cáo của mình, cơ bản là vậy.

Vì vậy, một lần nữa, chúng ta sẽ không bàn về chuyện “AI sẽ lấy mất việc của bạn, AI làm điều này điều kia”. Chúng ta đang thực sự nói về những xu hướng đang thịnh hành trên thị trường hiện nay và cách để nắm bắt chúng. Vì vậy, nếu đội ngũ sáng tạo của bạn chưa sử dụng AI, thì bạn đã bị tụt hậu rồi. Tình hình cơ bản là như vậy.

Vậy thực tế thì chúng ta làm thế nào để đạt được điều này? Và những việc này được thực hiện như thế nào? Và còn những chi tiết cụ thể hơn về quá trình tạo ra chúng nữa? 

Bởi vì, như tôi đã nói, hiện tại tôi sẽ không đề cập đến bất kỳ trường hợp ứng dụng nào khác của AI, bởi vì theo tôi, việc nắm vững quy trình UA và làm chủ nó, đồng thời tận dụng điều này để tăng doanh số chính là chìa khóa thành công.

Tất nhiên, có những thứ như—thôi thì, bạn biết đấy, đây chỉ là một ví dụ thôi. Đây là một ví dụ từ YouTube mà tôi tìm thấy, trong đó, một lần nữa, bạn có thể sử dụng công cụ ComfyUI—mà tôi đang dùng hôm nay—để tạo ra các tài sản 3D thông qua nó. Một lần nữa, việc tạo nội dung bằng AI mã nguồn mở không chỉ giới hạn ở hình ảnh và video. Về cơ bản, bạn có thể tạo bất cứ thứ gì bạn muốn, dưới bất kỳ hình thức nào, miễn là bạn có mô hình mã nguồn mở cho nó. Công cụ ComfyUI mà tôi sẽ giới thiệu giống như, có thể nói là, khung cho việc đó. Nhưng bạn có thể tạo ra từ âm thanh, tài sản 3D, tài sản 2D, sprite 2D — tức là, về cơ bản, bạn có thể tạo ra bất cứ thứ gì bạn muốn và hoàn toàn miễn phí, như tôi đã nói, miễn là card đồ họa của bạn có thể xử lý được.

Vậy là thế đấy. Đừng chỉ nghĩ rằng: “Ồ, đây chỉ là hình ảnh và video thôi, chẳng giúp được gì cho chúng ta cả.” Chúng ta có thể làm được hầu như mọi thứ, bởi vì theo tôi, các đội ngũ trong tương lai sẽ phát triển theo hướng tất cả đều tự tùy chỉnh những công cụ này. Bởi vì đó là sự khác biệt lớn nhất so với cách tiếp cận phương Tây với các công cụ AI kiểu “hộp đen”, vốn hoàn toàn khép kín — tức là bạn chỉ có thể thực hiện, chẳng hạn như lời nhắc tích cực, lời nhắc tiêu cực, rồi một vài tùy chỉnh rất nhỏ — trong khi nếu chúng ta thực sự xem xét những gì chúng ta có thể làm ngày nay… Vâng, thì những gì bạn có thể làm, những gì bạn thực sự có thể tạo ra, kiểm tra và những việc tương tự như vậy thực sự rất phong phú.”.

Điều này mang lại cho bạn sự tự do hoàn toàn, không gì sánh bằng. Và như tôi đã nói, điều tôi muốn nhấn mạnh là các đội ngũ trong tương lai sẽ tự phát triển các công cụ, mô hình dữ liệu và bộ dữ liệu cũ của riêng mình, sau đó họ sẽ chủ yếu sử dụng chúng thông qua các mô hình AI mã nguồn mở này. Bởi vì đó chính là thái độ, hay nói cách khác, đó là cách mà Trung Quốc đang xử lý vấn đề này. 

Chẳng hạn, Trung Quốc hiện đang tràn ngập thị trường với tất cả các mô hình mã nguồn mở này bởi vì đó là một phần của chính sách chính trị của họ, theo kiểu: “Chúng tôi sẽ đưa những mô hình này vào tay người dân. Do đó, chúng tôi kiểm soát được hệ sinh thái.” Điều này khác với cách tiếp cận của phương Tây, vốn cho rằng: “Chúng ta có những công ty khổng lồ như OpenAI đang làm mọi thứ tốt nhất,” nhưng một lần nữa, cách tiếp cận này không hỗ trợ mạnh mẽ như ở Trung Quốc. 

Tại Trung Quốc, cộng đồng cũng đang thúc đẩy các mô hình này bởi họ liên tục bổ sung các tính năng và nội dung mới. Hãy tưởng tượng nó giống như Skyrim vậy. Skyrim vẫn được chơi cho đến ngày nay và là một trong những tựa game RPG hay nhất thế giới. Tại sao? Bởi vì nó có một cộng đồng modding khổng lồ giúp hồi sinh, vá lỗi, cải tiến trò chơi, v.v. Vậy đó chính là cách tiếp cận của họ, nói chung là như vậy.

Roman: …Tác phẩm sáng tạo đầu tiên của cậu khi chúng ta mới bắt đầu. Trong đó có các chữ Hán, và tớ thì—vì tớ cũng theo dõi kênh này—tớ biết là cậu có một số người theo dõi từ Trung Quốc, và họ cứ chia sẻ những thứ kỳ quặc lắm. 

Và điều đó dẫn tôi đến câu hỏi đầu tiên: Bạn có cảm thấy họ đi trước mọi người khác trong việc áp dụng trí tuệ nhân tạo này không? Và rõ ràng là bạn đang trả lời “có”, phải không?

Jakub: Tôi cũng nghĩ vậy. Không chỉ các mô hình của họ — như đã nói, chúng là mã nguồn mở, nên bạn có thể tùy chỉnh và sử dụng cho riêng mình — mà cả cách tiếp cận lẫn quy trình xử lý ở Trung Quốc cũng khác biệt. 

Bởi vì, một lần nữa, đây chính là điểm khác biệt lớn giữa phương Tây và phương Đông: thu hút người dùng là nhiệm vụ quan trọng nhất trong ngành game di động tại Trung Quốc. Còn ở phương Tây thì không phải vậy. 

Ở phương Tây, đó thường là sản phẩm. Sản phẩm — dù là về thiết kế hay, bạn biết đấy, vận hành thực tế, quản lý sản phẩm (PM), các vấn đề về kiếm tiền và những thứ tương tự. Đó là phần quan trọng nhất, là cốt lõi của vấn đề. Việc thu hút người dùng đối với họ [Trung Quốc], như tôi đã nói, vẫn là phần quan trọng nhất, bởi vì sản phẩm của họ đã đạt tiêu chuẩn cao trên toàn ngành ở đó. Nên sản phẩm của họ vốn đã rất tốt ngay từ đầu. Nhưng đúng vậy, đó là một chủ đề khác để thảo luận vào một dịp khác.

Roman: Nhưng liệu người dân phương Tây có thể áp dụng kiểu này không — ý tôi là, các mô hình này là mã nguồn mở, như anh đã nói?

Jakub: Ừ. Nói lại thì, họ hoàn toàn có thể. Ý mình là, như cậu biết đấy, AI hiện diện khắp nơi, nên về cơ bản sẽ không có rào cản ngôn ngữ nào nếu cậu biết cách sử dụng chúng. Chỉ là vấn đề nhân tạo thôi. Cứ như là, cậu biết đấy, phụ thuộc vào nỗ lực. Tức là, cậu cần phải bỏ ra một chút công sức, và rồi cậu sẽ đạt được điều đó. 

Nhưng ngoài chuyện đó ra thì, ừm, cũng khá dễ thôi. Ý mình là, mình làm được mà. Tôi không phải là lập trình viên. Tôi là nhà thiết kế trò chơi. Tôi có thể làm việc với bảng tính Excel như các bài toán hay phân tích kinh tế, nhưng tôi không biết lập trình, và tôi vẫn có thể làm được tất cả những việc này. Nên nó cũng không khó lắm. Ừ, ai cũng làm được mà.

Và một lần nữa, đó chỉ là do người phương Tây có phần tự mãn, trong khi lẽ ra họ nên triển khai những việc này ở khắp mọi nơi. Nhưng mà, chúng ta sẽ làm được thôi.

Vậy nên, như tôi đã nói, làm thế nào để tạo ra những nội dung sáng tạo này và thậm chí làm thế nào để tiếp cận được một số thứ trong số đó. Bởi vì, một lần nữa, bạn vẫn có thể thực hiện điều này khá dễ dàng thông qua các công cụ như Nano Banana hay ChatGPT, hoặc bất kỳ công cụ tạo hình ảnh nào khác ở phương Tây. Bạn vẫn có thể làm rất tốt. Ý tôi là, đừng hiểu lầm tôi nhé. 

Đây là những nội dung chuyên sâu hơn và, có thể nói, linh hoạt hơn trong việc tùy chỉnh nhờ vào những gì bạn có thể làm và tạo ra. Ví dụ, bạn có thể tạo ra mô hình LoRA của riêng mình. Chúng ta sẽ tìm hiểu kỹ hơn về điều đó sau. Nhưng về cơ bản, điều đó có nghĩa là bạn tạo ra bộ dữ liệu của riêng mình từ tác phẩm nghệ thuật của bạn, tác phẩm nghệ thuật tùy chỉnh của bạn, bất cứ điều gì bạn muốn làm, và bạn thêm nó vào một mô hình. Do đó, mô hình đột nhiên tạo ra một tác phẩm nghệ thuật giống như thể nó đến từ chính nghệ sĩ của bạn, điều mà bạn thực sự không thể làm được với GPT hay các công cụ khác.

Bởi vì hiện tại, theo cách tôi nhìn nhận, chẳng hạn như mọi công ty lớn — và tôi muốn nói đến những công ty như, chẳng hạn như, Blizzard, CD Project Red và tất cả những công ty khác — có lẽ họ đã và đang tạo ra các mô hình riêng của mình, những mô hình này hoàn toàn chỉ được huấn luyện bằng dữ liệu của chính họ, có nghĩa là, một lần nữa, họ đang xây dựng một đội quân gồm các nghệ sĩ mà họ sẽ đột ngột có thể sử dụng, và điều này hoàn toàn hợp pháp. Đó là vì hiện tại vẫn chưa có bản quyền, và họ chỉ đang sử dụng mô hình, chứ không phải tài liệu huấn luyện. Nhưng đúng vậy, đó lại là một trong những vấn đề như thế.

Vậy giao diện của nó trông như thế nào và có những gì ở đó? Đây chính là ComfyUI. Chúng ta hãy bắt đầu từ một quy trình làm việc đơn giản hơn một chút trước khi chuyển sang những phần phức tạp hơn. Một lần nữa, nó khá đơn giản. Khi đã làm quen, bạn sẽ thấy đây là cách tạo lời nhắc trực quan. Bạn chỉ cần tải xuống từ Hugging Face. Hugging Face là kho lưu trữ lớn dành cho lập trình viên, chứa tất cả các cơ sở dữ liệu, mô hình và mọi thứ khác. Tất cả đều là mã nguồn mở trên internet.

Và điều quan trọng là—chẳng hạn, bạn nhìn vào cái này và nghĩ kiểu như: “Ôi, cái này thật là—à, làm sao bạn tạo ra được vậy?” Không, bạn không cần phải thế đâu. Bạn không cần phải làm thế. Điều này rất đơn giản vì tất cả những thứ bạn thấy ở đây, ví dụ như các quy trình làm việc mà tôi có ở đây, bạn chỉ cần lấy từ người khác thôi. 

Chẳng hạn, nếu bạn là người chuyên sâu, bạn hoàn toàn có thể làm kiểu như: “Được rồi, thêm một nút và các cạnh rối rắm ở đây rồi thực hiện việc lập trình trực quan này,” mà, bạn biết đấy, bắt đầu từ đây, từ đây, rồi từ đây. Bạn có thể tự làm, nhưng tôi thì không. Bởi vì, ví dụ như cái này tôi có ở đây—cái to này—ừ, tôi không làm nổi đâu. 

Nhưng một lần nữa, bạn chỉ cần làm thế này: Bạn lên mạng, đọc hướng dẫn, và trong hướng dẫn đó có gần như toàn bộ nội dung rồi. Và một lần nữa, đã có người làm sẵn cho bạn rồi. Vậy nên đừng—thôi, hay là chúng ta bỏ phần này đi để trông gọn gàng hơn một chút. Đừng sợ và đừng nghĩ, “Ôi, cái này thật kinh khủng.” Như tôi đã nói, tôi cũng đã trải qua những bước này. Tôi chẳng biết gì về tất cả những điều này cả, và hầu như chỉ bằng cách thử và sai, bạn có thể nắm được khá nhanh. Nó không khó đến thế đâu.

Và lời khuyên hàng đầu của tôi khi làm việc với những công cụ này là: Dù bạn gặp phải lỗi hay vấn đề gì đi chăng nữa, chỉ cần đưa vào ChatGPT, và nó sẽ giải thích cho bạn bằng ngôn ngữ dễ hiểu như: “Bạn cần làm điều này, bạn cần làm điều kia, bạn cần làm điều này.” Và điều này thật tuyệt vời bởi vì, một lần nữa, chúng ta cần nhận ra rằng bỗng dưng chúng ta có một hệ thống AI đang thực sự ngồi ngay đó trong góc dành cho chúng ta, mà chúng ta có thể hỏi bất cứ điều gì, và nó sẽ làm bất cứ điều gì cho chúng ta. 

Vậy nên tất cả những điều này — kiểu như “tôi không hiểu cái này, tôi không hiểu cái kia” — đều không thành vấn đề, bởi vì, một lần nữa, bạn chỉ cần nhập vào AI, nó sẽ giải thích cho bạn. Đặc biệt là với mã lập trình. Ngay lập tức, nó sẽ sửa lỗi và thực hiện các thao tác giúp bạn. Vì vậy, một lần nữa, đây chỉ là rào cản về mặt nỗ lực, không có rào cản nào khác.

Vậy nếu chúng ta đi vào những kiến thức cơ bản… 

Roman: Vậy có lẽ chúng ta nên làm rõ một chút, có lẽ là cho em nhỏ này. Đây là thứ đã được dùng để tạo ra một trong những mẫu quảng cáo mà anh đang hiển thị ở phía dưới [màn hình] phải không?

Jakub: Ừ, ừ. Vậy thì lấy cái này làm ví dụ nhé. Vậy dùng cái này thế nào? Làm thế nào để tạo ra những thứ đó? 

Ví dụ như thế này — đây là một hình ảnh, bạn đưa hình ảnh đó qua một công cụ tạo video để tạo hiệu ứng động, sau đó ghép nó thành một đoạn phim, hay nói cách khác là một tác phẩm sáng tạo. Bởi vì tất cả các kiểu cắt ghép này, điều đó có nghĩa là thường sẽ cần một hình ảnh khác và một lần tạo hiệu ứng khác. Vì vậy, để thực hiện những việc này — ví dụ như đoạn này — đã đòi hỏi một quy trình làm việc phức tạp hơn một chút, bởi vì một yếu tố chúng ta có ở đây là một nhân vật nhất quán, điều này thì, ừm, không phải là thứ bạn thấy hàng ngày.

Vậy nên, một lần nữa, để làm điều này, bạn sử dụng ComfyUI, nơi có các quy trình làm việc giúp duy trì tính nhất quán cho nhân vật. Nói một cách đơn giản, bạn tạo ra một nhân vật, và từ thời điểm đó trở đi, bạn lưu lại nó như thể: “Đây là nhân vật của tôi.” Sau đó, tất cả các thế hệ nhân vật đều có thể được tạo ra dựa trên nhân vật đó. Do đó, bạn sẽ có được kết quả như thế này, khi tôi nói: “Được rồi, hãy để nhân vật của tôi ngồi trong văn phòng vào buổi tối,” và thế là xong.

Và công cụ tạo video chỉ như một điểm nhấn thêm mà thôi. Nó cũng không khó lắm. Phần quan trọng nhất trong việc tạo video sáng tạo, nếu nói vậy, thực ra chính là hình ảnh. Đó là bởi vì quy trình làm việc mà bạn luôn áp dụng là “từ hình ảnh sang video”, chứ không phải “từ văn bản sang video”. 

Rất nhiều lần, mọi người chỉ đơn giản là chuyển văn bản thành video. Chẳng hạn, bạn truy cập một công cụ tạo hình ảnh, thực hiện một số thao tác và chỉ cần nhập một đoạn văn bản, rồi nó sẽ tự động tạo ra một thứ gì đó — điều này rất tuyệt, nhưng bạn không thể kiểm soát được. Đó chính là vấn đề lớn. Bạn không thể kiểm soát được hình thức của video, ngoại hình của các nhân vật, bối cảnh — hay bất kỳ yếu tố nào khác. 

Vậy nên, một lần nữa, chìa khóa để tạo ra video – hay bất cứ thứ gì – chính là việc tạo ra hình ảnh. Đó là quy tắc quan trọng nhất mà bạn sẽ học được khi làm việc với những thứ này. 

Do đó, nếu bạn muốn có những tác phẩm sáng tạo xuất sắc, trước tiên bạn cần phải thành thạo kỹ thuật tạo hình ảnh. Một khi đã thành thạo kỹ thuật này, khung hình đầu tiên sẽ luôn bắt đầu bằng hình ảnh do chính bạn tạo ra, và từ hình ảnh đó, bạn sẽ phát triển thành tác phẩm sáng tạo, và bạn có thể làm gần như bất cứ điều gì bạn muốn.

Vậy làm thế nào để chúng ta có thể tạo ra hình ảnh? Như tôi đã nói, các bạn cài đặt các công cụ như ComfyUI. Các bạn cũng có thể dùng Nano Banana hay bất kỳ công cụ nào khác — cái nào cũng được. Nhưng đây là cách giúp chúng ta kiểm soát quá trình tốt hơn rất nhiều. Vậy hãy cùng điểm qua quy trình làm việc rất đơn giản này, cách nó hoạt động và những gì chúng ta có ở đây.

Vậy đây chính là Z Image Turbo, mẫu mô hình mới nhất của Alibaba đang thực sự làm mưa làm gió trên mạng trong tháng vừa qua. Đối với những ai chưa biết, điều này thực sự hiếm thấy vì đây là một mô hình cực kỳ nhỏ — chỉ khoảng 6,1 tỷ tham số — nhưng lại cho kết quả vượt trội. Nhưng thôi, tôi sẽ chỉ điểm qua nó thật nhanh.

Ví dụ, ở đây chúng ta có mô hình cơ sở đã được lượng tử hóa. "Lượng tử hóa" có nghĩa là đối với một số mô hình này, chúng ta không thực sự sở hữu các card đồ họa cao cấp nhất, vì vậy cộng đồng lại tạo ra các phiên bản nhẹ hơn của các mô hình này để giảm bớt yêu cầu về VRAM, đồng thời cũng giảm nhẹ một chút về chất lượng. Điều đó có nghĩa là tôi có thể chạy mô hình này trên card đồ họa GPU 3080 Ti của mình, vốn có 12GB VRAM, mặc dù phiên bản cơ sở của mô hình này yêu cầu 16GB.

Vậy là bạn chỉ cần lên mạng, và một lần nữa, ngay trong chính hướng dẫn này — tôi có đây làm ví dụ — bạn có thể tìm thấy. Vậy là bạn có các kho lưu trữ này. Ví dụ, phiên bản lượng tử hóa của mô hình—bạn có thể chọn các phiên bản nhỏ nhất, khoảng 2 gigabyte hoặc gì đó, và bạn có thể chạy mô hình này ngay cả trên card đồ họa có 6 gigabyte VRAM.

Roman: Vậy bước đầu tiên thực ra là mua một chiếc máy tính tốt. Có phải vậy không? Haha. 

Jakub: Haha, đúng vậy, bạn cần một chiếc máy tính tốt. Vì vậy, chúng ta cần ít nhất khoảng, tôi nghĩ là, 8 đến 10GB VRAM, GPU NVIDIA. Những thứ này sẽ không chạy được trên AMD. Có thể ở một số hình thức thử nghiệm thì được, nhưng bạn cần một GPU có lõi CUDA. Đó là bước đầu tiên. Khi đã có những thứ này, bạn cần ComfyUI. Một lần nữa, bạn có thể tải nó trên mạng, rất dễ dàng. Chỉ cần một kho lưu trữ từ Hugging Face là được. 

Ngoài ra, tôi khuyên bạn nên cài đặt ComfyUI Manager – đây chỉ là bộ tiện ích mở rộng giao diện người dùng, về cơ bản là một công cụ tiện ích giúp bạn không cần phải truy cập trang web và tải xuống thủ công. Bạn chỉ cần nhấp vào nó là nó sẽ tự động tải xuống từ GitHub ngay lập tức.

Và một khi bạn đã có điều này, một lần nữa, bạn chỉ cần kéo thả các thành phần. Bạn có thể thực sự vào đây và kéo một hình ảnh vào đây, và hình ảnh cùng siêu dữ liệu của nó sẽ tự động tạo ra quy trình làm việc nếu chúng được nhúng sẵn trong đó. Đó chính là điểm tuyệt vời của nó. Chẳng hạn, bạn thực sự không cần phải tạo ra tất cả những đoạn mã trực quan rối rắm như mì spaghetti ấy. Nó sẽ tự động có—ví dụ như, đây là một quy trình làm việc mẫu trên trang web. Chỉ cần thả một hình ảnh vào là xong.

Vậy một lần nữa, những gì chúng ta có ở đây là gì, những yếu tố nào bạn có thể điều chỉnh và điều gì mang lại kết quả đó. Như tôi đã nói, ở đây chúng ta có mô hình cơ sở — bộ mã hóa văn bản và chính mô hình đó. Nó đã được lượng tử hóa, nên chất lượng thấp hơn, VRAM thấp hơn, nhờ đó chúng ta thực sự có thể chạy được nó. Sau đó, chúng ta có các tùy chọn như “shift”. Đây là tùy chọn dành riêng cho mô hình. Nó giống như một thanh trượt điều chỉnh độ tương phản. Vì vậy, giảm shift có nghĩa là tăng độ tương phản. Tăng shift có nghĩa là giảm độ tương phản. Đó là tất cả.

Tiếp theo là lời nhắc tích cực. Ừ, tôi sẽ nói đến chuyện đó — cách tôi có được nó. Và lời nhắc tiêu cực. Nếu tôi hiểu đúng, công cụ này thực ra không hoạt động tốt lắm với các lời nhắc tiêu cực. Một lần nữa, một số trình tạo hình ảnh thậm chí còn không có tính năng đó. Ví dụ như Flux — họ không có lời nhắc tiêu cực. Tiếp theo là kích thước hình ảnh, chỉ là một hình vuông 1024 bit nhân với chính nó. Chúng ta có thể tăng kích thước lên 2K, thậm chí cao hơn. Vấn đề là nó sẽ mất nhiều thời gian tải hơn, và chúng ta không cần điều đó cho video này. Vậy là xong phần đó.

Roman: Jakub, hỏi nhanh một câu nhé. Liệu nó có cũng dựa trên nỗ lực không, như anh đã nói lúc đầu, để có thể hiểu được tất cả những gì anh thực sự—

Jakub: Ừ. Như tôi đã nói, tôi chẳng có kỹ năng lập trình nào cả, cũng không học khoa học máy tính, chẳng biết gì cả. Nền tảng chuyên môn của tôi là tâm lý học. Ý tôi là, bạn chẳng cần gì cả. Bạn vẫn có thể làm được những thứ này. Như tôi đã nói, ví dụ, chúng ta có thể chèn trực tiếp hướng dẫn từng bước vào video. Có một video hướng dẫn dài khoảng 40 phút, nhưng phần lớn nội dung trong đó—thậm chí còn không phải là hướng dẫn. Chỉ là anh chàng đó so sánh các mô hình này—Z Image, Flux và Qwen—nên nó giống một bài so sánh hơn.  

Jakub: Thực ra, phần mà anh ấy hướng dẫn qua trình quản lý tệp và chỉ cho bạn cách cài đặt — việc này chỉ mất khoảng 10 phút thôi, thật đấy. Không phải kiểu phải làm cái này cái kia rồi sẽ cực kỳ khó đâu. Không, không hề. Chỉ cần khoảng bốn hoặc năm cú nhấp chuột là xong. Hơn nữa, bạn còn có ChatGPT ngay bên cạnh, nên nếu không hiểu, bạn chỉ cần nói với nó: “Tôi không hiểu phần này. Tôi nên làm gì?” Nó sẽ chỉ cho bạn. Đơn giản thế thôi.

Chẳng hạn như, tôi không biết nên chọn mô hình lượng tử hóa nào cho card đồ họa của mình. Và đúng vậy, đây là những gì nó hướng dẫn tôi. Thế là tôi chỉ cần sao chép nguyên kho lưu trữ từ đó, và nó nói với tôi đại loại như: “Được rồi, bạn vào đây, và đây là các mô hình. Nếu bạn có 10 đến 12GB VRAM, hãy chọn cái này vì nó có lẽ sẽ đủ cho dung lượng bộ nhớ của bạn.” Chỉ vậy thôi. Và bạn thực hiện tất cả các bước như thế này. Rất đơn giản. Nên thực sự chẳng có gì phức tạp cả.

Vậy nên, sau khi đã thiết lập xong tất cả những điều này, chúng ta hãy hoàn tất bước cuối cùng. Vì vậy, các bước rất quan trọng. Đây là thiết lập cho bạn biết nó sẽ trải qua bao nhiêu giai đoạn thực tế, bởi vì tất cả những hình ảnh này — thường là các mô hình khuếch tán — đều bắt đầu từ nhiễu. Hãy tưởng tượng một bức ảnh đen trắng có hạt, tất cả những hình ảnh này đều bắt đầu như vậy. Và đây sẽ là số bước — nhiễu sẽ được xử lý qua các bước này.

Tiếp theo là giá trị CFG, thể hiện mức độ tuân thủ lời nhắc so với mức độ sáng tạo mà chúng ta cho phép mô hình thực hiện. Nói cách khác, đó là mức độ sáng tạo mà chúng ta cho phép mô hình thể hiện so với việc nó phải tuân thủ chính xác lời nhắc của chúng ta. Một lần nữa, đây là một giá trị mà bạn có thể điều chỉnh. Ngoài ra còn có một số thiết lập cơ bản khác mà bạn thực sự không cần quan tâm ở đây.

Vậy nếu chúng ta vào đây và chạy thử, chúng ta sẽ thấy một nhân vật quỷ như thế này, trông cực kỳ chân thực — một bức vẽ nét đơn giản về một linh hồn rừng đang giận dữ. Da-da-da-da-da. Hãy chạy thử xem nào.

Jakub: Chúng ta đang dùng cùng một giá trị khởi tạo. Đúng vậy, chúng ta cần thay đổi giá trị khởi tạo thành ngẫu nhiên vì chúng ta không muốn mỗi lần lại có một giá trị khởi tạo khác nhau.

Roman: Lời nhắc. Ừm, tớ thấy có rất nhiều văn bản trong đó. Đúng rồi. Làm sao để lấy được cái này nhỉ?

Jakub: Ừ, đúng rồi. Ừ, để tớ tạo hình ảnh này ra cho cậu xem. Đã chạy qua phần prompt rồi, giờ nó đang ở trong K sampler, rồi từ K sampler, nó chuyển sang giai đoạn giải mã, và thế là chúng ta có hình ảnh rồi. Vậy là thay vì anh chàng này, chúng ta có anh chàng kia. Cũng khá đơn giản.

Làm thế nào để chúng ta có được lời gợi ý khổng lồ này? Thực ra, việc đưa ra lời gợi ý cũng là một cách khác để học hỏi những điều này. Ví dụ, lời gợi ý này tôi lấy từ CivitAI. CivitAI, một lần nữa, là một trong những nền tảng mà tôi khuyên các bạn nên thử khám phá. Đây gần như là trang web cộng đồng mã nguồn mở lớn nhất trên internet. Hãy nghĩ về nó như một phiên bản Instagram thực sự. Nói chung, đó chỉ là những hình ảnh và video của các nhà sáng tạo khác mà mọi người bình chọn, sau đó có thể xem và tương tác với chúng. 

Điểm rất quan trọng của trang web này là bạn có thể truy cập vào đó để tìm hiểu và tự mình khám phá những điều mới mẻ. Ví dụ như, hình ảnh về linh hồn rừng này chỉ là—tôi vừa lướt qua đây thôi. Chẳng hạn, các bạn ơi, những hình ảnh hôm nay—đó là gì nhỉ? Được tạo ra tự động. Ở đây có rất nhiều nội dung thú vị mà bạn có thể khám phá. 

Nhân tiện, cảnh báo spoiler: Mình đang dùng trang Civit AI Green vì còn có trang Civitai.com nữa, trang đó giống như nội dung khiêu dâm 90% vậy, bởi vì đó chính là những gì mọi người tạo ra từ bối cảnh do người dùng cung cấp. Nên mình chỉ muốn nói thế này, nếu bạn muốn phiên bản không có nội dung đó, thì đó là phiên bản Green. Nếu bạn muốn phiên bản có nội dung đó, thì đó là phiên bản cơ bản.

Roman: Cảm ơn vì đã chọn đúng bản cho bản thu âm này. Tôi rất cảm kích.

Jakub: Đừng lo. Nói lại lần nữa, tôi vừa tìm thấy hình ảnh này từ một người sáng tạo, và điểm quan trọng ở đây không phải là chính hình ảnh đó, mà là thứ này ở bên phải, chúng ta có thể phóng to lên một chút.

Jakub: Vậy thì điều chúng ta có ở đây là nó thực sự giải thích cho chúng ta cách nó được tạo ra. Và chúng ta thậm chí có thể chạy nó ngay trên chính trang web đó và tạo ra nó tại đó nếu bạn thực sự muốn. Trang web cho phép điều đó nếu bạn mua bằng tín dụng. Nhưng một lần nữa, tại sao chúng ta lại phải làm thế nếu nó đã là mã nguồn mở?

Vậy điều này cho chúng ta thấy: Nó đang sử dụng trình tạo Z Image Turbo. Vì vậy, tôi chỉ cần vào đây, nhấp vào đây, và thế là đã có mô hình. Nó được phát hành vào ngày 26 tháng 11, và tôi có thể tải xuống, sáng tạo với nó hoặc đơn giản là lấy các nội dung từ đó. Bạn cũng có thể xem các thế hệ mô hình hiện tại và những gì mọi người đang làm với chúng, v.v. Nhưng một lần nữa, chúng ta đã biết về mô hình này rồi.

Tiếp theo là phần gợi ý. Vậy là chúng ta đã có phần gợi ý. Chúng ta có thể lấy phần gợi ý này, và các bạn có thể thử nghiệm và sử dụng nó. Các lời gợi ý có cấu trúc rất cụ thể. Một lần nữa, có lẽ chúng ta sẽ cần một podcast khác để nói về điều này. Nhưng một lần nữa, bạn không cần phải tự tạo ra những thứ này từ đầu. Bạn có thể học hỏi từ người khác. Đây chính là lý do tại sao trang web này lại quan trọng đến vậy.

Điều này trở thành một phần của công thức bởi vì bạn có thể tạo ra những thứ tuyệt vời chỉ bằng cách sao chép tác phẩm của người khác, phân tích ngược lại và tìm hiểu cách thức hoạt động của chúng. Và nhờ đó, bạn học hỏi được, và học rất, rất nhanh.

Sau đó, chúng ta còn có một số yếu tố quan trọng khác, đó là siêu dữ liệu — về cơ bản là cách người dùng đã thiết lập các thanh trượt trong ComfyUI. Như chúng ta đã thảo luận, CFG điều chỉnh tỷ lệ một chút để phù hợp hơn với mức độ tuân thủ, nên chỉ là 1,1, với tám bước. Về bộ lấy mẫu — chúng ta thậm chí có thể sử dụng cùng một giá trị hạt giống (seed) và tạo ra chính xác cùng một hình ảnh nếu muốn. Điều này cũng có thể thực hiện được vì tác giả đã để lại giá trị hạt giống ở đây. 

Một số người không chia sẻ siêu dữ liệu về quy trình làm việc của họ vì họ rất—bạn biết đấy, muốn giữ bí mật và những chuyện tương tự, bởi vì có những người đã rất vất vả để hoàn thiện quy trình làm việc của mình. Nhưng hầu hết những gì bạn thấy ở đây, bạn đều có thể làm được, và bạn cứ thoải mái tham khảo và học hỏi từ đó. Đó chính là điểm hay của trang web này—rằng bạn có thể học hỏi được rất nhiều điều.

Jakub: Vậy là một lần nữa, việc này khá dễ thực hiện, và thực ra chúng ta có thể làm bất cứ điều gì mình muốn. Chỉ để thử xem sao thôi — vậy nếu chúng ta đi vào đây, chúng ta có thể để anh chàng cầm đuốc lại và—

Roman: Roman, cho tôi biết cậu muốn tạo ra cái gì?

Jakub: Chúng ta hãy làm gì đó liên quan đến Giáng sinh đi.

Roman: Giáng sinh. Zombie. 

Jakub: Zombie. 

Roman: Này, cậu còn nhớ trò Plants vs. Zombies không?

Jakub: Được rồi, đây chính là điều khiến tôi ngay lập tức nảy ra ý tưởng. À mà, thật tốt là cậu đã nhắc đến chuyện này. Nét đẹp của những mô hình này—uhhh, tấm bưu thiếp Giáng sinh…

Ừ, thử cái này xem sao. Điểm hay của những mô hình này — may mà cậu nhắc đến — là chúng hoàn toàn không bị kiểm duyệt, và đó chính là lợi thế lớn của chúng. Bởi vì nếu cậu dùng ChatGPT hay một trong những mô hình chính kiểu này, cậu sẽ không thể tạo ra nội dung dựa trên IP được. Ví dụ, con trai tôi hỏi tôi: “Ôi, bố ơi, con có thể có nhân vật Olaf hay ai đó trong phim Frozen được không?” Câu trả lời là không, bạn không thể, vì các mô hình này có các AI khác đang kiểm duyệt kết quả đầu ra của chúng, khiến bạn không thể làm điều đó. Điều đó là không thể ở đây.

Roman: Nhanh lên!

Jakub: Ừ, nó rất nhanh. Một lần nữa, như tôi đã nói, tôi đang dùng phiên bản chất lượng thấp hơn, nên kết quả sẽ hơi khác so với chất lượng thông thường mà bạn có thể nâng cấp lên, và vẫn còn những mô hình tốt hơn. Đây là phiên bản Turbo, nên tốc độ quan trọng hơn chính chất lượng. Nhưng dù bạn làm gì ở đây, bạn thấy đấy, bạn vẫn có thể đạt được chất lượng tuyệt vời.

Nhưng một lần nữa, nếu tôi thử, như tôi đã nói, tạo hình Elsa và Anna trong phim “Frozen” đang đứng trước một lâu đài băng khổng lồ, với phong cách điện ảnh, chất lượng cao và chân thực — hãy thử xem nào. Đúng vậy, càng thêm nhiều thẻ và từ khóa vào, hình ảnh sẽ càng tốt hơn, tất nhiên rồi. Điều đó thì không cần phải nói. Như tôi đã nói, tôi khuyên mọi người nên học quy trình này.

Ồ, thế là xong rồi! Thấy chưa?

Roman: Ồ, đó đúng là—à, đúng rồi, kiểu như 95% ấy. 

Jakub: Cứ như là nếu chúng ta tinh chỉnh thêm một chút về các chi tiết và—anh thấy đấy, phần băng có lẽ cần thêm một vài chi tiết nhỏ như thế này nọ ở đây đó. Và đúng vậy, chúng ta có thể làm điều đó rất dễ dàng.

Roman: Phòng pháp chế của anh sẽ không hài lòng về việc này đâu—

Jakub: Ừ, ừ, ừ. Nhưng nói lại, cậu có thể làm bất cứ điều gì cậu muốn. Đó chính là điểm hay của nó. Nên nó mang lại cho cậu—và hoàn toàn miễn phí. Cậu biết đấy, chỉ cần có điện và GPU là được, chẳng có gì phức tạp cả.

Nhưng một lần nữa, tôi khuyên mọi người nên thử làm qua một chút, thực hành qua và học cách áp dụng nó. Bởi vì, một lần nữa, bạn có thể áp dụng quy trình này—cách thức hoạt động của nó—cho bất kỳ định dạng nào, như tôi đã nói, từ văn bản sang video, từ hình ảnh sang video, nghệ thuật 2D, nghệ thuật 3D, giọng nói, v.v. Nó hoạt động giống hệt nhau. Và tôi nghĩ điều quan trọng là mọi người cần hiểu rõ cơ chế bên trong và mức độ kiểm soát thực sự mà họ có thể đạt được. Bởi vì điều này thật sự tuyệt vời.

Và có lẽ cuối cùng chúng ta sẽ dừng lại ở phần này, đó là phần đặc trưng mà tôi đang thực hiện. Và đúng vậy, điều này mang lại cho bạn nhiều, nhiều, nhiều quyền kiểm soát hơn nữa. Đây là một quy trình làm việc rất nâng cao mà—không phải cái này, xin lỗi, là cái này. Đúng rồi. Hãy để nó chạy vì quy trình này thực ra có tới 240 bước.

Roman: Nó làm gì vậy? Tớ không hiểu. Nó làm gì vậy?

Jakub: Ừ, ừ. Vậy thì vấn đề ở đây là chúng ta thực ra đang sử dụng một Mô hình nhân vật trong anime “Ion on Justice”, và chúng tôi chỉ sử dụng mô hình trong 140 bước. Mục tiêu mà chúng tôi đang hướng tới là tạo ra một chiến binh hình người có hình dáng báo tuyết theo phong cách chân thực cho trò chơi của chúng tôi. Ở đây có một lời nhắc khá dài, và lời nhắc phủ định cũng khá dài. 

Tôi đã mất một chút thời gian để làm việc này. Nhưng chúng tôi muốn cảnh này trông thật chân thực, trong khi mô hình anime mà tôi đang sử dụng ở đây lại không thể thể hiện được những chi tiết chân thực. Vậy thì chuyện gì đang xảy ra ở đây? 

Vậy bạn cần làm gì: Bạn sử dụng một công cụ tinh chỉnh. Cách thức hoạt động của nó như sau: sau 140 bước, mô hình này sẽ dừng lại, và tôi sẽ thay thế bằng một mô hình khác. 

Vậy là hiện tại chúng ta đang thực hiện quá trình tạo hình với hai mô hình thông qua Fennekin — một mô hình thực tế — mô hình này sẽ hoàn tất quá trình tạo hình và loại bỏ nhiễu khỏi hình ảnh trong 100 bước tiếp theo. Như vậy tổng cộng sẽ lên đến 240 bước. Đó là lý do tại sao quá trình này mất khoảng 3 phút. Và sau đó, nó cơ bản tạo ra một thứ mà mỗi mô hình riêng lẻ không thể tạo ra được. Bởi vì chúng tôi muốn, một lần nữa, một chiến binh báo tuyết theo phong cách giả tưởng mà—một lần nữa, tôi không hài lòng với bất cứ thứ gì tôi tìm thấy trên internet, nên tôi chỉ đào sâu hơn, sâu hơn, sâu hơn và sâu hơn nữa và đi sâu vào nó.

Điều cực kỳ quan trọng là mô hình này và quy trình làm việc mà chúng ta có ở đây — và nhân tiện, tất cả những gì các bạn thấy ở đây, chúng ta thậm chí còn chưa sử dụng đến một nửa. Ở đây, về cơ bản chúng ta có các tính năng khả dụng của quy trình làm việc này, và các bạn có thể kích hoạt hoặc tắt chúng như các chức năng. Chỉ cần nhấp vào đây và bật hoặc tắt tính năng đó. Tất cả các phần màu tím mà bạn thấy đều có nghĩa là chúng đang ở trạng thái không hoạt động. Chúng tôi không sử dụng OpenPose, bộ điều hợp IP hay bộ nâng cấp ControlNet, cũng như tất cả các tính năng khác. Hệ thống này có thể thực hiện rất nhiều chức năng, đến mức nếu muốn trình bày hết thì cần phải có một tập podcast riêng biệt.

Nhưng điều nó có thể làm vẫn là—chúng ta đang sử dụng các hiệu chỉnh sau khi tạo hình, như Detail. Đây mới là phần thực sự quan trọng. Bởi vì trong hình ảnh mà chúng ta vừa tạo ra ở đây, chẳng hạn, bạn thấy rằng, đúng vậy, chúng rất tuyệt, nhưng có điều gì đó kỳ lạ ở hai cái này. Không phải là, bạn biết đấy, vị trí của đôi mắt hay những chi tiết khác—mà là trông chúng giống như nhân vật trong phim Wish vậy.

Vậy điều đang diễn ra ở đây là chúng ta có thể theo dõi nó theo thời gian thực, thực ra, trong khi quy trình làm việc vẫn đang tiếp diễn. Và được rồi, nó đã có trên ADetailer rồi. Vậy là chúng ta có hình ảnh gốc ở đây, và bạn thấy đấy, nó chưa hoàn hảo. Trông như khuôn mặt bị méo mó một chút. Đúng vậy, chúng ta thực sự không muốn điều này. Vậy chuyện gì đang xảy ra? Chúng ta có công cụ chỉnh sửa khuôn mặt, và công cụ này thực sự chỉ chỉnh sửa khuôn mặt. Vì vậy, chúng ta đang áp dụng một lớp xử lý mới lên hình ảnh mà chúng ta đã có ở đây. Không chỉ vậy, chúng ta còn chỉnh sửa đôi mắt để chúng trông đẹp hơn một chút.

Roman: Ồ, đúng rồi, đúng rồi, đúng rồi. Tôi hiểu rồi, tôi hiểu rồi.

Jakub: Nói chung là vậy. Và bạn có thể thực hiện—lại nữa, có khoảng bốn động tác chúng ta có thể làm, cả về tư thế tay lẫn tư thế cơ thể. Bạn thấy cơ thể được cố định lại một chút, đúng không?.

Vậy nên lần trước khi tôi đang tìm hiểu một số thông tin trên mạng, một chuyên gia từ một công ty chuyên về trí tuệ nhân tạo (AI) đã chia sẻ quy trình làm việc của anh ấy và cho biết anh ấy phải mất khoảng 20 giờ cho một hình ảnh và 500 lần tạo ra các phiên bản khác nhau để đạt được kết quả như mong muốn — tức là chất lượng hàng đầu. Để minh họa, từ những yêu cầu cực kỳ cơ bản, như “Hãy tạo hình ảnh Olaf dựa trên con trai tôi”, cho đến những yêu cầu cực kỳ phức tạp như thế này, đây là cách nó hoạt động. Bởi vì, một lần nữa, đây là thứ cần phải gần như hoàn hảo, bởi vì nó, một lần nữa, định hình những gì bạn muốn thực hiện.

Jakub: Và nếu chúng ta lại xem một tác phẩm nào đó ở đây — không phải cái này, mà là tác phẩm sáng tạo mà tôi thực sự, thực sự — không phải cái này. Ừ, đúng rồi. Bạn thấy những thiết kế này đẹp đến mức nào không? Thực sự giống như một bộ phim của Pixar vậy. Và một lần nữa, bạn đạt được chất lượng này nhờ khả năng sử dụng quy trình làm việc tiên tiến. Và kết quả cuối cùng bạn nhận được chính là những thiết kế hoàn hảo này. 

Vậy nên, một lần nữa, đó chính là nét đẹp của nó. Bởi vì điều này trông thực sự giống như một cảnh quay điện ảnh đẳng cấp cao. Nó giống như thứ mà ai đó sẽ phải bỏ ra, một lần nữa, rất rất rất nhiều công sức và thời gian để tạo ra—tôi muốn nói là vẽ. Nhưng rồi, một lần nữa, bạn có thể tạo ra nó thông qua một quy trình làm việc nâng cao trên timeline. Và đúng vậy, nó sẽ diễn ra, và bạn cần các nhân vật nhất quán cùng tất cả những yếu tố khác.

Nhưng như tôi đã nói, đây chỉ là bước đầu tiên để đạt được tất cả những điều đó. Vì vậy, đối với bất kỳ đội ngũ sáng tạo nào đang sản xuất nội dung, vâng, tôi nghĩ AI — khả năng tạo hình ảnh và video — về cơ bản sẽ là một vấn đề sống còn trong năm tới. Bởi vì các bạn sẽ không thể theo kịp khối lượng công việc. Điều đó thực sự rất, rất khó. Và việc có đủ khối lượng nội dung sáng tạo đồng nghĩa với việc CPI của bạn lẽ ra phải giảm xuống, nhưng lại đang tăng lên. Vì vậy, cuối cùng, tất cả những điều này về cơ bản đều dẫn đến kết quả đó.

Và như tôi đã nói, dù trông có vẻ cực kỳ phức tạp và gì đó, nhưng thực ra không phải vậy. Ý tôi là, tôi thậm chí còn chưa chạm đến bề mặt của vấn đề — mức độ phức tạp mà nó có thể đạt đến. Về cơ bản, những gì tôi đang trình bày chỉ là một số kiến thức cơ bản thôi, chưa đi sâu vào vấn đề.

Roman: Ừ, tớ thực sự thích cách chúng ta xem xét cả hai lược đồ. Cuối cùng thì, chúng ta cũng tạo ra một hình ảnh.

Jakub: Ừ, ừ, ừ, ừ, đúng rồi. Ừ, chúng ta có một “chiến binh” khá hay ở đây. Nhưng nói lại, cuối cùng thì bạn có thể làm bất cứ điều gì bạn muốn. Và đó, như tôi đã nói, chính là nét đẹp của nó. Bạn có thể thử nghiệm và tự mình trải nghiệm. Không có trang web nào tham lam tiền bạc, tiêu tốn tín dụng hay gì cả. Như tôi đã nói, thứ duy nhất bạn cần là GPU và điện. Vì vậy, bạn có thể làm bất cứ điều gì. Hiện tại, tôi đã vượt qua khoảng 12K, có lẽ là 13K thế hệ rồi. 

Vậy đấy, đôi khi, ngay cả ở đây chẳng hạn, có một tùy chọn cho phép chạy theo từng đợt tám lần hay gì đó. Bạn cứ đi ngủ, để nó chạy, rồi chọn cái tốt nhất. Thỉnh thoảng tôi vẫn làm thế. Ừ, nó giống như một trò chơi nhàn rỗi vậy, nên, bạn biết đấy, bạn quay lại và nhận phần thưởng sau khi nó hoàn tất.

Nhưng tôi nghĩ việc hiểu được cách thức hoạt động của những thứ này mang lại cảm giác rất thỏa mãn. Bởi vì điều đó còn giúp bạn, một khi bạn tiếp xúc và nhìn thấy những nội dung sáng tạo cùng tất cả những xu hướng khác đang thịnh hành trên—hầu hết các trường hợp, tôi thậm chí có thể nhận ra mô hình tạo ra chúng chỉ bằng cách nhìn vào. Bởi vì một số mô hình rất đặc trưng—bạn biết đấy, bạn có thể nhận ra ngay điểm đặc trưng của chúng.

Chẳng hạn như tất cả các hình ảnh của ChatGPT — chúng đều có tông màu cam ở phía sau. Vậy nếu chúng ta xem, tôi nghĩ, một trong những hình ảnh gần đây nhất ở đây — đúng rồi, cái này đây. Đây là một quảng cáo mà Candy Crush đang chạy, và bạn có thể thấy ở cuối hình ảnh có một lớp màu cam bao quanh, điều này có nghĩa là nó được tạo ra dựa trên hình ảnh gốc từ ChatGPT. Ở đây, điều này rất, rất, rất rõ ràng. Đúng vậy. Nhưng một lần nữa, nó rất tinh tế. Tuy nhiên, một khi bạn đã xem 10.000 hình ảnh như thế này, sau đó bạn sẽ thấy điều đó rất rõ ràng.

Vì vậy, bạn có thể ngay lập tức thấy cách các đội này làm việc, cách họ tạo ra những sản phẩm này, và bạn cũng có thể tự mình làm được điều đó. Một lần nữa, điều này mang lại cho bạn rất nhiều lợi thế trong quá trình này. 

Roman: Và đó thực sự là một kỹ năng, phải không, có lẽ vào năm 2026 — nếu bạn làm công việc sáng tạo, dù bạn là một quản lý UA và đó là một phần trách nhiệm của bạn, hay bạn là thành viên của đội ngũ sáng tạo.

Và để tóm tắt lại ở phần kết luận: Các dịch vụ dựa trên đám mây như ChatGPT hay Claude sẽ hạn chế sự linh hoạt của bạn trong việc thực hiện các tác vụ. Do đó, chúng tôi muốn sử dụng các mô hình mã nguồn mở.

Jakub: Thật ra, bạn thậm chí có thể kết hợp chúng theo cách mà, ví dụ như, bạn có thể sử dụng hình ảnh trong mô hình mã nguồn mở của mình để tinh chỉnh nó tốt hơn, rồi sau đó dùng công cụ tạo video. Trình tạo video khá quan trọng, nhưng nó giống như phần cuối cùng của quy trình, tức là thứ bạn muốn tạo ra, bắt đầu từ hình ảnh cơ sở, có thể là sự kết hợp như, “Tôi không biết, dùng ComfyUI đi — tôi muốn tạo hình ảnh,” rồi dùng Veo 3 để hoàn thiện video và những thứ tương tự. Một lần nữa, bạn có thể làm bất cứ điều gì bạn muốn.

Trong trường hợp tốt nhất, bạn thử nghiệm tất cả các phương án và tìm ra phương án nào phù hợp nhất với mình. Đó chính là điểm hay của việc này. Nhưng một lần nữa, khi đã biết những điều này, chúng ta thậm chí còn có thể tự mình thử nghiệm. Nếu không, bạn sẽ chỉ nghĩ: “Ồ, chúng ta cứ dùng Veo 3 thôi. Đó là thứ duy nhất chúng ta biết.” Và thế là xong.

Roman: Tôi hiểu rồi. 

Jakub: Và một vấn đề lớn khác với những thứ này là—chúng trở nên lỗi thời rất nhanh. Thực ra không hẳn là lỗi thời, mà là các sản phẩm mới liên tục được ra mắt, và bạn phải luôn cập nhật. Tôi đã thấy một số tác phẩm sáng tạo ở đây, ví dụ như — tôi nghĩ, vâng, những cái này, hoặc có lẽ là những cái cũ hơn một chút — bạn có thể thấy một số trong số đó chỉ chạy trên các mô hình cũ. Mọi người chỉ chưa cập nhật thôi, điều này cũng bình thường, vì chu kỳ cập nhật ở đây là khoảng 3 tháng hay gì đó. Nhưng bạn sẽ muốn sử dụng những công nghệ tiên tiến nhất vì, một lần nữa, nó mang lại cho bạn lợi thế về chất lượng, những thứ như vậy, và tất cả những điều khác. Vâng, mọi thứ diễn ra rất, rất nhanh.

Roman: Làm sao cậu theo kịp vậy, Jakub? Riêng cậu thì sao? Cậu có thời gian không?

Jakub: Tôi không biết. Được rồi, ừ, cũng dễ hiểu thôi. Vậy là tôi nghe một vài podcast, tất nhiên là về AI. Nói thật, chúng ta có thể xem—kênh YouTube “AI Search” này, theo tôi, chính là—kênh này thực chất chỉ do một anh chàng chuyên tóm tắt tin tức. Mỗi tuần, anh ấy lại hỏi: “Tuần này có gì mới ra mắt?” rồi điểm qua tất cả các mô hình. Họ còn có những video chuyên sâu về các chủ đề cụ thể, như so sánh các mô hình, những thứ tương tự như vậy. Vì vậy, tôi thường xuyên theo dõi bản tóm tắt này.

Jakub: Ngoài ra, tôi còn nghe một vài podcast về các chủ đề trong ngành, chẳng hạn như những diễn biến mới nhất về cuộc cạnh tranh giữa ChatGPT và Microsoft cùng những vấn đề khác. Và tất nhiên, bạn có thể truy cập trang web Civitai để xem mọi người đã tạo ra những gì.

Ví dụ, ở đây bạn có thể thấy rõ rằng có rất nhiều thứ như thế này, chẳng hạn như, ừm, thực ra có rất nhiều nội dung liên quan đến ChatGPT trong đó. Có rất nhiều—cái này là gì nhỉ? Ừ, Google Nano Banana, hiện đang rất hot trên mạng những ngày này. Và bạn chỉ cần xem những gì mọi người tạo ra và những gì đang có trên thị trường. Điều này cho bạn biết: “Ừ, đúng rồi, cơ bản là vậy.” Vậy là bạn biết ai tạo ra cái gì rồi, đúng không? 

Roman: Điều này thật thú vị, vì hóa ra anh thực sự là một chuyên gia thiết kế trò chơi, và giờ anh đã hoàn toàn đắm chìm vào khía cạnh sáng tạo này của trò chơi. Hoàn toàn đắm chìm. Cảm giác thế nào, Jakub?

Jakub: Ồ, thật tuyệt, cậu biết đấy. Tớ luôn có chút ám ảnh về chuyện này—nhưng nói lại, vấn đề lớn nhất là tớ không hiểu cái này hoạt động thế nào, và đối với tớ, đó chính là điều khiến tớ bứt rứt nhất, kiểu như, “Mình cần phải làm gì đó về chuyện này,” bởi vì mình không cảm thấy an toàn, hay nói cách khác là sao nhỉ? Mình không cảm thấy kiểm soát được tình hình nếu không hiểu nó hoạt động như thế nào.

Vì thế, điều đó như thể thúc đẩy tôi đi sâu vào “vòng xoáy” này và tìm hiểu về nó. Bởi vì, một lần nữa, nếu bạn không biết điều gì đó, ít nhất cũng nên hiểu nó hoạt động như thế nào. Bạn không cần phải trực tiếp làm điều đó, nhưng ít nhất cũng nên biết rằng có những lựa chọn như vậy. Bởi vì như thế, bạn sẽ không bị bỏ lại phía sau. Bạn sẽ không rơi vào tình huống mà khi ai đó nói với bạn điều gì đó, bạn không thể vạch trần sự dối trá của họ, và bạn cũng không biết liệu điều đó có phải là tốt nhất hay không, hay thậm chí họ có đang nói sự thật hay không, những chuyện như thế.

Vậy nên, một lần nữa, có thể nói AI đang phát triển với tốc độ chóng mặt trong thời gian gần đây, và đây là một trong những công nghệ quan trọng nhất trong cuộc sống của chúng ta hiện nay. Vậy tại sao không, bạn biết đấy, "một mũi tên trúng hai đích"? Một mặt, chúng ta cần điều này nhờ vào chuyên môn chuyên nghiệp trong ngành game. Mặt khác, tất nhiên, AI sẽ luôn hiện diện và nó sẽ thay đổi mọi thứ. Điều đó là chắc chắn.

Nhưng một lần nữa, lợi thế mà nó mang lại cho tôi lúc này là tôi biết, ví dụ như về mặt trò chơi—không, về mặt lối chơi—nó sẽ không thay đổi nhiều lắm. Có lẽ nó sẽ giúp một số tối ưu hóa, như ghép trận hay mấy thứ linh tinh khác, tôi cũng không rõ là gì. Nhưng chúng ta vẫn chưa đạt đến mức mà AI thực sự đóng vai trò then chốt trong các trò chơi — những trò chơi sẽ không thể hoạt động nếu thiếu khả năng AI. Chúng ta vẫn chưa chạm đến điểm ngoặt đó.

Nó không còn giống như trước đây nữa, ví dụ như vào năm, tôi cũng không nhớ rõ, 1999 hay gì đó, khi Doom 3D được phát hành. Bởi vì tính chất 3D của trò chơi đã cho phép bạn làm những điều mà bạn không thể làm được trong 2D. Chúng ta vẫn chưa đạt đến mức đó. Một lần nữa, tại sao? Bởi vì khi tìm hiểu về điều này, bạn sẽ nhận ra rằng: “Ồ, điều này không hợp lý. Nó thậm chí còn chưa thể lập trình đúng cách, toàn là những ảo tưởng.” 

Roman: Mọi thứ đều có mối liên hệ với nhau. Được rồi, Jakub, bài chia sẻ này thực sự rất sâu sắc. Tôi chắc chắn mọi người sẽ có rất nhiều câu hỏi. Tôi sẽ đề nghị mọi người để lại câu hỏi của mình trong phần bình luận. Chúng ta sẽ nhờ Jakub trả lời khi anh ấy rảnh. 

Còn điều gì muốn chia sẻ trước khi kết thúc không? Tất nhiên, chúng tôi sẽ để lại tất cả các liên kết trong phần mô tả dẫn đến kênh Two and a Half Gamers và những nội dung mà chúng tôi đã đề cập trong các video. Nhưng tôi cũng muốn Jakub nói vài lời, đặc biệt là vào thời điểm cuối năm. Jakub, anh có điều gì muốn chia sẻ trước khi kết thúc không?

Jakub: Ừ, ừ. Như tôi đã nói, nếu các bạn có bất kỳ câu hỏi, ý kiến hay nhận xét nào, hãy thoải mái để lại dưới video, hoặc các bạn có thể tham gia kênh Slack của Two and a Half Gamers. Kênh này cũng mở cửa cho tất cả mọi người để chia sẻ kiến thức và trao đổi với nhau.

Jakub: Ừ, tớ nghĩ là—như tớ đã nói, lời khuyên cuối cùng là: Hãy đi và học đi. Đừng chờ đến khi mà, cậu biết đấy, đã quá muộn để bắt kịp.

Roman: Nói hay lắm, nói hay lắm. Chúng ta sẽ kết thúc tại đây. Hãy nhấn nút “Thích” và đăng ký kênh nhé. Tôi chắc chắn các bạn đã thích tập này. Và cảm ơn rất nhiều, Jakub.

Jakub: Ừ, không sao đâu. Hẹn gặp lại ở đó nhé. Tạm biệt.

Roman: Tạm biệt.