AI Agent · Video người que · Codex
Từ một chủ đề và một hình nhân vật, AI Agent có thể đảm nhận cả quy trình tạo video STICK MAN: viết kịch bản, chia cảnh, tạo hình, tạo giọng đọc, đồng bộ phụ đề và xuất MP4. Skill nghigiau-podcast-video đóng gói cách làm này để bạn có thể giao việc cho Codex bằng một yêu cầu rõ ràng.
Bài viết giới thiệu phong cách người que của Nghigiau.podcast, video hoàn thiện và cách đưa skill vào Codex để thiết lập trên máy của bạn.
Skill tạo video STICK MAN là gì?
STICK MAN, hay người que, là cách kể chuyện bằng một nhân vật có hình dáng đơn giản. Với series này, nhân vật đội mũ rơm, đeo kính đen và xuất hiện trong những bối cảnh đời thường: bàn ăn, chiếc điện thoại, hóa đơn hay hũ tiền tiết kiệm. Hình ảnh ít chi tiết trên cơ thể giúp câu chuyện tập trung vào tình huống và cảm xúc.
Điểm nhận diện của skill là Paper Dark: nền giấy xanh than hoặc đen, nét vẽ phấn và bút dạ mang cảm giác thủ công, ánh vàng đất ấm. Cùng một hình tham chiếu được dùng xuyên suốt để giữ mũ, kính, dáng người và độ dày nét vẽ nhất quán.
Skill phù hợp với video podcast ngắn về thói quen, áp lực thành công, so sánh xã hội, thời gian và những lựa chọn trong cuộc sống. Mỗi tập bắt đầu bằng một tình huống cụ thể, phát triển một góc nhìn rồi kết lại bằng câu hỏi hoặc hành động nhỏ.
Video hoàn thiện: “Lương tăng, vì sao bạn vẫn thấy thiếu?”
Video dưới đây là sản phẩm mẫu được cung cấp cùng bài viết: 10 cảnh, khoảng 1 phút 17 giây, khung dọc 1080 × 1920. Nhân vật người que dẫn người xem qua câu chuyện thu nhập tăng nhưng những khoản chi và kỳ vọng cũng tăng theo.
AI Agent thực hiện toàn bộ quy trình như thế nào?
Codex giữ vai trò điều phối. Skill quy định trình tự và tiêu chuẩn đầu ra; các công cụ được kết nối sẽ tạo ảnh, tổng hợp tiếng nói và kết xuất video. Khi môi trường đã sẵn sàng, bạn có thể giao trọn quy trình cho Agent thay vì tự thao tác từng bước trong phần mềm dựng phim.
- Nhận chủ đề và hình tham chiếu. Agent xác định thông điệp, người xem, thời lượng và nơi lưu sản phẩm.
- Viết kịch bản tiếng Việt. Lời kể xưng “bạn”, nhịp bình tĩnh, gần gũi; tránh lên lớp và hứa hẹn quá mức.
- Chia 10–20 cảnh. Mỗi cảnh có mục đích, lời đọc và hình ảnh riêng. Bản mẫu trong bài dùng 10 cảnh.
- Tạo hình bằng AI. Mọi cảnh đều dùng nhân vật tham chiếu và phong cách Paper Dark. Chữ được thêm ở bước dựng để dễ kiểm soát.
- Tạo lời đọc với VieNeu. Skill gốc dùng dịch vụ chạy cục bộ và mặc định giọng Thiện Minh. Thời lượng âm thanh thực tế quyết định nhịp dựng.
- Dựng bằng Remotion. Agent ghép cảnh, lời đọc, chuyển động và phụ đề; thêm nhạc nền khi bạn cung cấp tệp phù hợp.
- Kiểm tra rồi xuất MP4. Xem khung đầu, giữa, cuối; nghe âm thanh và kiểm tra phụ đề trước khi bàn giao.
“Sử dụng hoàn toàn bằng AI Agent” ở đây là giao phần sản xuất cho Agent và các công cụ AI. Người dùng vẫn chọn chủ đề, cung cấp tài nguyên, thiết lập quyền truy cập cần thiết và duyệt chất lượng đầu ra.
Hướng dẫn đưa skill vào Codex
1. Chuẩn bị môi trường tạo video
Trước khi chạy tập đầu tiên, hãy chuẩn bị những thành phần mà skill này sử dụng:
- Codex có thể làm việc với thư mục dự án và chạy lệnh trong môi trường bạn cho phép.
- Công cụ tạo ảnh AI có khả năng sử dụng hình tham chiếu.
- Node.js, npm và dự án Remotion để dựng và xuất video.
- VieNeu chạy cục bộ tại
http://127.0.0.1:7860/, có giọng Thiện Minh nếu muốn giữ đúng cấu hình mẫu. - Hình người que tham chiếu, thư mục lưu sản phẩm và nhạc nền tùy chọn.
Chép skill chỉ cài bộ hướng dẫn. Bạn vẫn cần chuẩn bị các công cụ phía trên. Địa chỉ 127.0.0.1 là máy đang chạy Agent; một Agent trên máy chủ từ xa sẽ không tự truy cập được VieNeu trên máy cá nhân của bạn.
2. Lưu tệp SKILL.md
Theo tài liệu chính thức OpenAI về Skills, một skill là thư mục có SKILL.md, với hai trường bắt buộc name và description. Để dùng riêng trong dự án, lưu tại .agents/skills/nghigiau-podcast-video/SKILL.md; để dùng cá nhân trên nhiều dự án, lưu tại ~/.agents/skills/nghigiau-podcast-video/SKILL.md.
Mở phần bên dưới, sao chép nội dung và lưu đúng tên SKILL.md. Đây là bản hướng dẫn cài thủ công rút gọn từ quy trình của series; không chứa đường dẫn riêng của máy tác giả.
Mở nội dung SKILL.md để sao chép
---
name: nghigiau-podcast-video
description: Create Vietnamese vertical stick-man podcast videos with a fixed reference character, Paper Dark scenes, VieNeu narration and Remotion captions. Use for reflective educational videos.
---
# Nghigiau Podcast Video
## Inputs
- Topic, intended audience, duration and output folder.
- A reference image of the stick figure. Ask for it if missing.
- Optional background music supplied by the user.
## Editorial direction
- Write in Vietnamese; address the listener as “bạn”.
- Use a calm, intimate podcast voice. Open with an everyday moment,
develop one insight, end with a small action or reflective question.
- Avoid promises and personalized investment or treatment advice.
## Visual production
- Default: 1080x1920, 30fps, H.264 MP4, about 1–2 minutes.
- Create 10–20 distinct scenes that advance the narration.
- Use the supplied reference in every image-generation request.
- Preserve the character's silhouette, hat, sunglasses and line thickness.
- Paper Dark: charcoal/dark-navy paper, handmade chalk/marker lines,
restrained warm-ochre accents. No photorealism.
- Generate vertical 9:16 scene images without text, numbers or watermarks.
## Narration and captions
- Finish the Vietnamese narration and scene plan before generating media.
- Use local VieNeu at http://127.0.0.1:7860/; default voice: Thiện Minh.
- If unavailable, report the missing service; never pretend audio exists.
- Measure actual audio durations and align captions to spoken words.
- Use 2–3 readable lines, white text and a warm-yellow key phrase.
- On a 1080x1920 canvas, leave 420px below the caption block
and at least 176px clear on the right for platform controls.
- Show the large opening title only in the first scene;
clear it before the first caption. Keep the brand in the top safe region.
## Assembly and verification
- Build with Remotion. Keep each scene and caption in its timed sequence.
- Put media under public/. Let measured voice duration drive timing.
- Keep voice clear. If supplied, loop music at about 0.12–0.18 volume
with fades; omit music when no music file is available.
- Preserve unrelated project changes. Run lint/type-check, render the MP4,
then inspect opening, middle and ending frames and listen to audio.
- Save to the requested output folder and return the video link.
- Do not upload or publish unless the user asks.
Bạn cũng có thể giao thao tác này cho Codex: “Tạo thư mục .agents/skills/nghigiau-podcast-video trong dự án, lưu nội dung tôi gửi thành SKILL.md và kiểm tra cấu trúc.” Sau đó gửi nội dung ở trên trong cùng yêu cầu.
3. Cho Agent kiểm tra công cụ trước khi sản xuất
Sau khi lưu skill, dùng yêu cầu sau để biết môi trường còn thiếu gì:
Đọc skill nghigiau-podcast-video và kiểm tra môi trường hiện tại.
Kiểm tra công cụ tạo ảnh có dùng được hình tham chiếu không,
Node.js/npm, dự án Remotion và VieNeu tại http://127.0.0.1:7860/.
Báo rõ phần đã sẵn sàng, phần còn thiếu và cách thiết lập.
Chưa bắt đầu tạo ảnh hay giọng đọc ở bước này.Nếu thiếu dịch vụ hoặc công cụ, hãy hoàn tất phần được báo thiếu rồi kiểm tra lại. Bạn có thể thay dịch vụ giọng đọc, nhưng cần sửa hướng dẫn tương ứng trong skill để Agent dùng đúng công cụ mới.
4. Gọi skill trong cuộc trò chuyện
Trong Codex CLI hoặc IDE extension, dùng /skills hoặc gõ $ để chọn skill, chẳng hạn $nghigiau-podcast-video. Codex tự phát hiện thay đổi skill; nếu chưa thấy, khởi động lại. Xem hướng dẫn Skills của OpenAI để đối chiếu giao diện bạn đang dùng.
Prompt mẫu: giao một tập video cho Agent
Đính kèm hình tham chiếu, rồi gửi yêu cầu dưới đây. Thay thư mục đầu ra bằng nơi bạn muốn lưu video.
$nghigiau-podcast-video
Tạo một video podcast tiếng Việt về chủ đề:
“Lương tăng, vì sao bạn vẫn thấy thiếu?”
Dùng hình người que tôi đính kèm làm tham chiếu cho mọi cảnh.
Giữ mũ rơm, kính đen và phong cách Paper Dark.
Tạo 10 cảnh khác nhau, thời lượng mục tiêu khoảng 75–90 giây.
Giọng đọc Thiện Minh qua VieNeu, nhịp kể bình tĩnh, gần gũi.
Phụ đề trắng, nhấn cụm từ chính màu vàng và chừa vùng giao diện.
Chỉ dùng nhạc nền nếu tôi cung cấp tệp nhạc.
Hãy thực hiện từ kịch bản đến video hoàn chỉnh bằng các công cụ
đã thiết lập. Báo rõ nếu có thành phần không khả dụng.
Xuất MP4 1080x1920, 30fps vào thư mục outputs/ của dự án.
Kiểm tra hình ảnh, âm thanh và phụ đề trước khi bàn giao.
Trả lại video cùng kịch bản và dự án để có thể chỉnh sửa tiếp.Kiểm tra gì trước khi đăng video?
- Nhân vật: mũ, kính, tỷ lệ cơ thể và nét vẽ có nhất quán giữa các cảnh?
- Nhịp kể: cảnh có minh họa đúng câu đang đọc, có khoảng nghỉ phù hợp?
- Phụ đề: đúng lời, dễ đọc, không che nhân vật và không chồng lên nút giao diện nền tảng?
- Âm thanh: lời đọc rõ, nhạc không lấn giọng, không bị cắt mất câu?
- Đầu ra: MP4 phát được từ đầu đến cuối, đúng khung dọc và không còn tài nguyên lỗi?
Skill đặt vùng phụ đề cách đáy ít nhất 420 px và chừa phải ít nhất 176 px trên khung 1080 × 1920. Đây là quy ước của mẫu; hãy xem thử trong giao diện nền tảng thực tế trước khi đăng. Hình ảnh AI vẫn có thể lệch nhân vật, nên bước kiểm tra là một phần của quy trình.
Tái sử dụng skill cho cả một series
Sau tập đầu, bạn có thể giữ nguyên hình nhân vật, giọng đọc, bảng màu và cách đặt phụ đề, rồi thay chủ đề. Mỗi lần giao việc, hãy nói rõ thông điệp, thời lượng và số cảnh mong muốn. Các chỉnh sửa hữu ích sau khi duyệt có thể đưa trở lại SKILL.md để những tập sau bám sát phong cách hơn.
Bắt đầu bằng một chủ đề, một hình tham chiếu và một yêu cầu rõ ràng. Khi công cụ đã được thiết lập, skill giúp AI Agent lặp lại quy trình sản xuất video người que theo cùng tiêu chuẩn, còn bạn tập trung vào câu chuyện muốn kể.