Prompt video AI cho Veo 3 và Gemini Omni: công thức 4 phần

Một prompt video AI tốt cho Veo 3 hay Gemini Omni gồm bốn phần: chủ thể và bối cảnh, hành động, máy quay và phong cách, âm thanh. Viết đủ bốn phần thì ít phải tạo lại.

Veo 3.1 và Gemini Omni Flash là hai mô hình video chính của Google tính tới tháng 10/2026

Tháng 8/2026, Google ra mắt Gemini Omni 1.1 Flash, có trong Google Flow, Google AI Studio và ứng dụng Gemini. Trang tạo video của Gemini API gọi Omni Flash là mô hình mặc định. Veo 3.1 dùng cho việc riêng như kéo dài cảnh hay chốt khung cuối.

Theo trang Veo của Gemini API, Veo 3.1 tạo video 8 giây ở 720p, 1080p hoặc 4K, có âm thanh tạo cùng lúc. Bạn gửi được tối đa 3 ảnh tham chiếu để giữ đúng gương mặt nhân vật hay hình dáng sản phẩm.

Một điểm cần biết trước khi viết: cả hai trang đều ghi tiếng Anh được hỗ trợ đầy đủ. Ngôn ngữ khác chưa được đánh giá, có thể vẫn chạy nhưng kết quả không đều. Vì vậy nên viết prompt bằng tiếng Anh, kể cả khi video dành cho người xem Việt.

Công thức 4 phần lấy từ hướng dẫn prompt Veo của Google

Hướng dẫn prompt Veo liệt kê ba thành phần chính: Subject (chủ thể), Action (hành động), Style (phong cách). Các thành phần tuỳ chọn gồm Camera positioning and motion (vị trí, chuyển động máy) và Composition (bố cục). Thêm Focus and lens effects (lấy nét, ống kính) và Ambiance (ánh sáng, màu). Âm thanh nằm ở mục riêng.

Gom lại cho dễ nhớ, bạn có bốn phần:

1. Chủ thể và bối cảnh: ai, cái gì, ở đâu. Ví dụ một ly cà phê sữa đá trên bàn gỗ ở quán vỉa hè.
2. Hành động: chủ thể đang làm gì, thay đổi ra sao trong 8 giây.
3. Máy quay và phong cách: góc máy, cỡ cảnh, chuyển động, ánh sáng, tông màu.
4. Âm thanh: lời thoại, tiếng động, tiếng nền.

Google còn khuyên dùng tính từ và trạng từ để tả rõ hơn. Muốn rõ mặt người, thêm chữ portrait vào prompt.

Phần âm thanh: thoại để trong ngoặc kép, tiếng động tả rõ ràng

Veo nhận ba loại gợi ý âm thanh. Lời thoại đặt trong ngoặc kép để mô hình đọc đúng câu. Tiếng động (SFX) cần tả cụ thể, như tiếng lốp xe rít. Tiếng nền tả không khí chung của cảnh, như tiếng ồn ào xa xa.

Nếu không cần ai nói, ghi thẳng "No dialogue". Với Gemini Omni, trang hướng dẫn ghi mô hình tự tạo âm thanh phù hợp. Muốn có nhạc thì phải tả rõ, ví dụ "Include calm background music".

Một mẫu prompt video AI đủ bốn phần cho Veo 3.1:

`` Close-up of a glass of Vietnamese iced milk coffee on a worn wooden table at a Hanoi sidewalk cafe, morning. Condensed milk swirls slowly into the dark coffee as ice cubes shift and clink. Slow dolly-in at eye level, shallow focus, warm golden light, soft film look. Sound: ice clinking, distant motorbikes, quiet street chatter. No dialogue. ``

Mỗi dòng là một phần. Bạn thay chủ thể và hành động cho sản phẩm của mình, giữ nguyên khung bốn dòng.

Gemini Omni cần thêm ba câu mà Veo không cần

Hướng dẫn prompt của Gemini Omni Flash có vài điểm khác Veo. Mặc định, Omni tự dựng video gồm vài cảnh khác nhau để kể chuyện. Muốn một cảnh liền mạch, bạn phải ghi rõ, ví dụ "In a single continuous shot" hoặc "No scene cuts".

Câu thứ hai là mốc thời gian. Omni hiểu lệnh như "After 3 seconds, a woman enters the scene" hoặc cú pháp [0-3s], [3-6s] cho từng đoạn. Cách này hợp với video nhịp nhanh hoặc khi bạn tự chia cảnh.

Câu thứ ba dùng khi sửa video. Lệnh sửa nên ngắn, vì prompt tả quá kỹ dễ làm đổi cả phần bạn muốn giữ. Thêm "Keep everything else the same" ở cuối để Omni chỉ sửa đúng chỗ.

Omni còn vẽ được chữ trong video. Nếu cảnh có biển hiệu, hãy ghi đúng chữ cần hiện, như There is a street sign that says "Ca phe sua da". Omni kéo dài video mỗi lần 10 giây, tổng tối đa 40 giây.

Vì sao video ra khác hẳn prompt?

Lý do hay gặp nhất là prompt thiếu một trong bốn phần, nên mô hình tự đoán. Các lỗi dưới đây đều sửa được bằng cách viết lại prompt, không cần đổi công cụ.

Prompt quá ngắn. Một dòng như "cà phê đẹp" để mô hình tự đoán gần hết. Hướng dẫn Veo đặt cạnh nhau một prompt ngắn và bản viết lại tả kỹ ánh sáng, chuyển động máy, lấy nét để bạn thấy khác biệt.

Viết thoại tiếng Việt dài. Tiếng Việt chưa được Google đánh giá, phát âm có thể sai. Giữ câu thoại ngắn, hoặc để video không lời rồi lồng tiếng sau.

Dùng ô negative prompt với Omni. Omni không hỗ trợ tham số negative prompt. Hãy đưa điều cần tránh vào chính prompt, như "No dialogue" hay "No extra sound effects".

Nhân vật đổi mặt giữa các cảnh. Gửi ảnh tham chiếu của người hoặc sản phẩm. Veo 3.1 nhận tối đa 3 ảnh để giữ ngoại hình.

Khung bốn phần dùng được cho cả hai mô hình. Với Omni, thêm câu một cảnh liền mạch, mốc thời gian và mô tả nhạc. Bạn hay vướng ở phần nào nhất: máy quay, âm thanh hay giữ nhân vật?

Video làm xong thường dài, cần cắt thành nhiều clip dọc để đăng. Chọn khung trước khi tạo, xem ba tỉ lệ khung 4:5, 1:1, 16:9. Skill Cắt video dài thành nhiều short đang hoàn thiện, nhận miễn phí trước khi mở bán.

Cần video có nguồn cho từng câu thoại mà không tự viết prompt, xem dịch vụ video AI có bảng nguồn giá 99.000đ một video. Hoặc dán link sản phẩm vào Adam Proof Studio để ra video dọc có giọng đọc và phụ đề.

Nguồn tham khảo (5) · đọc ngày 09/10/2026

• Google: Google AI announcements from August 2026
• Gemini API: Tạo video trong Gemini API (cập nhật 30/06/2026)
• Gemini API: Generate videos with Veo 3.1, mục Veo prompt guide
• Gemini API: Generate and edit videos with Gemini Omni Flash, mục Gemini Omni Flash prompt guide
• Ảnh minh hoạ: Unsplash (TheRegisti, Sanjeev Nagaraj, Naomi August), giấy phép Unsplash.

Linh SEO Agent