Cách giữ nhân vật đồng nhất trong Veo 3 qua nhiều clip (2026)

Nếu bạn từng tạo được một clip Veo 3 dài 8 giây rất ưng ý, rồi thấy nhân vật chính ở cảnh sau biến thành một người hoàn toàn khác (mặt mới, áo khoác khác, kiểu tóc sai), bạn đã biết đây là nỗi đau lớn nhất khi làm phim bằng AI. "Làm sao giữ nhân vật đồng nhất giữa các clip Veo 3?" là câu hỏi phân biệt một clip viral đơn lẻ với một kênh, một chiến dịch quảng cáo hay một phim ngắn thực sự làm đi làm lại được.

Tin vui là Veo 3 dễ kiểm soát hơn nhiều so với vẻ ngoài. Hiện tượng nhân vật bị lệch diện mạo giữa các clip (character drift) không hề ngẫu nhiên: đó là hệ quả dễ đoán của những prompt thiếu chi tiết và của việc bỏ qua các công cụ giữ nhận dạng có sẵn trong mô hình. Bài viết này giới thiệu một quy trình hoàn chỉnh, lặp lại được để giữ nhân vật đồng nhất trong Veo 3: mẫu hồ sơ nhân vật (character bible) chỉ cần sao chép, quy trình dùng ảnh tham chiếu (tối đa 3 ảnh), cách nối chuỗi bằng Scene Builder và Frames-to-Video để mang nhận dạng sang cảnh sau, cùng cấu trúc prompt chính xác để nhân vật chính không bị biến dạng. Bạn có thể mở Veo 3 ở một tab khác và làm theo trong lúc đọc.

Vì sao nhân vật Veo 3 bị lệch giữa các clip

Muốn sửa lỗi lệch, trước hết bạn cần hiểu vì sao nó xảy ra. Với một clip, Veo 3 tạo toàn bộ khung hình cùng âm thanh gốc trong một lượt liền mạch, thường dài 4 hoặc 8 giây. Trong một clip như vậy, nhận dạng nhân vật cực kỳ vững vì mô hình không bao giờ "quên" thứ nó vừa vẽ cách đây nửa giây. Vấn đề bắt đầu ngay khi bạn yêu cầu clip thứ hai, vì mỗi lượt tạo mới đều bắt đầu từ con số không. Nếu không có điểm neo, mô hình sẽ diễn giải lại từ đầu cụm "một cô gái trẻ mặc áo khoác denim", và bản diễn giải đó không bao giờ khớp với lần trước.

Có 3 nguyên nhân gốc gây lệch, và mỗi nguyên nhân đều có cách xử lý trực tiếp:

1. Mô tả mơ hồ. "Một người đàn ông mặc vest" có thể được vẽ theo 10.000 cách khác nhau. Mô hình tự lấp chỗ trống bằng những chi tiết hợp lý nhưng ngẫu nhiên, và mức ngẫu nhiên ấy đổi sau mỗi lượt tạo.
2. Không có điểm neo hình ảnh. Chỉ dùng chữ thì không thể "đóng đinh" một khuôn mặt cụ thể. Không có ảnh tham chiếu hay khung hình nối tiếp từ cảnh quay trước, mô hình chẳng có gì cụ thể để bám theo.
3. Thứ tự prompt thay đổi. Veo 3 đặt trọng số cao nhất cho những phần đầu tiên của prompt. Nếu prompt này mở đầu bằng bối cảnh còn prompt sau mở đầu bằng nhân vật, bạn thực sự đã đảo thứ tự ưu tiên về thứ mô hình khóa trước.

Xử lý xong cả 3 điểm này, sự đồng nhất không còn phụ thuộc vào may rủi. Phần còn lại của bài là hệ thống giúp bạn làm đúng điều đó.

Cách 1: Xây dựng hồ sơ nhân vật (khóa bằng mô tả)

Công cụ đầu tiên và quan trọng nhất không tốn đồng nào, lại dùng được ở mọi cách truy cập Veo 3: Flow, ứng dụng Gemini hay API. Đó là hồ sơ nhân vật (character bible): một khối văn bản cố định, mô tả cực kỳ chi tiết nhân vật, và bạn dán nguyên văn, không đổi một chữ, vào mọi prompt có nhân vật đó xuất hiện.

Lỗi nhiều người mắc là mô tả nhân vật ở mức quá chung chung. Chỉ ghi "áo sơ mi xanh" là trao cho mô hình toàn quyền thay đổi. Thay vào đó, hãy nêu rõ form dáng, chất liệu, tình trạng và những chi tiết đặc trưng để gần như không còn gì cho mô hình tự ngẫu nhiên hóa. Dưới đây là mẫu chỉ cần sao chép và dán: hãy điền đủ mọi chỗ trong ngoặc vuông và đừng bao giờ đổi câu chữ giữa các cảnh quay:

NHÂN VẬT — [NAME]:
Một [man/woman] [age] tuổi, [ethnicity/skin tone], có [exact hair: length, color,
texture, parting], [face shape], [eye color], [distinguishing features: freckles, scar,
glasses style]. Mặc [garment: exact color name, material, fit, condition, e.g.
"faded indigo denim trucker jacket, slightly oversized, collar up"] bên ngoài [layer],
cùng [accessories: exact watch, ring, earrings]. Vóc dáng: [height/build]. Biểu cảm
mặc định: [neutral/warm/serious]. Giọng nói: [pitch, accent, pace].

Có 2 quy tắc để hồ sơ nhân vật phát huy tác dụng. Thứ nhất, dán nguyên văn mọi lần: chỉ cần đảo vị trí một tính từ cũng có thể làm kết quả lệch đi. Thứ hai, đặt khối nhân vật lên đầu prompt, trước bối cảnh và hành động, vì Veo 3 neo chặt nhất vào những token đầu tiên. Hãy mở đầu bằng ai, rồi mới tả ở đâu và họ làm gì. Muốn tìm hiểu thêm về thứ tự và trọng số trong prompt, xem hướng dẫn kỹ thuật viết prompt cho Veo 3 của chúng tôi.

Để giữ hồ sơ nhân vật đồng nhất trong cả dự án, cách đơn giản là lưu nó dưới dạng dữ liệu có cấu trúc. Nếu bạn tạo hàng loạt, một cấu trúc prompt JSON cho phép khóa cố định các trường subject, wardrobe và voice, chỉ thay đổi các khóa action và camera ở từng cảnh quay. Đây là cách gọn nhất để chắc chắn khối nhận dạng nhân vật không vô tình bị đổi.

Cách 2: Khóa khuôn mặt bằng ảnh tham chiếu

Chỉ dùng chữ, bạn đi được khoảng 80% quãng đường; ảnh tham chiếu lấp nốt khoảng cách để có một khuôn mặt cụ thể, lặp lại được. Quy trình dùng ảnh làm đầu vào (image conditioning) của Veo 3 hỗ trợ tối đa 3 ảnh tham chiếu cho một người, một nhân vật hoặc một sản phẩm, và mô hình dùng chúng để giữ nguyên ngoại hình qua các lượt tạo. Đây là cách đáng tin cậy nhất để giữ một nhận dạng thật, dễ nhận ra.

Cách dùng ảnh tham chiếu hiệu quả:

• Dùng ảnh chân dung chính diện, rõ nét, đủ sáng làm ảnh tham chiếu chính. Tránh bóng đổ gắt, kính râm hoặc góc chụp quá lệch: mô hình chỉ giữ lại được những gì nó nhìn thấy rõ.
• Thêm tối đa 2 góc phụ (góc ba phần tư và góc nghiêng) khi nhân vật cần quay người hoặc di chuyển trong không gian. 3 ảnh nhất quán với nhau hiệu quả hơn 1 ảnh dùng theo 3 kiểu.
• Để ảnh tham chiếu và mô tả khớp nhau. Nếu hồ sơ ghi "tóc bob ngắn màu vàng" mà ảnh lại là mái tóc dài màu nâu, bạn đã tạo ra một mâu thuẫn mà mô hình sẽ xử lý theo cách khó đoán. Hãy làm cho hai thứ trùng khớp.
• Với sản phẩm hoặc linh vật, quy tắc 3 ảnh vẫn áp dụng: đưa vào các ảnh chụp rõ nét của vật thể và mô tả nó trong hồ sơ.

Muốn xem hướng dẫn đầy đủ về cách đưa ảnh tĩnh vào Veo 3, kể cả biến một tấm ảnh thành cảnh quay chuyển động, hãy đọc kèm quy trình dùng ảnh tham chiếu trong Veo 3 và hướng dẫn tạo video từ ảnh. Ảnh tham chiếu kết hợp với một hồ sơ nhân vật chặt chẽ là bộ đôi mà các nhà sáng tạo nội dung chuyên nghiệp vẫn dựa vào.

Cách 3: Nối chuỗi cảnh quay để giữ nguyên nhận dạng nhân vật

Hai cách trên giữ nhân vật đồng nhất khi bạn tạo từng clip độc lập. Nhưng mức đồng nhất mạnh nhất đến từ việc nối chuỗi (chaining), khi mỗi clip mới thừa hưởng trực tiếp trạng thái hình ảnh của clip trước. Veo 3 và giao diện Flow cung cấp 3 công cụ để nối chuỗi.

Extend / Add to Scene trong Scene Builder. Trong Scene Builder của Flow, hai tính năng Extend và Add to Scene tiếp nối từ clip có sẵn, lấy những khung hình cuối làm ngữ cảnh hình ảnh cho lượt tạo tiếp theo. Vì mô hình "nhìn thấy" chính xác nhân vật trông thế nào ngay trước đó, tình trạng lệch giảm mạnh. Đây là cách nên dùng cho hành động liên tục: nhân vật đi bộ, nói chuyện hoặc di chuyển trong cùng một không gian. Các bước thao tác chi tiết có trong hướng dẫn kéo dài video quá 8 giây của chúng tôi.

Frames-to-Video (khung hình đầu/cuối). Muốn kiểm soát chính xác hơn, hãy dùng Frames-to-Video: bạn đưa vào một khung hình bắt đầu (và có thể thêm khung hình kết thúc), Veo 3 sẽ tạo chuyển động ở giữa. Xuất khung hình cuối sạch nhất của clip này, dùng nó làm khung hình đầu của clip kế tiếp, và ngoại hình chính xác của nhân vật (khuôn mặt, trang phục, ánh sáng) sẽ sang clip sau gần như không lệch. Đây là kỹ thuật đáng tin cậy nhất cho chuỗi nhiều cảnh quay mà nhân vật phải giữ nguyên.

Quy trình storyboard cho video dài. Khi ghép nhiều cảnh quay thành một mạch truyện, hãy lên kế hoạch cho cả chuỗi trước khi tạo để hồ sơ nhân vật và các khung hình nối tiếp luôn khớp nhau từ đầu đến cuối. Quy trình storyboard cho video dài của chúng tôi hướng dẫn cách cấu trúc một dự án nhiều phân cảnh để sự đồng nhất vẫn vững suốt một video dài 60 giây hay 2 phút.

Một quy tắc thực tế: dùng mô tả + ảnh tham chiếu cho những cảnh quay tách biệt về hình ảnh (khác địa điểm, nhảy cóc thời gian), và dùng nối chuỗi cho những cảnh cần liền mạch. Phần lớn dự án thực tế kết hợp cả hai.

Cách 4: Giữ ống kính, ánh sáng và seed ổn định

Ngay cả khi đã khóa nhận dạng, nhân vật vẫn có thể cho cảm giác như một người khác nếu thế giới xung quanh thay đổi. Có hai yếu tố hay bị bỏ sót:

• Giữ nguyên cách mô tả máy quay và ánh sáng. Nếu cảnh quay đầu ghi "quay bằng ống kính 35mm, ánh sáng cửa sổ dịu từ bên trái", hãy giữ đúng cách diễn đạt đó ở mọi cảnh quay, trừ khi bạn chủ ý muốn thay đổi. Một ống kính hay hướng sáng mới sẽ vẽ lại màu da, cảm nhận về dáng khuôn mặt và không khí của cảnh. Xem hướng dẫn prompt điều khiển máy quay để có bộ từ vựng ổn định.
• Dùng lại seed nếu công cụ cho phép. Seed cố định giúp các lựa chọn ngẫu nhiên của mô hình lặp lại được, nên khi chạy lại một prompt với chỉnh sửa nhỏ, diện mạo nền vẫn giữ nguyên thay vì ra một người hoàn toàn mới.
• Dùng negative prompt (prompt loại trừ) để rào chắn hiện tượng lệch. Những cụm như "không đổi trang phục, không làm nhân vật già đi, không thêm phụ kiện mới" chủ động chặn các biến thể gây lệch. Hướng dẫn negative prompt của chúng tôi liệt kê những ràng buộc hiệu quả nhất.

Giữ cả giọng nói đồng nhất

Đồng nhất về hình ảnh mới chỉ là một nửa cuộc chiến. Veo 3 tạo cả âm thanh gốc đi kèm video, kể cả lời thoại, nên nhân vật cũng có thể bị lệch về giọng. Khuôn mặt đồng nhất mà mỗi clip lại một giọng khác thì người xem sẽ mất nhập tâm ngay lập tức.

Hãy khóa giọng nói theo đúng cách bạn khóa khuôn mặt: thêm một mô tả giọng cố định vào hồ sơ nhân vật ("giọng nữ ấm, tông trung, giọng Anh nhẹ, nhịp nói đều và chừng mực") rồi dán vào mọi prompt. Khi viết lời thoại, hãy giữ phong cách nói và nhịp điệu đồng nhất, đồng thời mô tả cách thể hiện ("điềm tĩnh, trấn an") thay vì phó mặc sắc thái cho may rủi. Cách kiểm soát lời thoại và âm thanh đầy đủ nằm trong hướng dẫn prompt âm thanh gốc của chúng tôi.

Quy trình hoàn chỉnh cho nhiều clip, từng bước

Dưới đây là cách 4 phương pháp trên phối hợp để tạo một phân cảnh gồm 3 cảnh quay với cùng một nhân vật đồng nhất:

1. Viết hồ sơ nhân vật. Điền mẫu ở trên với chi tiết cực kỳ cụ thể. Lưu vào một tệp văn bản để dán lại mỗi khi cần.
2. Tạo hoặc chọn ảnh chân dung tham chiếu. Dùng một ảnh chính diện, rõ nét của nhân vật. Nếu bạn bắt đầu từ văn bản, hãy tạo trước một cảnh thiết lập thật tốt, rồi xuất một khung hình làm ảnh tham chiếu.
3. Cảnh quay 1: thiết lập. Thứ tự prompt: hồ sơ nhân vật trước, rồi đến bối cảnh, hành động, cuối cùng là máy quay và ánh sáng. Tạo, xem lại và chọn bản quay sạch nhất.
4. Cảnh quay 2: nối tiếp. Xuất khung hình cuối sạch nhất của cảnh quay 1. Đưa nó vào qua Frames-to-Video hoặc Extend của Scene Builder làm điểm bắt đầu. Dán đúng hồ sơ nhân vật cũ, chỉ đổi hành động và máy quay. Tạo video.
5. Cảnh quay 3: góc mới. Dùng lại cùng ảnh tham chiếu và hồ sơ nhân vật, giữ nguyên cách diễn đạt về ống kính và ánh sáng, chỉ đổi những gì bắt buộc phải đổi. Thêm một negative prompt để chặn thay đổi về trang phục và nhận dạng.
6. Ghép và kiểm tra. Xem cả 3 clip cạnh nhau để so khuôn mặt, trang phục và giọng nói. Cảnh quay nào bị lệch thì tạo lại bằng chính các điểm neo đó, không bao giờ viết lại hồ sơ nhân vật.

Làm theo vòng lặp này, một nhân vật sẽ giữ được sự đồng nhất qua bao nhiêu clip tùy bạn cần. Cùng hệ thống này mở rộng được cho chiến dịch quảng cáo, kênh không lộ mặt và phim ngắn.

Ví dụ thực tế: hồ sơ nhân vật đã điền và prompt cho 3 cảnh quay

Lý thuyết dễ áp dụng hơn khi bạn thấy nó được điền sẵn. Đây là một ví dụ hoàn chỉnh, có thể chỉnh sửa ngay, cho nhân vật người dẫn chương trình xuất hiện lặp lại trên một kênh giải thích kiểu không lộ mặt. Lưu ý khối nhân vật giống hệt nhau và luôn đứng đầu trong cả 3 prompt: chỉ hành động, máy quay và bối cảnh thay đổi.

Hồ sơ nhân vật (dán nguyên văn, không chỉnh sửa, mọi lần):

NHÂN VẬT — MAYA:
Một phụ nữ Đông Á 29 tuổi, tóc bob đen thẳng mượt ngang vai, rẽ ngôi giữa, mắt
hạnh nhân nâu sẫm, làn da sáng ấm, có một nốt ruồi nhỏ dưới mắt trái và đeo khuyên
tai vòng vàng mảnh. Mặc áo blazer len màu kem phom đứng bên ngoài áo thun trắng
trơn, đeo dây chuyền vàng mảnh. Vóc dáng mảnh mai, cao 5'7". Biểu cảm mặc định:
điềm tĩnh, dễ gần. Giọng nói: giọng nữ ấm, tông trung, giọng Mỹ trung tính, nhịp
nói đều và rõ ràng.

Cảnh quay 1: thiết lập (tạo video từ văn bản):

NHÂN VẬT — MAYA: [paste full bible]. Cô đứng trong một studio tối giản sáng sủa với phông nền xám dịu, nhìn thẳng vào máy quay và khẽ gật đầu chào. Quay bằng ống kính 35mm, ánh sáng cửa sổ dịu từ bên trái, độ sâu trường ảnh nông. Cô nói, giọng điềm tĩnh: "Chúng ta cùng phân tích nhé."

Cảnh quay 2: nối tiếp (Frames-to-Video, lấy khung hình cuối của cảnh quay 1 làm khung hình đầu):

NHÂN VẬT — MAYA: [paste full bible]. Cùng studio, cùng phông nền xám. Cô hơi xoay người, đưa tay về phía khoảng trống bên phải như đang giới thiệu một đồ họa. Quay bằng ống kính 35mm, ánh sáng cửa sổ dịu từ bên trái, độ sâu trường ảnh nông. Loại trừ: không đổi trang phục, tóc hay khuôn mặt; không thêm phụ kiện mới.

Cảnh quay 3: góc mới (ảnh tham chiếu + hồ sơ nhân vật):

NHÂN VẬT — MAYA: [paste full bible]. Trung cận cảnh từ góc ba phần tư, cùng studio và ánh sáng. Cô mỉm cười ấm áp và nói, vẫn bằng giọng đó: "Nó hoạt động như thế đấy." Quay bằng ống kính 35mm, ánh sáng cửa sổ dịu từ bên trái, độ sâu trường ảnh nông.

Vì hồ sơ nhân vật cùng cách diễn đạt về ống kính và ánh sáng giống hệt nhau đến từng ký tự, còn cảnh quay 2 thừa hưởng khung hình cuối của cảnh quay 1, Maya vẫn là cùng một người, dễ nhận ra qua cả 3 clip. Muốn đổi bối cảnh mà vẫn giữ nguyên cô, chỉ thay câu mô tả cảnh và để mọi thứ khác nguyên vẹn.

Nhiều nhân vật trong cùng một cảnh

Từ 2 nhân vật trở lên làm bài toán khó gấp bội, vì mô hình có thể hoán đổi đặc điểm của họ. Cách xử lý:

• Cho mỗi nhân vật một hồ sơ riêng, gắn nhãn rõ ràng (NHÂN VẬT A, NHÂN VẬT B) cùng ảnh tham chiếu riêng.
• Mô tả vị trí trong không gian ("người phụ nữ bên trái, người đàn ông bên phải") để mô hình gán đúng nhận dạng cho đúng người.
• Giữ nguyên văn cả hai hồ sơ trong mọi cảnh quay chung. Bỏ chi tiết của một nhân vật khỏi prompt là cách nhanh nhất khiến nhân vật đó biến dạng.
• Hạn chế tạo cảnh quay có 2 nhân vật chung khung hình và ưu tiên nối chuỗi, vì càng nhiều nhân vật chung một khung hình, mô hình càng phải xoay xở với nhiều điểm neo.

Những lỗi khiến nhân vật bị lệch

• Sửa hồ sơ nhân vật giữa các cảnh quay. Chỉ đổi vài chữ cũng đủ khiến diện mạo bị tạo lại. Hãy khóa nó rồi dán.
• Mở đầu bằng bối cảnh. Đặt địa điểm hay hành động trước nhân vật làm nhận dạng bị hạ thứ tự ưu tiên. Luôn đặt nhân vật lên đầu.
• Ảnh tham chiếu và văn bản mâu thuẫn. Ảnh và mô tả phải khớp nhau.
• Vô tình đổi ống kính hoặc ánh sáng. Chỉ một cụm từ máy quay mới cũng âm thầm vẽ lại khuôn mặt.
• Bỏ qua khung hình nối tiếp. Với hành động liên tục, các lượt tạo độc lập luôn lệch nhiều hơn các lượt nối chuỗi.
• Bỏ quên giọng nói. Khuôn mặt đồng nhất mà giọng nói không đồng nhất vẫn phá hỏng ảo giác.

Dùng thử miễn phí

Cách nhanh nhất để thấm hệ thống này là tự chạy một bài thử 3 cảnh quay: viết 1 hồ sơ nhân vật, khóa 1 ảnh tham chiếu và nối 3 clip. Bạn có thể bắt đầu tạo video với Veo 3 ngay bây giờ và áp dụng quy trình ở trên. Nếu mới làm quen với mô hình, hãy bắt đầu từ hướng dẫn Veo 3 cho người mới, sau đó bổ sung tạo video từ ảnh và kéo dài video quá 8 giây để dựng những phân cảnh hoàn chỉnh.

Câu hỏi thường gặp

Veo 3 có giữ được đúng một khuôn mặt qua nhiều video không? Có. Cách đáng tin cậy nhất là kết hợp hồ sơ nhân vật chi tiết với tối đa 3 ảnh tham chiếu của cùng một người, đồng thời nối các cảnh quay bằng Frames-to-Video hoặc Scene Builder để mỗi clip thừa hưởng ngoại hình của clip trước. Chỉ dùng chữ thì bạn đạt gần đúng; ảnh tham chiếu và việc nối chuỗi mới khóa được khuôn mặt.

Dùng được tối đa bao nhiêu ảnh tham chiếu trong Veo 3? Quy trình dùng ảnh làm đầu vào của Veo 3 hỗ trợ tối đa 3 ảnh tham chiếu cho một người, một nhân vật hoặc một sản phẩm. Hãy dùng ảnh chân dung chính diện, rõ nét làm ảnh chính và thêm các góc phụ khi nhân vật cần quay người hoặc di chuyển.

Vì sao nhân vật thay đổi giữa các clip? Mỗi lượt tạo của Veo 3 bắt đầu lại từ đầu, nên nếu không có điểm neo, mô hình sẽ tự nghĩ lại những chi tiết chưa được mô tả rõ. 3 nguyên nhân thường gặp là mô tả mơ hồ, không có tham chiếu hình ảnh và thay đổi thứ tự prompt. Hãy khóa hồ sơ nhân vật, thêm ảnh tham chiếu và đặt nhân vật lên đầu.

Thứ tự prompt có ảnh hưởng đến độ đồng nhất của nhân vật không? Có. Veo 3 đặt trọng số cao nhất cho những phần đầu của prompt, nên mở đầu bằng khối nhân vật trước bối cảnh và hành động sẽ neo nhận dạng chắc hơn so với việc để nó chìm ở cuối.

Làm sao giữ giọng nói của nhân vật đồng nhất? Thêm một mô tả giọng cố định (cao độ, giọng vùng miền, tốc độ) vào hồ sơ nhân vật và dán vào mọi prompt, đồng thời mô tả cách thể hiện từng câu thay vì phó mặc sắc thái cho may rủi. Veo 3 tạo âm thanh gốc, nên giọng nói cũng bị lệch giống như khuôn mặt nếu bạn không khóa nó.

Có thể giữ 2 nhân vật đồng nhất trong cùng một cảnh không? Có, nhưng hãy cho mỗi nhân vật một hồ sơ có gắn nhãn và một ảnh tham chiếu riêng, mô tả vị trí của họ trong không gian để mô hình gán đúng đặc điểm, và giữ nguyên văn cả hai mô tả trong mọi cảnh quay chung. Hãy nghiêng về nối chuỗi thay vì tạo lại các cảnh quay 2 nhân vật từ đầu.