A-Ting (nhân vật minh hoạ, một nhân viên marketing phụ trách quảng cáo mạng xã hội cho một thương hiệu thiết bị gia dụng nhỏ — không phải khách hàng thực) mở bảng theo dõi lượng sử dụng trên nền tảng tạo video AI vào cuối tháng. Cột credit hiện màu đỏ. Tháng này anh chỉ làm ba video sản phẩm 15 giây, nhưng đã đốt hết một nửa số credit dự tính cho mười video. Sếp anh hỏi trong nhóm chat: “Mấy video này phải quay lại bao nhiều lần vậy?” Anh biết câu trả lời, nhưng chẳng muốn nói ra.

Vòng một: Anh giao cho AI một cảnh đấu kiếm, và những thanh kiếm biến mất

Video đầu tiên của A-Ting là một cảnh quảng cáo hành động — hai nhân vật trong một trận đấu đầy căng thẳng. Prompt của anh rất bản năng: “Hai chiến binh đang chiến đấu, kịch tính, hào hùng, điện ảnh, chất lượng cao.” Đó là cách anh luôn viết caption và tiêu đề bài đăng — thêm vài “tính từ nghe có vẻ hoành tráng” và tin rằng nó sẽ hiệu quả.

Kết quả khiến anh sững lại: thanh kiếm biến mất trong phần lớn trận đấu, rồi bất ngờ xuất hiện trở lại, động tác thì cứng và không tự nhiên. Lúc đó anh mới nhận ra rằng những từ như “kịch tính”, “điện ảnh” nghe có vẻ nặng ký, nhưng thực ra chỉ là những từ diễn tả cảm xúc/không khí — chúng mô tả một cảm giác chung mà không cho AI biết chính xác điều gì phải xảy ra trên màn hình, vũ khí trông ra sao, hay phải vung như thế nào. Vì vậy mô hình phải tự đoán. Và mỗi lần đoán sai là một credit bị mất.

A-Ting làm điều mà hầu hết mọi người làm sau lần thất bại đầu tiên: thêm một từ, đổi “chiến đấu” thành “hai chiến binh chiến đấu bằng kiếm”. Vũ khí lần này xuất hiện, nhưng động tác vẫn không tự nhiên và máy quay không có bất kỳ thiết kế nào — vì anh vẫn chỉ mô tả cái gì có trong khung hình, không mô tả cảnh đó nên được quay như thế nào.

Vòng hai: Đổi sang phong cách khác, nhưng vấn đề vẫn vậy — phong cách bị trôi

Với video thứ hai, A-Ting muốn làm một clip phong cách anime. Lần này anh nghĩ mình đã học được bài học và viết một mô tả cụ thể hơn — một cô gái đang ăn mì ở một quán ven biển, ấm cúng và hoài niệm. Phong cách anime hiện ra khá tốt, nhưng toàn bộ mười giây chỉ là một khung hình tĩnh: cô gái giữ nguyên một dáng suốt cả đoạn. Video có cảm giác đơn điệu và nhàm chán.

Anh nhận ra rằng mô tả rõ “trong hình có gì” vẫn chưa đủ — các video theo phong cách dễ hỏng ở một điểm khác: không phải “trong hình có gì” mà là “các cảnh chuyển tiếp với nhau ra sao” và “phong cách có giữ được nhất quán suốt video hay không”. Đây là cùng một nguyên nhân gốc như Vòng một, chỉ biểu hiện khác đi: prompt chỉ mô tả một hình ảnh tĩnh, mà không cho mô hình biết cảnh này cần bao nhiêu cảnh quay và chúng nên nối với nhau ra sao.

Vòng ba: Cách dễ nhất làm hỏng video sản phẩm là ánh sáng tệ

Video thứ ba mới là video thực sự quan trọng — một quảng cáo sản phẩm thật cho một mẫu giày sneaker mới, dự định đăng thẳng lên chạy quảng cáo trả phí. A-Ting dùng cách viết quảng cáo sản phẩm phổ biến nhất: “Giày sneaker xoay trên bệ, video sản phẩm studio sạch, ánh sáng nhẹ, cảm giác cao cấp.” Kết quả là vòng xoay bị lệch, các cú cắt gượng gạo, và trông rõ ràng là “do AI tạo ra” — đúng thứ anh không muốn sếp nhìn thấy nhất, vì video này lẽ ra phải chạy quảng cáo thật.

Đến lúc này, A-Ting mới ghép ba lần thất bại lại thành một bài học duy nhất: mỗi prompt của anh chỉ cho biết trong khung hình có gì (chủ thể), nhưng chưa bao giờ cho biết video này nên được quay như thế nào — loại cảnh, cách di chuyển máy quay, tốc độ, cách chiếu sáng, tông phong cách. Anh không nhắc đến bất kỳ điều nào trong số đó. Vì vậy mô hình phải tự bịa ra một phiên bản, đoán sai, và đốt một lần tạo lại thực sự phải trả tiền.

Bước ngoặt: Không phải do công cụ — mà do prompt thiếu mất một nửa

A-Ting từng nghĩ rằng nền tảng hoặc mô hình “chưa đủ thông minh”, đó là lý do anh phải thử lại liên tục. Nhưng khi bóc tách prompt của mình ra từng phần, anh mới phát hiện một prompt thực sự đạt yêu cầu cần có sáu yếu tố: chủ thể (quay cái gì), hành động (đang làm gì), loại cảnh, cách di chuyển máy quay, tốc độ, và ánh sáng/phong cách — cộng thêm một thứ mà gần như ai cũng bỏ qua: negative prompt, tức là danh sách những vấn đề cụ thể mà bạn đã gặp trước đó (vũ khí biến mất, cảnh tĩnh, vòng xoay bị lệch), được viết trước để báo cho mô hình biết không lặp lại.

Dùng cùng khung hình khởi đầu và cùng thiết lập, anh chỉ đổi prompt sang phiên bản đầy đủ sáu yếu tố — và kết quả đạt ngay lần đầu: cảnh đấu kiếm chuyển động mượt với máy quay có thiết kế; clip anime cắt qua nhiều cảnh với phong cách nhất quán; quảng cáo giày sneaker có ánh sáng bao quanh sản phẩm gọn gàng, các cú cắt theo đúng nhịp. Ba lần thử, ba kiểu lỗi hoàn toàn khác nhau (động tác, phong cách, ánh sáng), nhưng cách sửa luôn là một: đổi những từ diễn tả cảm xúc thành cấu trúc cụ thể.

Đây có phải cùng một logic với việc tiết kiệm AI Token không?

Thứ A-Ting đốt là credit tạo video. Nếu bạn chủ yếu dùng AI dạng văn bản — viết nội dung, viết code, chạy chat hỗ trợ khách hàng — thứ bạn đốt là AI Token mà một công cụ như AI Token King tính toán và hiển thị cho bạn. Đơn vị tính phí khác nhau, nhưng nguyên nhân gốc gây lãng phí tiền là như nhau: một yêu cầu mơ hồ buộc mô hình phải đoán, đoán sai nghĩa là phải chạy lại, và chạy lại luôn tốn tiền một lần nữa. Việc phải thử lại nhiều lần do yêu cầu không rõ ràng là một trong những chi phí ẩn dễ bị bỏ qua nhất khi dùng AI, bất kể đó là sản phẩm tạo video hay mô hình văn bản.

(Lưu ý làm rõ: credit của Higgsfield là hạn mức tạo video, còn AI Token mà AI Token King tính toán là mức sử dụng mô hình văn bản — đây là hai đơn vị tính phí khác nhau. Bài viết này chỉ mượn cùng một nguyên lý tiết kiệm, không nói rằng hai loại này có cách tính giá giống nhau.)

Kết: Trước khi gõ bất kỳ prompt nào, giờ đây A-Ting tự hỏi mình sáu câu

Sau sự việc bảng theo dõi cuối tháng đó, A-Ting hình thành một thói quen: trước khi tạo bất kỳ nội dung AI nào, anh lướt qua trong đầu (hoặc trong ghi chú) sáu yếu tố — quay cái gì, đang làm gì, loại cảnh nào, di chuyển máy quay ra sao, tốc độ bao nhiêu, ánh sáng và phong cách như thế nào — rồi thêm một câu về những gì không nên xuất hiện. Anh không còn “tạo trước, sửa sau” nữa, mà đổi chi phí của việc đoán mò bằng năm phút suy nghĩ trước.

Tháng sau, cột đó trên bảng theo dõi của anh cuối cùng không còn màu đỏ nữa.

Câu hỏi thường gặp

Vì sao thêm những từ như “điện ảnh” hay “hào hùng” không sửa được một kết quả tạo ra tệ?

Vì đó là những từ diễn tả cảm xúc/không khí — chỉ mô tả cảm giác chung, không mô tả hành động hay cách quay thực sự diễn ra trong khung hình. Mô hình vẫn phải tự đoán chi tiết cụ thể, và thêm nhiều tính từ hơn không làm giảm khả năng đoán sai.

Một prompt đạt yêu cầu nên gồm sáu yếu tố nào?

Chủ thể (quay cái gì), hành động (đang làm gì), loại cảnh, cách di chuyển máy quay (máy quay di chuyển thế nào), tốc độ, và tông ánh sáng/phong cách — cộng thêm một negative prompt để loại trừ trước những điểm lỗi đã biết.

Negative prompt có thực sự hữu ích không, hay chỉ là công việc thừa?

Có hữu ích, và đây là yếu tố bị bỏ qua nhiều nhất. Vai trò của nó không phải là thêm nội dung, mà là liệt kê rõ những vấn đề cụ thể bạn đã gặp ở các lần thử trước và báo cho mô hình biết trước để không lặp lại, điều này trực tiếp giảm khả năng phải tạo lại một cách lãng phí.

Video hành động, video phong cách và video sản phẩm có cần cùng mức độ chi tiết trong prompt không?

Không hoàn toàn giống nhau. Clip hành động thường hỏng nhất vì cách di chuyển máy quay và tốc độ chưa rõ (động tác càng lớn, mô hình càng dễ mất tính nhất quán); clip theo phong cách thường hỏng nhất vì cách chuyển cảnh và độ ổn định phong cách chưa rõ; clip sản phẩm thường hỏng nhất vì ánh sáng và phản chiếu chưa rõ — ba kiểu lỗi mà bài viết này đề cập tương ứng chính xác với ba loại video đó.

Bài viết này nói về credit tạo video — có giống với Token mà AI Token King tính toán không?

Không, đây là hai đơn vị tính phí khác nhau. Credit của một nền tảng video thường là “trừ một lần mỗi lần tạo”, còn AI Token mà AI Token King tính toán là tính phí theo mức sử dụng của mô hình văn bản (độ dài đầu vào/đầu ra). Hai sản phẩm khác nhau, cơ chế giá khác nhau — điều bài viết này mượn là cùng một nguyên lý cơ bản: prompt không đủ chính xác buộc mô hình phải đoán, đoán sai nghĩa là phải chạy lại, và chạy lại luôn tốn tiền.

Ghi chú nguồn

Bài viết này được biên soạn lại từ video do kênh YouTube Youri van Hofwegen đăng ngày 11 tháng 7 năm 2026, “STOP Wasting Credits & Master Prompt Engineering in 12 Minutes”, được tổ chức lại và viết lại, không dịch nguyên văn, đồng thời loại bỏ giọng điệu ra lệnh, phóng đại của tiêu đề gốc (“STOP”, “Master... in 12 Minutes”). “A-Ting” trong bài viết này là nhân vật minh hoạ nhằm mục đích giải thích, không phải khách hàng thực. Các mô tả về nền tảng bên thứ ba được nhắc đến ở đây (Higgsfield, C-Dance, video prompt.studio) phản ánh phiên bản được thể hiện trong video gốc vào thời điểm đăng tải; nếu trải nghiệm thực tế của bạn khác, hãy tham khảo tài liệu chính thức của từng nền tảng. Bài viết này không phải là sự chứng thực hay bảo đảm cho bất kỳ nền tảng bên thứ ba nào.

Hành động ngay

Cho dù bạn đang đốt credit tạo video hay Token của mô hình văn bản, gốc rễ của sự lãng phí thường là cùng một điều: không biết chính xác yêu cầu và mức sử dụng của mình thực sự đi về đâu. Dùng thử AI Token King miễn phí, biến một hoá đơn mơ hồ thành bảng theo dõi sử dụng mà bạn thực sự hiểu được — để suy nghĩ kỹ trước lần tạo lại tiếp theo, thay vì hối hận sau khi đã trả tiền.