← Tất cả bài viết

Làm video whiteboard bằng AI: Claude Code tự viết kịch bản, đọc giọng Việt và vẽ từng nét

Video whiteboard là kiểu video có cây bút vẽ dần từng hình trên nền giấy trắng, giọng đọc giải thích song song. Trước giờ muốn làm thì phải thuê người vẽ hoặc mua phần mềm kéo thả. Bài này kể lại cách mình làm video whiteboard bằng AI chỉ với Claude Code, từ một câu yêu cầu tới file MP4 đăng được TikTok.

Làm video whiteboard bằng AI gồm 4 bước: đưa brief cho Claude Code, duyệt kịch bản từng cảnh, chọn giọng đọc, rồi để AI vẽ và render ra MP4. Hình được vẽ bằng code (SVG) chứ không phải AI sinh ảnh, nên chữ tiếng Việt luôn sắc nét, nét bút khớp từng câu thoại và sửa chỗ nào thì render lại chỗ đó.

Video whiteboard 23 giây mình làm bằng Claude Code: vì sao chat càng dài càng nhanh hết lượt

Key Takeaways

  • Công cụ chính là skill whiteboard-video cho Claude Code, mã nguồn mở, chạy ngay trên máy bạn.
  • AI làm cả 4 khâu: viết kịch bản, đọc giọng, vẽ từng cảnh, xuất MP4 (khung 16:9 hoặc 9:16).
  • Hình vẽ bằng code nên chữ tiếng Việt không bị méo, khác với AI sinh ảnh hay viết sai dấu.
  • Muốn ra tiếng Việt chuẩn phải chỉnh 3 chỗ: font có dấu, giọng đọc tiếng Việt, và cách đọc ký hiệu, công thức.
  • Video thứ 2 của mình dài 86 giây, khoảng 10 phút từ lúc tạo brief tới lúc có file MP4.

Video whiteboard là gì và vì sao hợp làm bằng AI

Video whiteboard (whiteboard animation) là video giải thích một ý bằng hình vẽ tay xuất hiện dần trên nền trắng, chạy song song với giọng đọc. Người xem nhìn nét bút đi tới đâu thì nghe giải thích tới đó, nên kiểu video này rất hợp để giải thích khái niệm, bài học hay một mẹo dùng công cụ.

Cái khó của video whiteboard không nằm ở khâu vẽ đẹp mà ở khâu canh giờ: hình nào xuất hiện ở câu nào, mũi tên vẽ lúc nào, chữ nào được gạch chân. Làm tay thì mất nhiều thời gian kéo thả trên timeline.

Đây lại đúng là việc AI viết code làm tốt. Mỗi nét vẽ là một dòng code kiểu "vẽ mũi tên ở nửa sau câu thứ 2", nên AI tự canh giờ theo đúng độ dài giọng đọc. Muốn đổi một câu thoại thì chỉ cần render lại, mọi nét vẽ tự dời theo.

Bộ công cụ để làm video whiteboard bằng AI trên máy

Mình dùng whiteboard-video, một skill mã nguồn mở (giấy phép MIT) dành cho Claude Code ?Nguồn: whiteboard-video-skill trên GitHub. Skill là một gói hướng dẫn và script mà Claude Code đọc để biết cách làm một việc cụ thể, ở đây là dựng video whiteboard.

Mọi thứ chạy ngay trên máy tính của bạn: Chrome chạy ngầm (headless) vẽ từng khung hình, còn ffmpeg ghép hình với tiếng thành MP4. Không cần tài khoản dịch vụ làm video nào cả.

Bạn cần chuẩn bị:

  • Claude Code - AI agent của Anthropic chạy trong Terminal.
  • Node.js 18 trở lên và Python 3.9 trở lên.
  • ffmpeg - trên máy Mac cài bằng brew install ffmpeg.
  • Google Chrome (hoặc Chromium, Edge) đã cài sẵn trên máy.
  • Một nguồn giọng đọc - giọng có sẵn của macOS (miễn phí), ElevenLabs, OpenAI, file ghi âm của chính bạn, hoặc Gemini như mình dùng ở dưới.

Cài skill làm video whiteboard vào Claude Code

Mở Terminal và chạy 3 lệnh sau. Lệnh đầu tải skill về thư mục skills của Claude Code, lệnh thứ 2 cài thư viện điều khiển Chrome, lệnh cuối cài ffmpeg.

git clone https://github.com/Matteoikarieth96/whiteboard-video-skill ~/.claude/skills/whiteboard-video
cd ~/.claude/skills/whiteboard-video/scripts && npm install
brew install ffmpeg

Xong là dùng được. Bạn không cần gọi tên skill, chỉ cần mở Claude Code và nhờ làm video, Claude tự nhận ra việc này hợp với skill whiteboard-video và lấy ra dùng.

Quy trình 4 bước Claude Code làm video whiteboard

Skill được thiết kế để hỏi đúng lúc và chốt từng khâu trước khi vẽ. Lý do: render lại thì rẻ, còn vẽ xong mới phát hiện kịch bản sai ý thì phí cả lượt. Thứ tự luôn là ngữ cảnh, kịch bản, giọng đọc, rồi mới tới vẽ.

Bước 1: Đưa brief, Claude hỏi thêm những gì còn thiếu

Bạn chỉ cần nói ý chính, ví dụ:

Làm video whiteboard khoảng 30 giây, khung 9:16 cho TikTok, giải thích vì sao chat với AI càng dài càng nhanh hết lượt. Người xem là người mới dùng AI. Giọng đọc tiếng Việt.

Claude Code sẽ hỏi thêm những gì còn thiếu: ý duy nhất người xem cần nhớ, nguồn số liệu, màu thương hiệu, có phụ đề không, câu kêu gọi cuối video. Câu trả lời được ghi vào file brief.md trong thư mục dự án, để lần sau làm video cùng series thì Claude đọc lại.

Với chủ đề có số liệu hay thông tin hay thay đổi, skill yêu cầu Claude kiểm mỗi con số ở 2 nguồn độc lập trước khi viết. Video "chat dài hết lượt" của mình lấy ý từ trang hỗ trợ chính thức của Claude ?Nguồn: Claude Help Center: Understanding usage and length limits.

Bước 2: Duyệt kịch bản từng cảnh trước khi vẽ

Claude trả về một bảng: mỗi dòng là một cảnh, gồm tiêu đề trên bảng, số giây, lời đọc và mô tả sẽ vẽ gì. Skill tính khoảng 2,6 từ mỗi giây (khoảng 150 từ mỗi phút) với tiếng Anh, nên video 60 giây chứa được tầm 140 từ. Nội dung dài hơn thời lượng thì Claude nói thẳng và đưa 2 bản: bản đủ và bản cắt gọn.

Kịch bản sau khi duyệt được lưu thành file script.json, mỗi câu thoại là một dòng phụ đề:

{"id": "why", "lines": [
  {"t": "Vì mỗi lần bạn gửi tin mới,"},
  {"t": "AI đọc lại nguyên cuộc trò chuyện từ đầu."}]}

Muốn sửa câu nào thì nói với Claude, nó chỉ đưa lại những cảnh bị đổi để bạn duyệt tiếp.

Bước 3: Chọn giọng đọc bằng tai, không chọn bằng tên

Claude đọc cùng một câu trong kịch bản bằng 2 tới 4 giọng khác nhau rồi gộp thành một file để bạn nghe so sánh. Các lựa chọn có sẵn trong skill:

Giọng đọcChi phíGhi chú
Giọng có sẵn của macOSMiễn phíTải thêm trong Cài đặt hệ thống, mục Trợ năng, Nội dung được đọc
ElevenLabsCó gói miễn phí và gói trả phíCần API key
OpenAI TTSTính theo lượng chữCần API key
Ghi âm của bạnMiễn phíMỗi câu một file âm thanh

Mình dùng giọng Fenrir của Gemini ?Nguồn: Google AI Studio: Speech generation vì nó đã là giọng quen thuộc của các video Học lỏm. Skill gốc chưa có Gemini nên mình nhờ Claude thêm vào script tạo giọng, sửa khoảng 20 dòng là chạy. Hay ở chỗ Gemini nhận câu mô tả giọng bằng tiếng Việt, mình đặt kiểu "giọng nam trẻ khoảng 22 tuổi, giọng miền Nam, tươi, như đang kể cho bạn bè nghe".

Bước 4: Xem bản xem trước rồi mới render MP4

Trước khi render cả video, Claude xuất một tờ xem trước (contact sheet): mỗi cảnh một ô, chụp lúc vẽ xong. Bạn nhìn một lần là biết cảnh nào chật, chữ nào tràn, hình nào đè lên phụ đề.

Tờ xem trước 6 cảnh của video whiteboard "chat dài hết lượt" do Claude Code vẽ: hết lượt giữa chừng, vì sao, chat càng dài, mẹo 1, mẹo 2, lưu lại

Ổn rồi thì Claude render bản đầy đủ: vẽ từng khung hình, ghép giọng đọc, chèn phụ đề và xuất file MP4 1080p. Các lệnh bên dưới là thứ Claude tự chạy, bạn không phải gõ:

python3 scripts/make_audio.py chat-dai-het-luot      # đọc giọng + đo giờ từng câu
node scripts/render.js chat-dai-het-luot sheet       # tờ xem trước
node scripts/render.js chat-dai-het-luot full        # xuất MP4

2 video whiteboard mình đã làm bằng AI

Video 1: Chat càng dài càng nhanh hết lượt (23 giây)

Đây là video thử format, chính là video ở đầu bài. 6 cảnh, khung dọc 9:16, có phụ đề. Mình đưa thêm một video TikTok kiểu giấy kem, chữ viết tay, gạch chân màu cam để Claude bắt chước phong cách. Claude tự vẽ được khung cửa sổ chat, bong bóng tin nhắn, con robot, biểu đồ cột và thư mục Project, toàn bằng nét bút đơn giản.

Video 2: Con lắc đơn cho học sinh THPT (86 giây)

Video thứ 2 mình chỉ nhắn một câu: "làm video giảng về con lắc đơn". Claude tự lấy lại độ dài, khung hình và giọng đọc từ dự án trước, rồi ghi rõ các giả định đó vào brief. Theo giờ tạo file, từ lúc có brief tới lúc có MP4 mất khoảng 10 phút.

Video whiteboard 86 giây về con lắc đơn, Claude Code tự viết kịch bản, vẽ hình và đọc giọng

Có 2 điều làm mình bất ngờ. Một là Claude tự thêm giai thoại Galileo nhìn đèn chùm làm câu mở đầu, và tự ghi chú đây là giai thoại nên lời đọc dùng chữ "tương truyền" chứ không khẳng định. Hai là hình vẽ đúng kiến thức: phân tích lực có vector P, lực căng, thành phần P·sinα, công thức chu kỳ đóng khung.

Tờ xem trước 9 cảnh của video whiteboard con lắc đơn: cấu tạo, lực kéo về, góc nhỏ, chu kỳ, không phụ thuộc khối lượng, thử tính, lên Mặt Trăng

Làm video whiteboard tiếng Việt: 3 chỗ cần chỉnh

Skill gốc viết cho tiếng Anh. Để video tiếng Việt ra chuẩn, mình phải chỉnh 3 chỗ sau. Bạn chỉ cần dặn Claude, nó tự sửa.

Đổi font viết tay có đủ dấu tiếng Việt

Font viết tay mặc định của skill là Caveat, thiếu dấu tiếng Việt nên chữ như "lượt", "giữa" bị vỡ. Mình thêm các font viết tay có dấu như Itim, Patrick Hand, Pangolin, Mali rồi đặt Itim làm font chính trong file cấu hình dự án.

Dạy AI cách đọc ký hiệu và công thức

Chữ hiện trên màn hình và chữ được đọc không phải lúc nào cũng giống nhau. Skill cho phép thêm trường say bên cạnh phụ đề t. Với video con lắc đơn, phụ đề ghi T = 2π√(l/g) nhưng giọng đọc phải là "tê bằng hai pi, căn của lờ chia gờ":

{"t": "Và chu kỳ của nó là: T = 2π√(l/g).",
 "say": "Và chu kỳ của nó là: tê bằng hai pi, căn của lờ chia gờ."}

Không có trường này thì giọng đọc sẽ đánh vần ký hiệu theo kiểu tiếng Anh.

Chừa vùng an toàn cho TikTok và Reels

Video dọc đăng TikTok sẽ bị nút thả tim, bình luận bên phải và phần chữ mô tả bên dưới che mất. Mình dặn Claude chỉ vẽ trong vùng an toàn (chừa cột phải và phần dưới) và đẩy phụ đề lên cao hơn mặc định. Claude ghi luôn quy ước này thành chú thích đầu file cảnh để các video sau làm theo.

Giới hạn khi làm video whiteboard bằng AI

  • Hình vẽ đơn giản. AI vẽ bằng nét SVG: hình khối, mũi tên, biểu đồ, icon. Đủ để giải thích ý, nhưng đừng mong chân dung hay phong cảnh đẹp như người vẽ thật.
  • Vẫn phải tự soát kiến thức. Skill bắt kiểm 2 nguồn, nhưng với bài giảng hay số liệu, bạn vẫn nên đọc lại kịch bản ở bước 2.
  • Cảnh nhiều chữ dễ chật. Khung dọc 9:16 không chứa được nhiều. Một cảnh nên có một ý, tối đa 2 câu thoại.
  • Cần máy tính chạy được Chrome và ffmpeg. Video 86 giây có 2.580 khung hình, máy yếu sẽ render lâu hơn.

Nếu bạn thích kiểu video hoạt hình chuyển động hơn là vẽ tay, có thể đọc thêm bài ChatGPT tạo video AI được không. Còn muốn kịch bản cuốn hơn thì xem cách viết kịch bản video TikTok.

Kết luận

Làm video whiteboard bằng AI giờ không cần biết vẽ hay biết dựng phim. Với skill whiteboard-video, Claude Code lo trọn từ kịch bản, giọng đọc, vẽ từng nét tới file MP4, còn bạn giữ 2 vai quan trọng nhất: chốt ý chính và duyệt kịch bản. Chỉnh thêm font, giọng và cách đọc công thức là video tiếng Việt ra chuẩn, đủ để làm cả một series giải thích kiến thức trên TikTok, Reels hay YouTube Shorts.

Câu hỏi thường gặp

Làm video whiteboard bằng AI có mất phí không?

Bản thân skill whiteboard-video miễn phí và mã nguồn mở. Chi phí nằm ở 2 chỗ: gói Claude để dùng Claude Code, và giọng đọc nếu bạn chọn dịch vụ trả phí như ElevenLabs hay OpenAI. Dùng giọng có sẵn của macOS hoặc tự ghi âm thì phần giọng không tốn gì.

Không biết code có làm được video whiteboard bằng Claude Code không?

Được. Bạn chỉ trò chuyện với Claude Code bằng tiếng Việt: nói chủ đề, duyệt kịch bản, nghe thử giọng. Việc viết code vẽ hình và chạy lệnh render là Claude tự làm. Bạn chỉ cần chạy 3 lệnh cài đặt ở trên một lần.

Video whiteboard bằng AI có đọc được tiếng Việt không?

Có, với điều kiện chọn giọng đọc hỗ trợ tiếng Việt (như Gemini TTS hoặc giọng tiếng Việt của macOS) và đổi sang font viết tay có đủ dấu. Ký hiệu, công thức, số thập phân thì nên khai báo cách đọc bằng trường say.

Làm một video whiteboard bằng AI mất bao lâu?

Video 86 giây của mình mất khoảng 10 phút từ lúc tạo brief tới lúc có file MP4, chưa tính thời gian bạn đọc duyệt kịch bản. Video ngắn khoảng 20 tới 30 giây thì nhanh hơn. Thời gian render phụ thuộc vào độ dài video và cấu hình máy.

Có làm được video ngang 16:9 cho YouTube không?

Được. Skill hỗ trợ cả khung ngang 16:9 (1920x1080) cho YouTube, bài thuyết trình và khung dọc 9:16 (1080x1920) cho TikTok, Reels, Shorts. Bạn chỉ cần nói khung hình mong muốn ở bước brief.