Tôi biết bạn đang sợ gì (và nỗi sợ đó có lý)
Tôi biết bạn đang sợ gì.
Bạn mở CapCut lên. Cả một rừng nút bấm, thanh kéo, hiệu ứng đập vào mắt, và bạn ngồi im mất mười phút chỉ để tìm chỗ cắt một cảnh. Lướt YouTube thì video người ta mượt như phim điện ảnh, còn cái của mình nhìn thô như bản nháp. Chưa xuất được video đầu tiên, bạn đã thấy mình thua.
Nhưng nỗi sợ thứ hai mới là thứ ăn ngủ không yên. Mở mạng ra, chỗ nào cũng hô: phải chạy theo Veo3, phải ôm con AI mới nhất, chậm một nhịp là bị bỏ lại. Bạn cắm đầu học một công cụ mất cả tháng. Tháng sau nó ra bản mới, thứ vừa nắm được hóa vô dụng. Rồi lại một công cụ khác. Lại từ đầu. Bạn không sợ vất vả — bạn sợ vất vả nhầm hướng, bỏ ra nửa năm trời để rồi trắng tay.
Tôi nói thẳng: hai nỗi sợ đó có lý. Bạn không yếu đuối, không nghĩ quẩn. Tôi đã ngồi cà phê, nhắn tin, gọi điện với hàng trăm người kẹt cứng đúng chỗ này — nhiều người giỏi hơn bạn tưởng — mà vẫn buông tay giữa chừng.
Cũng nói thẳng luôn để bạn khỏi kỳ vọng sai: bài này cho bạn một quy trình, không phải phép màu. Tôi không hứa ra tiền, ra view sau một đêm — ai hứa thế là đang lùa bạn. Cái tôi đưa là một hướng đi đủ đơn giản và đủ bền để bạn trụ được qua năm 2026, làm đi làm lại mà không bản cập nhật AI nào xóa sổ nổi.
Để bạn tin, hãy nghe tôi kể chuyện chín năm tôi nhìn cái nghề này sống và chết.
9 năm nhìn trend chết đi, slideshow ảnh vẫn sống — và “slay ảnh” là gì
Tôi theo mảng này từ năm 2017. Tính đến giờ là gần chín năm.
Chín năm đó, tôi thấy trend đến rồi đi như thủy triều. Cái mới nhất, ngay tháng trước, là làn sóng video AI Veo3. Người người nhà nhà đổ xô học, khoe, hô hào “không theo là hết thời”. Tháng sau, nó gãy. Gãy hết, gần như bị xóa sổ khỏi cuộc chơi. Đúng một tháng trước còn nóng, một tháng sau đã nguội. Ai cắm đầu chạy theo thì ngồi nhìn công sức bốc hơi.
Còn một thứ, tôi thấy nó sống dai, đều đặn, chẳng ồn ào: slideshow ảnh.
Từ 2017 đến giờ, nó vẫn ở đó. Vẫn ra view. Vẫn nuôi được kênh. Nó chưa bao giờ là thứ hot nhất phòng, nhưng nó là thứ không chết. Và tôi rút ra một điều giờ tin gần như tuyệt đối: cái gì càng dễ, càng rẻ thì càng bền. Cái gì càng cầu kỳ, càng đắt, càng bám vào công cụ đời mới, thì càng dễ bị chính đời sau của công cụ đó chôn.
Đây là câu trả lời cho nỗi sợ “không theo kịp AI”. Bạn không cần chạy theo. Bạn chọn thứ mà trend không giết được.
Vậy slideshow ảnh — hay tôi hay gọi vui là “slay ảnh” — là gì?
Đơn giản đến mức bạn sẽ hơi hụt hẫng. Bạn có một loạt ảnh, lấy sẵn từ Google hoặc nhờ AI vẽ ra. Mỗi tấm trôi trên màn hình chừng năm đến sáu giây. Bên trên phủ một giọng đọc — chính là nội dung bạn viết. Ảnh không đứng im, mà cũng chẳng nhảy múa: nó động thật khẽ, dung ra dung vào, zoom nhẹ một chút, đưa ngang một chút. Hết. Không kỹ xảo, không cháy nổ, không dựng cảnh phức tạp.
Video kiểu này thường là faceless (không lộ mặt) — bạn không phải lên hình, không phải diễn, không cần cả một góc quay đẹp. Bạn xây truyền nghề YouTube view ngoại chỉ bằng ảnh và giọng.
Còn cái từ “dựng” mà nghe qua ai cũng ngán? Ở đây nó nhẹ hều. Dựng chỉ là kéo ảnh vào phần mềm cho đúng thứ tự. Ảnh một, ảnh hai, ảnh ba. Vậy thôi. Không timeline chằng chịt, không lớp lang hiệu ứng làm bạn hoa mắt.
Nghe đến đây, câu hỏi bật lên trong đầu bạn chắc là: viết xong nội dung rồi, làm sao biết cần bao nhiêu tấm ảnh?
Trái tim của bài: từ nội dung ra ĐÚNG số ảnh — công thức chia 10
Đến đây tôi mới nói cái ruột. Mấy phần trên là để bạn hết sợ. Phần này là để bạn bắt tay làm được. Đọc chậm một chút, vì đây là chỗ đáng ở lại nhất trong cả bài.
Cái khó của người mới không nằm ở quay hay dựng. Nó nằm ở khoảnh khắc bạn ngồi trước một kịch bản dài rồi tự hỏi: rốt cuộc mình cần bao nhiêu tấm ảnh? Vẽ thiếu thì hụt giữa chừng, video đọc tới đoạn sau mà ảnh hết sạch. Vẽ thừa thì phí công, phí lượt tạo ảnh. Tôi từng thấy nhiều bạn ngồi đoán mò con số đó, vẽ được vài chục tấm rồi rối, rồi bỏ. Đừng đoán. Chỉ có một phép tính thôi.
Tôi gọi nó là công thức chia 10. Năm bước, ai bấm máy tính cũng ra:
- Viết content. Xong phần chữ trước đã. Đây là gốc, mọi thứ khác bám vào đây.
- Đọc thành audio. Thu giọng đọc kịch bản đó thành một file tiếng hoàn chỉnh.
- Đo độ dài ra giây. Audio 15 phút thì 15 nhân 60, bằng 900 giây.
- Chia 10 ra số ảnh. 900 chia 10 bằng 90. Bạn cần khoảng 90 tấm.
- Kéo ảnh vào theo thứ tự. Xếp đúng mạch kịch bản. Xong.
Thấy chưa? Từ một việc mơ hồ là “làm một cái video”, nó co lại thành phép chia lớp ba. 900 chia 10 bằng 90. Chấm hết. Bạn không còn phải phấp phỏng thiếu hay thừa nữa — và khi hết phấp phỏng, bạn mới ngồi làm được.
Vì sao lại là 10? Vì con số đó cho ra khoảng 10 giây mỗi tấm, một nhịp thở dễ chịu cho mắt người xem. Nhưng tôi muốn bạn nhớ kỹ: số 10 không phải luật thánh. Như tôi kể ở trên, ảnh slideshow thường trôi tầm 5 đến 6 giây một tấm. Muốn nhịp nhanh hơn, dồn hơn thì chia cho 6, cho 5. 900 chia 6 là 150 tấm. Nhịp kể của bạn quyết định con số, chứ không phải con số ép nhịp kể của bạn.
Nói thẳng để bạn khỏi hiểu nhầm: mọi số ở đây chỉ là ví dụ cho dễ hình dung. Kịch bản của bạn có thể 8 phút, có thể 20 phút, số ảnh sẽ khác. Nhưng cái khung thì bất biến — đo giây, rồi chia. Nhớ đúng một phép tính này thôi, bạn đã bước qua đúng cái cửa ải làm gục nhiều người mới nhất. Phần còn lại chỉ là ngồi làm.
Chia để trị: vẽ ảnh theo từng đoạn 5 phút với bộ công cụ tối giản
Đến đây bạn đã có con số ảnh cần vẽ. Cứ cho là 90 tấm. Và đây là chỗ nhiều người vấp: mở ChatGPT lên, dán cả kịch bản 15 phút vào, gõ một câu “tóm tắt rồi cho tôi câu lệnh vẽ hết đống ảnh này”. Máy chạy được một đoạn thì đuối. Nó tóm qua loa, bỏ rơi chi tiết ở khúc sau, câu lệnh vẽ thì tấm nào cũng na ná tấm nào. Cuối cùng bạn ôm về một mớ ảnh lạc quẻ, đọc một đằng ảnh một nẻo.
Tôi làm khác. Chia để trị. Cắt kịch bản thành từng khúc 5 phút, xong khúc này mới đụng khúc kia. Mỗi khúc, tôi bảo máy tóm tắt theo ý, rồi kèm luôn câu lệnh vẽ cho từng ý. Câu lệnh vẽ đó dân trong nghề gọi là prompt (câu mô tả bằng chữ để AI dựa vào mà vẽ). Tóm xong một khúc thì mang prompt đi tạo ảnh hàng loạt, kéo vào đúng thứ tự. Xong khúc nào chắc khúc đó. Máy không ngợp, mà đầu bạn cũng không ngợp.
Giờ nói tới đồ nghề. Tôi giữ nó tối giản hết cỡ, mỗi món đứng đúng một chỗ trong dây chuyền:
- NotebookLM: nhập từ khóa, bấm Deep research (nghiên cứu sâu), nó trả về cả bài viết lẫn audio lẫn phụ đề. Đây là chỗ ra nguyên liệu content.
- ChatGPT hoặc Gemini: viết và tóm tắt kịch bản theo từng đoạn 5 phút, kèm câu lệnh vẽ. Quen tay cái nào dùng cái đó.
- Leonardo: nơi vẽ ảnh hàng loạt từ đống prompt vừa có.
- CapCut: kéo ảnh vào, ghép giọng đọc, cho ảnh trôi nhẹ. Khâu cuối.
Một mẹo nhỏ, ngồi làm cả buổi mới thấy quý: trong ChatGPT, muốn nhảy con trỏ xuống cuối một đoạn dài mà khỏi rê chuột hay giữ mũi tên bấm mỏi tay, bạn bấm Ctrl+A rồi bấm mũi tên phải. Con trỏ nhảy thẳng xuống cuối. Nghe vặt vãnh, nhưng làm tới tấm ảnh thứ chín mươi thì mấy thao tác nhỏ này cộng lại đỡ mệt thấy rõ.
Nói thẳng một câu cho sòng phẳng: mấy công cụ này là cái cuốc cái xẻng, không phải cái máy in tiền. Chúng giúp bạn làm nhanh, đỡ cực, thế thôi. Không món nào đảm bảo bạn ra view hay ra tiền. Cái quyết định vẫn là nội dung bạn kể và việc bạn có làm đều tay hay không. Muốn mổ kỹ từng món, tôi để riêng một bài về công thức nội dung theo ngách.
Đừng tự làm khó mình: bỏ ám ảnh đồng bộ nhân vật, chọn độ khó ở hai cực
Có đồ nghề rồi, có phép tính rồi, nhưng còn một cái bẫy nữa nằm chờ ngay lúc bạn bắt tay vẽ. Cái bẫy mà chín trên mười người mới đều sập vào.
Bạn làm slideshow ảnh về một chú sư tử. Cảnh một, nó nằm dưới gốc cây. Cảnh hai, nó đứng dậy. Nhưng cái bờm ở cảnh hai đậm hơn một chút, cái đuôi hơi khác. Thế là bạn ngồi vẽ lại. Vẽ đi vẽ lại năm bảy lần cho hai tấm giống hệt nhau. Nửa buổi trôi qua, hai cảnh vẫn chưa xong.
Tôi hỏi thẳng bạn một câu: bạn muốn có kết quả, hay muốn con sư tử giống hệt nhau từ đầu đến cuối? Hai thứ đó nhiều khi không đi cùng nhau đâu. Đồng bộ nhân vật mà video vẫn nằm im, không ai xem, thì đồng bộ để làm gì?
Khán giả dễ tính hơn bạn nghĩ nhiều. Họ lướt qua, nghe giọng đọc, xem ảnh trôi, thấy dễ chịu là ở lại. Không ai soi cái bờm ở giây thứ ba với giây thứ mười. Người khó tính duy nhất trong căn phòng đó là chính bạn. Đừng tự bắt mình khó tính rồi kiệt sức trước khi kịp ra video đầu tiên.
Cách gỡ đơn giản: chọn loại nội dung không cần đồng bộ. Động vật, cảnh vật, phong cảnh — mỗi tấm là một khung riêng, không ai đòi khớp với tấm trước. Bạn chạy nhanh hơn hẳn, và giữ được sức để làm đều tay.
Nói rộng ra, đây là chuyện chọn độ khó. Theo tôi, chỉ nên chọn ở hai cực. Một là khó hẳn: bán kiến thức thật, thứ người khác không làm được. Hai là dễ hẳn: slideshow ảnh AI, ai cũng bắt tay vào được. Đừng chọn mức lưng chừng ở giữa — vừa tốn công như làm khó, vừa không bền như làm dễ. Với người mới, cực dễ là điểm vào hợp lý nhất. Tồn tại trước đã, giỏi tính sau.
Thêm một mẹo tiết kiệm sức: trộn ảnh Google có sẵn với ảnh AI tự vẽ. Chỗ nào tìm được ảnh sẵn thì dùng luôn, khỏi vẽ. Sư tử, thảo nguyên, hoàng hôn — thiếu gì ảnh ngoài kia. Bạn chỉ vẽ những gì thật sự không tìm được. Làm nhẹ đi, thì mới đi được đường dài.
Đặt quy trình lên đúng thế mạnh của bạn thì mới đi đường dài
Tôi để dành phần thật nhất cho cuối bài.
Cả bài này tôi chỉ đưa bạn cái quy trình: viết content, đọc voice, đo giây, chia 10, kéo ảnh vào. Nhưng có một thứ quyết định bạn đi được bao xa mà không quy trình nào dạy được. Đó là bạn có thật sự thích thứ mình làm không.
Hồi đầu tôi làm mảng vui vẻ, giải trí, vì tôi đinh ninh cứ vui là người ta xem. Tôi làm ròng rã. Và nó nằm im. Ra video đều mà lượt xem cứ lẹt đẹt vài chục, ngày này qua ngày khác. Có những đêm tôi ngồi nhìn cái kênh không nhúc nhích, tay còn di chuột refresh trang thống kê, tự hỏi hay là mình không hợp với nghề này thật.
Rồi tôi thử chuyển sang động vật. Không phải vì tôi tính toán gì cao siêu đâu, mà vì tôi thích động vật thật. Tôi ngồi xem tư liệu về chúng cả buổi không chán. Lạ thay, lúc làm thứ mình mê, nó ăn ngay.
Bài học tôi rút ra không phải “chọn động vật đi”. Bài học là: chọn ngách hợp với thứ bạn thật sự quan tâm. Vì slideshow ảnh ăn nhau ở sự đều đặn. Một video không đổi đời ai. Mười, một trăm video, làm bền bỉ tháng này qua tháng khác mới thành cái gì đó. Mà bạn chỉ làm đều được khi không phải gồng. Bạn bền vì bạn thích, chứ không phải vì ép mình.
Đây cũng là câu trả lời sâu nhất cho nỗi sợ đổ công rồi mất trắng. Bạn không mất trắng, nếu ngay cả những ngày chưa ra kết quả, bạn vẫn thấy vui khi ngồi làm.
Vài câu hỏi tôi hay được hỏi nhất
Làm slideshow ảnh có bị YouTube coi là nội dung rác (slop) và tắt kiếm tiền không?
Cái bị phạt không phải là “slideshow ảnh”, mà là làm ẩu, không có chất riêng — nhặt bừa ảnh, đọc bằng giọng máy vô hồn, nội dung sao chép. Nếu bạn viết nội dung của mình, chọn giọng đọc tử tế, ảnh phục vụ đúng câu chuyện đang kể, thì đó là một video có công sức, không phải rác. Khác biệt nằm ở cái đầu người làm, không nằm ở định dạng.
Không biết vẽ, không rành máy móc thì có làm được không?
Được. Toàn bộ chuyện “vẽ” ở đây là gõ chữ mô tả cho AI, không cần một nét cọ nào. Còn “dựng” thì như tôi nói ở trên, chỉ là kéo ảnh vào cho đúng thứ tự. Nếu bạn dùng được Facebook, bạn đủ sức làm slideshow ảnh. Cái khó duy nhất là chịu ngồi làm cho xong tấm cuối.
Bao lâu thì ra kết quả?
Tôi không có con số cho bạn, và ai đưa bạn một con số chắc nịch thì bạn nên nghi ngờ. Kết quả tùy ngách, tùy nội dung, tùy độ đều tay của mỗi người — có người nhanh, có người chậm, có người phải đổi ngách vài lần như tôi. Thứ tôi chắc chắn: không làm thì chắc chắn không có gì. Cứ ra đều video trước, rồi tính.
Nên bắt đầu bằng ảnh Google hay ảnh AI?
Cả hai, trộn vào. Chỗ nào Google có sẵn ảnh đẹp thì lấy luôn cho nhanh; chỗ nào cần một khung đúng ý mà tìm không ra thì mới nhờ AI vẽ. Đừng vẽ mọi thứ từ đầu — đó là tự làm khổ mình. Muốn chọn đúng mảng để bắt đầu, đọc thêm bài tôi viết về chọn ngách nhỏ để có cơ hội lớn.
Giờ thì bắt tay thôi
Chọn một chủ đề bạn thật sự thích. Viết một đoạn content ngắn. Đọc thử, đo giây, chia 10. Và làm cho xong MỘT video đầu tiên trong tuần này. Đừng chờ hoàn hảo. Làm nhỏ, làm xong, rồi làm đều.
Nếu bạn muốn một lộ trình từng ngày và người đi cùng để không bỏ cuộc giữa chừng, tôi có mở thử thách 28 Ngày Xây Kênh. Nó không phải nút bấm ra tiền — nó là cái khung giữ bạn làm đều, thứ khó nhất khi làm một mình.
Nhưng nhớ, cái quan trọng nhất không nằm ở link nào cả. Nó nằm ở chỗ tuần này bạn có làm xong một video hay không.
Bài viết bởi Ngô Văn Phúc (Phúc BANI), sinh năm 1996 tại Bắc Giang. Gần 10 năm gắn với YouTube, khoảng 7 năm đào tạo, chuyên kênh view ngoại faceless (không lộ mặt). Tác giả sách “28 ngày xây kênh YouTube view ngoại kiếm tiền”, sáng lập hệ sinh thái BANIDAY. Website phuc.vn, kênh youtube.com/@phucbanii, học tại hoc.phuc.vn.
> Lưu ý nhỏ cho trung thực: bài này chia sẻ quy trình và trải nghiệm cá nhân của tôi, không phải cam kết thu nhập hay lượt xem. Kết quả tùy thuộc ngách, nội dung và sự bền bỉ của từng người. Hãy coi đây là một hướng đi để thử, không phải một lời hứa.
Đọc thêm trên phuc.vn: công thức tiêu đề và thumbnail · vì sao kênh bị tắt kiếm tiền vì nội dung không trung thực · chọn ngách nhỏ để có cơ hội lớn
Hành trình của Phúc từng được Thanh Niên, Dân Việt, VTV và Báo Đầu Tư giới thiệu.
