Tạo video từ văn bản: viết một cảnh, nhận một clip video
Tạo video từ văn bản biến một đoạn mô tả thành clip video. Trong công cụ video của shuut, bạn có thể bắt đầu chỉ với văn bản, không cần ảnh hay cảnh quay.
Trong shuut có nhiều mô hình tạo video từ văn bản. Chúng khác nhau ở việc có nói lời thoại của bạn không, xử lý âm thanh thế nào và một clip dài được bao lâu.
Mô hình cho mục đích này
| Mô hình | Nhà phát triển | Giá | Giá thấp nhất | Thời lượng |
|---|---|---|---|---|
| Seedance 2.5 | ByteDance | 26 credit mỗi giây | 12 credit mỗi giây | 4-30 giây |
| Veo 3.1 | 44 credit mỗi giây | 22 credit mỗi giây | 4 giây, 6 giây và 8 giây | |
| Kling 4.0 | Kuaishou | 18 credit mỗi giây | 18 credit mỗi giây | 3-30 giây |
| Seedance 2.0 | ByteDance | 17 credit mỗi giây | 8 credit mỗi giây | 4-15 giây |
| MiniMax H3 | MiniMax | 10 credit mỗi giây | 10 credit mỗi giây | 4-15 giây |
| Wan 3.0 | Alibaba | 11 credit mỗi giây | 6 credit mỗi giây | 2-30 giây |
| Grok Imagine Video 1.5 | xAI | 16 credit mỗi giây | 9 credit mỗi giây | 1-15 giây |
| Omni 1.2 Flash | 8 credit mỗi giây | 3 credit mỗi giây | 3-15 giây | |
| HappyHorse 1.1 | Alibaba | 16 credit mỗi giây | 8 credit mỗi giây | 3-15 giây |
Giá tính bằng credit (1 credit = 0,01 USD) và được trừ vào số dư shuut của bạn mỗi lần sử dụng. Bạn sẽ thấy giá chính xác trước mỗi lần tạo.
Cách tạo video từ văn bản trong shuut
Mở công cụ video và chọn một mô hình trong danh sách.
Mô tả cảnh trong câu lệnh: ai xuất hiện, diễn ra ở đâu, cái gì chuyển động và máy quay di chuyển ra sao.
Để nhân vật nói, hãy đặt câu thoại trong dấu ngoặc kép và chọn mô hình biết nói câu thoại trong ngoặc kép.
Với mô hình có nút bật âm thanh, hãy bật hoặc tắt âm thanh trước khi nhấn “Tạo”.
Nếu cần nhiều cảnh quay, Director Studio sẽ biến phần mô tả cảnh thành storyboard rồi thành phim.
Mô hình nào tạo video từ văn bản và khác nhau thế nào
Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast và Omni 1.2 Flash nói các câu thoại bạn đặt trong dấu ngoặc kép.
Kling 4.0 (do Kuaishou phát triển), Grok Imagine Video 1.5, HappyHorse 1.1, Omni 1.2 Flash, MiniMax H3 Highspeed và H3 Lite luôn thêm âm thanh vào clip.
Seedance, Veo 3.1 và Wan 3.0 cho bạn chọn clip có âm thanh hay không. Bản thân MiniMax H3 tạo video không tiếng.
Seedance 2.5, Kling 4.0 và Wan 3.0 có thể tạo một clip dài, nên hợp với những cảnh cần nhiều thời gian hơn.
Veo 3.1 là mô hình video của Google. Veo 3.1 là bản Veo có chất lượng cao nhất, ở 1080p, có lời thoại và âm thanh môi trường. Veo 3.1 Fast nhanh hơn, rẻ hơn và vẫn tạo được lời thoại cùng hiệu ứng âm thanh.
Seedance 2.5 do ByteDance phát triển, lên tới 1080p. Seedance 2.5 Flash nhanh hơn, rẻ hơn, ở 480p và 720p.
Mẹo viết câu lệnh tạo video từ văn bản
Viết lời thoại đúng như cách bạn muốn nghe, đặt trong dấu ngoặc kép.
Seedance 2.5 cũng nói được câu thoại tiếng Hàn.
Nếu muốn clip không tiếng, hãy chọn MiniMax H3, hoặc tắt âm thanh trên Seedance, Veo 3.1 hay Wan 3.0.
Xem cột “Thời lượng” trong bảng trên trang này trước khi chọn mô hình cho cảnh dài hơn.
Seedance 2.5 và Veo 3.1 cũng nhận cảnh đầu và cảnh cuối, nếu sau này bạn muốn điều khiển clip bằng ảnh.
Nếu video có người thật, hãy kiểm tra xem nơi bạn đăng có yêu cầu nhãn nội dung do AI tạo không.
Cách tạo clip video từ văn bản trong shuut
- Mở công cụ video trong shuut.
- Chọn một mô hình, ví dụ Seedance 2.5, Kling 4.0 hoặc Veo 3.1.
- Mô tả cảnh và đặt các câu thoại trong dấu ngoặc kép.
- Bật hoặc tắt âm thanh nếu mô hình có lựa chọn này.
- Nhấn “Tạo” để nhận clip video.
Câu hỏi thường gặp
- Mô hình tạo video từ văn bản nào nói được lời thoại của tôi?
- Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast và Omni 1.2 Flash nói các câu thoại bạn đặt trong dấu ngoặc kép. Seedance 2.5 cũng nói được tiếng Hàn.
- Clip tạo từ văn bản dài được bao lâu?
- Thời lượng clip của từng mô hình có trong cột “Thời lượng” của bảng trên trang này. Seedance 2.5, Kling 4.0 và Wan 3.0 tạo được clip đơn dài nhất.
- Veo 3.1 hay Veo 3.1 Fast: bản nào hợp với clip của tôi?
- Veo 3.1 là bản Veo có chất lượng cao nhất, ở 1080p, có lời thoại và âm thanh môi trường. Veo 3.1 Fast nhanh hơn, rẻ hơn và vẫn tạo được lời thoại cùng hiệu ứng âm thanh.
- Clip tạo từ văn bản có thể không có tiếng không?
- Có. MiniMax H3 tạo video không tiếng, còn Seedance, Veo 3.1 và Wan 3.0 cho bạn tắt âm thanh.
- Tạo video từ văn bản trong shuut tốn bao nhiêu?
- Mỗi mô hình đều báo giá trước khi bạn nhấn “Tạo”. Với Veo 3.1, giá khác nhau giữa có và không có âm thanh.
Bạn có thể tạo gì
- Tạo video từ ảnh bằng AI: biến ảnh thành đoạn video chuyển động
- Tạo video ngắn bằng AI: clip dọc, phụ đề và đổi tỷ lệ trong shuut
- Nâng cấp video AI: phóng to clip và ảnh lên 4K
- Video AI khớp khẩu hình với Kling Lip Sync
- Video avatar AI biết nói từ một ảnh và một giọng nói
- Video UGC bằng AI từ ảnh người dẫn, ảnh sản phẩm và kịch bản
Cập nhật 17 tháng 11, 2026
Trước khi bắt đầu
Bạn trả tiền theo từng kết quả, có báo giá trước khi bạn nhấn “Tạo”; gói đăng ký là tùy chọn.
Ảnh chuyển động, Phụ đề và Đổi tỷ lệ miễn phí khi đăng ký.
Mục 9 của Điều khoản quy định về việc sử dụng thương mại; phạm vi tùy theo mô hình và thỏa thuận, và bạn tự chịu trách nhiệm kiểm tra quyền, quy định quảng cáo và nhãn AI.
shuut không liên kết với các đơn vị phát triển mô hình.