Ứng dụng thực tế

Video 42 giây: phối hợp model local để kể một câu chuyện

Đây là video gần 42 giây mà chúng tôi đã dựng trên máy thử nghiệm: ảnh tĩnh tạo bằng FLUX.2 Klein 4B, bảy cảnh chuyển động từ Wan 2.1, chín câu thuyết minh tiếng Việt từ VieNeu V3 Turbo, rồi ghép nhạc, phụ đề và chuyển cảnh bằng FFmpeg. Hãy xem video trước; phần dưới ghi lại đúng file, thông số và thứ tự thực hiện.

Tải video MP4 · Xem các khung hình tiêu biểu · Nghe riêng giọng đọc

Cách chúng tôi tạo video

1. Viết kịch bản và chia cảnh. Soạn sáu mô tả cảnh hoa sen, dòng trà và bàn trà trong showcase_scenes.json; thêm một cảnh thác nước riêng. Viết chín câu lời kể trong showcase_narration.json. Mỗi cảnh mô tả rõ vật thể, ánh sáng và chuyển động, tránh chữ/logo do model tự vẽ.
2. Tạo ảnh tĩnh. Chạy generate_flux_image.py với FLUX.2 Klein 4B để có ảnh bàn làm việc và ảnh trà; prompt, seed, kích thước được lưu trong các file flux2-*.json của bộ tải về. Chọn ảnh không lỗi vật thể, còn đủ khoảng trống cho phụ đề. Bản dựng dùng ba ảnh tĩnh và hai đoạn logo.
3. Sinh cảnh chuyển động. generate_wan_batch.py tải Wan 2.1 một lần rồi tạo sáu clip từ các prompt/seed đã lưu; generate_wan_video.py tạo thêm cảnh thác nước. Mỗi clip mẫu có 49 khung hình ở 640×384, 30 bước suy luận và xuất 16 fps, dài khoảng 3 giây. Xem từng clip để loại cảnh méo ly trà hoặc chuyển động không tự nhiên. Lần chạy trên RTX 3060 12 GB mất khoảng 246–256 giây cho mỗi cảnh batch.
4. Tạo lời đọc tiếng Việt. generate_narration.py dùng VieNeu qua ONNX CPU để đọc chín câu bằng giọng “Hải Đăng”, chèn 0,28 giây nghỉ giữa các câu rồi lưu WAV, thời điểm và phụ đề SRT. Nghe và chỉnh lại câu khó đọc trước khi ghép.
5. Chuẩn bị nhạc nền. Video dùng file showcase-music-bed.wav dài 45 giây trong bộ mẫu. Dự án không lưu lại công thức tạo chính xác bản nhạc này; khi làm nội dung thương mại, hãy thay bằng nhạc bạn có quyền sử dụng và dài ít nhất 42 giây.
6. Dựng thành phim. Giải nén bộ file, cài FFmpeg có bộ lọc ass, mở terminal trong thư mục showcase-local-42 rồi chạy lệnh dưới đây. assemble_showcase.py chuẩn hóa 12 đoạn ở 640×384/16 fps, chuyển cảnh fade 0,25 giây, đưa giọng vào sau 3 giây, trộn nhạc, tạo phụ đề và xuất MP4.
7. Kiểm tra đầu ra. Mở video trên điện thoại và máy tính, xem chữ có dễ đọc, giọng/nhạc cân bằng và các cảnh chuyển động có lỗi hình không. Video là bản thử của quy trình local, không phải kết quả từ một lệnh gọi API tạo video của AI Model Mark.

# Giải nén showcase-local-42.zip, mở terminal trong thư mục showcase-local-42
ffmpeg -h filter=ass
python assemble_showcase.py

Để dựng lại bằng file nguồn đã cung cấp, chỉ cần Python 3 và FFmpeg có libass; không cần GPU hay API key. Muốn sinh lại ảnh, clip hoặc giọng mới, cần cài các môi trường model local tương ứng và chạy các script generate_*.py trong bộ tải về. Trước khi sinh clip mới, chuyển clip cũ sang thư mục khác vì script batch bỏ qua file đã tồn tại.

Photorealistic cinematic wide shot of a Vietnamese lotus pond at sunrise. Pink lotus blossoms rise above broad green leaves. A thin layer of morning mist drifts slowly across the water, leaves sway gently in the breeze, and sunlight glitters on the ripples. One continuous slow camera push forward, natural colors, no people, no signs, no text.

Có những buổi sáng, ta chỉ muốn chậm lại một chút.
Nghe gió qua lá sen, nhìn mặt hồ đón những tia nắng đầu tiên.

Video kết hợp nội dung từ nhiều model và công cụ local. Nhạc nền mẫu chưa có hồ sơ nguồn gốc đầy đủ trong bộ dự án, nên không dùng lại cho mục đích thương mại khi chưa xác minh quyền sử dụng. Bạn có thể tạo từng ảnh, đoạn giọng và clip ngắn qua Studio; video 42 giây này vẫn cần dựng từ nhiều đoạn riêng.

Ví dụ bổ sung: video dọc 15 giây từ ảnh và nhạc

Ví dụ này dùng một quán trà giả lập. Chúng tôi tạo ảnh dọc và nhạc nền bằng công cụ riêng, dùng gpt-5.6-luna trên AI Model Mark để nháp ba câu chữ, rồi dùng FFmpeg dựng video. Xem thành phẩm trước, sau đó làm lại từng bước bằng bộ file tải về.

Tải riêng video MP4 · Tải ảnh nguồn · Tải nhạc nền

Nghe riêng bản nhạc nền 20 giây:

Quy trình tạo lại

1. Chuẩn bị brief. Chọn một sản phẩm và thông điệp cụ thể: ở đây là trà sen đá, không khí thư giãn buổi sáng, video dọc 9:16 dài 15 giây. Không tự thêm giá bán, địa chỉ, ưu đãi hay công dụng sức khỏe chưa được xác nhận.
2. Tạo ảnh nền. Đưa prompt ảnh ở dưới vào công cụ tạo ảnh của bạn. Chọn ảnh có ly trà rõ nét, khoảng trống ở phần trên để đặt chữ và không có chữ/logo do AI tự vẽ. Ảnh đã chọn nằm trong file lotus-tea-hero.png.
3. Tạo nhạc. Dùng ACE-Step 1.5 trên máy local với mô tả và tham số trong music_request.json: nhạc không lời dài 20 giây, 84 BPM. Nghe lại, chọn bản phù hợp rồi xuất MP3. Bạn có thể dùng sẵn nhạc mẫu để bỏ qua bước này.
4. Nháp chữ bằng AI Model Mark. Gửi prompt ở dưới tới gpt-5.6-luna qua Chat Completions hoặc chạy draft_with_aimodelmark.py trong bộ tải về. Ba cảnh cần đúng các mốc 0–5, 5–10 và 10–15 giây, mỗi cảnh tối đa bảy từ. Đọc và sửa lại nội dung trước khi dựng.
5. Dựng video. Giải nén bộ file vào cùng một thư mục; cài Python, Pillow và FFmpeg để lệnh ffmpeg chạy được. Chạy các lệnh dưới đây. Script build_video.py tạo ba lớp chữ, phóng ảnh rất nhẹ, cắt nhạc theo 15 giây và giảm âm lượng ở giây cuối.
6. Kiểm tra thành phẩm. Mở lotus-tea-reel.mp4 trên điện thoại; xem chữ ở giây 2, 7, 12 có dễ đọc không, nghe nhạc có bị quá to hoặc cắt đột ngột không. Chỉ dùng cho quảng cáo thật sau khi kiểm tra quyền sử dụng ảnh, nhạc và thông tin sản phẩm.

python -m pip install Pillow
python build_video.py

Muốn tạo bản chữ mới, đặt API key ở file riêng ngoài thư mục tải về, khai báo đường dẫn trong biến môi trường AI_MODEL_MARK_KEY_FILE, chạy python draft_with_aimodelmark.py rồi mới chạy lại python build_video.py. Không đưa API key vào prompt hoặc file ZIP.

Create a polished photorealistic vertical 9:16 advertising photograph for a fictional Vietnamese café's iced lotus tea. A clear tall glass with amber lotus tea, ice cubes, a delicate lotus blossom and a few tea leaves, condensation, on a warm stone café table. Soft golden morning light, premium commercial food photography, inviting and authentic, natural colors, layered depth, room in the upper third for later text overlay. Absolutely no text, letters, logos, watermark, or people. Produce one visually coherent image suitable as the hero still for a short social video.

Original instrumental music for a calm premium Vietnamese lotus tea cafe social advertisement. Warm gentle piano, soft plucked zither-like tones, subtle bamboo-flute color, airy ambient texture, light modern downtempo beat. Elegant, optimistic, refreshing morning mood. No vocals, no lyrics, no sampled commercial melodies.

Bạn là biên tập viên nội dung cho một quán trà giả lập ở Việt Nam. Có một ảnh dọc 9:16 chụp ly trà sen đá bên hồ trong nắng sớm và một bản nhạc nền không lời dịu nhẹ dài 20 giây. Đề xuất nội dung cho video quảng bá dọc 15 giây gồm đúng ba cảnh chữ: mở đầu 0–5 giây, lợi ích cảm xúc 5–10 giây, lời mời 10–15 giây. Mỗi cảnh tối đa 7 từ tiếng Việt, dễ đọc trên điện thoại. Tránh khẳng định tác dụng sức khỏe, giảm giá, địa chỉ, thương hiệu hoặc giá bán chưa có dữ liệu. Trả JSON object với khóa "scenes" là mảng ba object gồm "start", "end", "text"; không thêm markdown.

Video mẫu được dựng từ ảnh tĩnh, chuyển động phóng số và nhạc; không phải video sinh khung hình bằng model text-to-video. Studio hiện cung cấp từng ảnh, đoạn giọng và clip ngắn riêng; phần nhạc và dựng phim trong bài này vẫn cần công cụ khác.

Agent lập trình sửa lỗi phân trang

Một API sự kiện làm mất bản ghi khi hai sự kiện có cùng thời điểm và lọc loại sau khi cắt trang. OpenCode CLI trên Windows đã dùng alias gpt-6-astra để đọc mã, chạy test, sửa event_feed.py và chạy lại test. Bộ mẫu đi từ 2/5 lên 5/5 test đạt; lần chạy agent mất 54,64 giây.

1. Cấu hình OpenCode, tạo API key và chọn aimodelmark/gpt-6-astra.
2. Tải gói mẫu, giải nén rồi chạy python -m unittest -v trong thư mục input để tái hiện ba lỗi.
3. Sao chép ba file đầu vào vào thư mục làm việc mới, mở OpenCode trong thư mục đó và giao đúng prompt dưới đây.
4. Kiểm tra agent không sửa test hoặc chữ ký hàm công khai. Chạy lại python -m unittest -v và đối chiếu fix.patch. Chỉ đưa bản vá vào dự án của bạn sau khi review.

You are fixing a small Python event-feed project. Read README.md, event_feed.py, and test_event_feed.py. Reproduce the failing acceptance tests with python -m unittest -v. Fix event_feed.py so all tests pass. The cursor must preserve ordering by (created_at, id) even when timestamps tie, and the optional kind filter must run before the page size is applied. Do not modify the tests or the public function signature. Run the suite again and briefly explain the root cause and your change. Keep the implementation small and do not add dependencies.

Đây là lỗi và dữ liệu mẫu do chúng tôi tạo, sau đó agent sửa thật trên CLI. Chưa đo riêng credit của lần chạy nên không công bố chi phí giả định.

Từ bảng dữ liệu đến báo cáo và slide

Bộ dữ liệu bán hàng giả lập được dùng để tạo bảng tính có công thức, báo cáo Word/PDF và slide trình bày. Alias gpt-5.6-luna nháp phần diễn giải; người biên tập kiểm toán số liệu và dùng công cụ tạo tài liệu để làm thành phẩm. Các file có thể mở, xem và chỉnh sửa.

1. Tải bộ mẫu và mở source_data.csv. Xác định kỳ báo cáo, các tổng cần tính và cách xử lý dữ liệu thiếu.
2. Dùng prompt đi kèm để yêu cầu model nháp phần nhận định từ dữ liệu. Không đưa thông tin khách hàng thật vào bài mẫu.
3. Chạy script tạo bảng tính và tài liệu theo README. Các con số trong bản nháp AI phải được đối chiếu bằng công thức và dữ liệu nguồn trước khi đưa vào báo cáo.
4. Mở bảng tính, DOCX, PDF và slide; kiểm tra biểu đồ, định dạng và các số liệu. Thay dữ liệu mẫu bằng dữ liệu của bạn chỉ sau khi đã kiểm tra quy trình.

Bạn là trợ lý phân tích dữ liệu cho một cửa hàng giả lập. Chỉ dùng số liệu dưới đây, không thêm dữ kiện bên ngoài. Viết bằng tiếng Việt, 3 nhận định ngắn cho báo cáo quản lý. Mỗi nhận định phải ghi con số kiểm chứng được. Không gọi đây là dữ liệu khách hàng thật. Không đưa ra lời khuyên nhân quả chỉ dựa vào 6 điểm dữ liệu.

Định nghĩa: doanh thu gộp = số đơn x giá trị đơn trung bình; doanh thu thuần = doanh thu gộp - hoàn tiền; lãi đóng góp = doanh thu thuần - chi phí biến đổi - chi phí marketing; biên đóng góp = lãi đóng góp / doanh thu thuần.

Tháng 01-2025: 120 đơn, doanh thu thuần 37.440.000 VND, lãi đóng góp 15.140.000 VND.
Tháng 02-2025: 138 đơn, doanh thu thuần 43.550.000 VND, lãi đóng góp 17.350.000 VND.
Tháng 03-2025: 155 đơn, doanh thu thuần 49.500.000 VND, lãi đóng góp 18.700.000 VND.
Tháng 04-2025: 162 đơn, doanh thu thuần 52.595.000 VND, lãi đóng góp 19.395.000 VND.
Tháng 05-2025: 181 đơn, doanh thu thuần 59.500.000 VND, lãi đóng góp 21.300.000 VND.
Tháng 06-2025: 205 đơn, doanh thu thuần 68.310.000 VND, lãi đóng góp 24.710.000 VND.

Trả về JSON object với khóa "insights" là mảng 3 chuỗi. Không có markdown.

API model tạo nội dung văn bản; file Word, PowerPoint, Excel và PDF được dựng bằng công cụ ở máy khách. Đây là quy trình phối hợp công cụ, không phải tính năng xuất file trực tiếp của một model.

Đọc thông tin từ ảnh cuộc họp

Ảnh mẫu giả lập có bốn trường: ngày, giờ, phòng và mã. Một lần gọi Chat Completions với gpt-5.6-sol đã trả JSON khớp cả bốn trường. Bạn có thể tải ảnh, script và câu trả lời để thử lại.

1. Kiểm tra ảnh là PNG/JPEG, tối đa 256 KiB và 1024×1024 px. Ảnh mẫu này có kích thước 900×520 px, khoảng 24 KiB.
2. Đặt API key trong biến môi trường AI_MODEL_MARK_KEY, chạy python run_vision.py cạnh ảnh mẫu.
3. So kết quả với result.json và xác nhận từng trường bằng mắt. Với ảnh riêng, luôn kiểm tra lại trước khi lưu thông tin nghiệp vụ.

Read the meeting card. Return only a JSON object with keys date, time, location and code. Copy values exactly as shown. Do not infer missing data.

Ảnh đầu vào là dữ liệu giả lập. Bài mẫu chứng minh đọc ảnh và trả văn bản; tạo ảnh, giọng đọc và clip ngắn đã mở riêng trong Studio, không dùng cùng API Chat.