Runway Gen 4.5: Mẫu văn bản thành video tốt nhất hiện nay?

Dù trailer rất ấn tượng, tôi luôn hoài nghi rằng các ví dụ mà những công ty tạo video bằng AI dùng để trình diễn mô hình đều được chọn lọc kỹ, và thực tế thường không đúng như những gì được thổi phồng.

Trong bài viết này, tôi sẽ hướng dẫn bạn cách sử dụng Runway 4.5 và đưa ra các ví dụ không lọc để xem Runway 4.5 có thực sự đáp ứng được kỳ vọng hay không.

Runway 4.5 là gì?

Runway 4.5 là mô hình AI tạo video từ văn bản của Runway ML. Trong khi Runway 4 tập trung tạo video từ ảnh, Runway 4.5 lại chú trọng vào prompt văn bản. Mô hình mới hiện chưa hỗ trợ âm thanh, nhưng theo Runway thì tính năng này sẽ sớm được tung ra.

Việc thiếu hỗ trợ âm thanh cũng có nghĩa là phần âm trong trailer ra mắt được làm bên ngoài chứ không do Runway 4.5 tạo ra.

Dù mô hình mới vượt các mô hình hiện có ở các thang đo văn bản thành video, điều này vẫn có cảm giác là một bước lùi vì các phiên bản trước hỗ trợ âm thanh và hình ảnh khá tốt. 

Theo kinh nghiệm của tôi, hỗ trợ ảnh là nền tảng để xây dựng câu chuyện nhất quán, bởi ngay cả khi mô hình bám sát prompt văn bản hoàn toàn, chỉ với văn bản thì gần như không thể duy trì tính nhất quán về nhân vật.

Nếu bạn mới dùng Runway, chúng tôi khuyên bạn xem thêm các bài viết khác về Runway ML:

• Runway Gen 4: Hướng dẫn kèm ví dụ thực tế
• Runway Gen-3 Alpha là gì? Cách hoạt động, trường hợp sử dụng, lựa chọn thay thế & hơn thế nữa
• Hướng dẫn Runway Act-One: Tôi tự quay để thử nghiệm

Cách truy cập Runway 4.5?

Bạn có thể truy cập Runway 4.5 qua ứng dụng web của họ.

Sử dụng không miễn phí và cần đăng ký gói thuê bao. Xem chi tiết tại trang giá của họ.

Mỗi giây tạo video với Gen 4.5 tốn 25 credit. Gói rẻ nhất đi kèm 625 credit, chỉ cho phép tạo 25 giây video.

Có gì mới trong Runway Gen-4.5?

Hãy xem các tính năng mới của Runway Gen 4.5:

Bám sát prompt chính xác

Trong bài phát hành, họ cho rằng Runway 4.5 có thể bám sát các prompt phức tạp với độ chính xác cao. Cụ thể, nó có thể:

• Dựng cảnh nhiều thành phần phức tạp với độ chính xác cao.
• Xử lý bố cục chi tiết, cho phép đặt vị trí vật thể chính xác và chuyển động mượt mà của nhân vật, vật thể trong cảnh.
• Xử lý chính xác các tương tác vật lý với va chạm thuyết phục và chuyển động tự nhiên.
• Tạo nhân vật giàu biểu cảm với cảm xúc tinh tế, cử chỉ tự nhiên và chi tiết sống động.

Video dưới đây là tổng hợp một ví dụ cho từng tính năng, lấy từ trang web chính thức của họ:

Kiểm soát phong cách và tính nhất quán thị giác

Tương tự các mô hình văn bản thành video hiện đại như Veo3.1, Gen-4.5 hỗ trợ phổ phong cách thị giác rộng, từ hình ảnh điện ảnh chân thực đến hoạt hình cách điệu cao, đồng thời giữ bản sắc thị giác thống nhất, nhất quán. Cụ thể, chúng ta có thể:

• Tạo video khó phân biệt với cảnh quay đời thực, đầy đủ chi tiết và độ chính xác sống động.
• Tạo chuyển động cách điệu, giàu biểu đạt với tự do nghệ thuật, không bị ràng buộc bởi chủ nghĩa hiện thực.
• Làm video trông và cảm nhận như đời sống thường ngày.
• Dựng video có chiều sâu nổi bật và độ trau chuốt đậm chất điện ảnh.

Dưới đây là các ví dụ trích từ thông báo chính thức của họ, minh họa từng tính năng nêu trên:

Kiểm thử Runway 4.5

Những ví dụ ở trên được lấy từ trang chính thức. Trông rất ấn tượng, nhưng với các mô hình tạo video bằng AI, chúng ta thường phải tạo rất nhiều video bằng cùng một prompt trước khi nhận được kết quả tốt. 

Cần nhớ rằng kết quả trong thông báo ra mắt mô hình mới thường được chọn lọc kỹ lưỡng, là những video tốt nhất trong số rất nhiều mẫu đã tạo.

Ở phần này, tôi trình bày kết quả các thử nghiệm của riêng mình với Runway 4.5. Khi thực hiện, tôi không chọn lọc. Với mỗi ý tưởng, tôi chỉ tạo một video và không thử nhiều bản cho đến khi được kết quả chấp nhận được.

Để viết prompt tốt, tôi khuyến nghị làm theo hướng dẫn prompt của họ, gợi ý cấu trúc sau:

[Camera] shot of [a subject/object] [action] in [environment]. [Supporting component descriptions]Được hỗ trợ bởi

Độ chính xác vật lý

Bài test đầu tiên của tôi với Runway 4.5 là xem mô hình có hiểu vật lý hay không. 

Tôi nghĩ ra cảnh đặt một con voi và một con chuột lên bập bênh và xem nó nghiêng theo hướng nào. Tôi không muốn nêu kết quả mong đợi trong prompt để xem mô hình có học được vật lý thực tế mà không cần mô tả hay không.

Thay vì tạo một video, tôi quyết định tạo hai video:

1. Chuột ngồi một mình trên một đầu bập bênh, voi nhảy xuống đầu còn lại. Tôi kỳ vọng chuột sẽ bị hất văng.
2. Voi ngồi một mình trên bập bênh, chuột nhảy xuống đầu còn lại. Tôi kỳ vọng không có gì xảy ra vì voi nặng hơn rất nhiều.

Đây là các prompt tôi dùng:

Side-on static camera shot of a mouse sitting alone on one end of a wooden see-saw as an elephant falls onto the opposite end in an open grassy field. 
The full see-saw and pivot remain visible, the fall completes within the shot, the motion is shown in real-time, and the take is continuous with no cuts.Được hỗ trợ bởi

Side-on static camera shot of an elephant sitting alone on one end of a wooden see-saw as a mouse falls onto the opposite end in an open grassy field. 
The full see-saw and pivot remain visible, the fall completes within the shot, the motion is shown in real-time, and the take is continuous with no cuts.Được hỗ trợ bởi

Và đây là kết quả:

Dù kết quả không đúng hệt như tôi hình dung, tôi cảm thấy về mặt vật lý, Runway 4.5 xử lý tương đối tốt. 

Trong video đầu, con voi không thực sự rơi xuống bập bênh, nhưng khi nó bước lên, con chuột được nhấc lên, dù có vài điểm chưa nhất quán nhỏ.

Trong video thứ hai, đúng như mong đợi, chuột rơi xuống bập bênh không gây tác động gì, điều đó là tốt.

Cảm xúc nhân vật

Tiếp theo, tôi muốn xem liệu có thể khơi gợi cảm xúc mạnh ở nhân vật hay không. Ban đầu, tôi muốn tạo một khoảnh khắc gượng gạo bằng cách để hai người nhìn chằm chằm vào nhau, không làm gì sau khi cuộc trò chuyện kết thúc. Tôi dùng prompt này:

Two-shot eye-level camera shot of two people holding eye contact after a conversation ends in a small elevator. 
Neither speaks, the doors remain closed, and the moment extends slightly longer than comfortable in real time.Được hỗ trợ bởi

Đây là video do Runway Gen 4.5 tạo:

Video không cho tôi cảm giác gượng gạo. Tôi biết tôi không yêu cầu rõ ràng cảm xúc đó trong prompt, và có lẽ cũng mang tính chủ quan khi cho rằng cái nhìn lâu sẽ tạo cảm giác ấy.

Dù không đúng kỳ vọng, tôi thấy video thể hiện biểu cảm khuôn mặt khá nhất quán với tình huống. Với tôi, cảm giác giống như các nhân vật đang chuẩn bị đối mặt một tình huống khó khăn.

Tôi làm thử nghiệm thứ hai: một người phụ nữ nhận được tin nhắn buồn và phản ứng với nó. Đây là prompt tôi dùng:

Locked-off close-up camera shot of a young woman reading a very sad message on her phone and slowly lowering it in a quiet subway station. 
Her face remains fully visible, background movement continues naturally, and the moment plays out in a single continuous take.Được hỗ trợ bởi

Tạo cảnh phức tạp

Một điều tôi thường thấy các mô hình AI thất bại là tạo cảnh đông đúc với nhiều người. Thông thường có rất nhiều lỗi, người và vật thể biến mất hoặc xuất hiện từ hư không.

Để kiểm tra khả năng tạo cảnh phức tạp của Runway 4.5, tôi yêu cầu tạo video về một chợ đêm đông đúc bằng prompt này:

A crowded open-air night market just after a sudden rainstorm. 
Steam rises from food stalls while neon signs in different languages reflect in puddles on the ground. 
Dozens of people move through the narrow aisles: vendors cooking, customers eating, children weaving through the crowd, a street musician performing near an intersection. 
Some people carry umbrellas, others shake water from their clothes. 
Plastic tarps flutter overhead, partially blocking strings of warm lights. 
In the background, scooters pass by, and apartment windows glow at different heights. 
The scene feels alive, messy, and authentic, with many small interactions happening at once.Được hỗ trợ bởi

Đây là kết quả:

Nhìn chung, kết quả không tệ. Những người ở tiền cảnh vẫn nhất quán, và video bao gồm phần lớn các yếu tố đã yêu cầu. 

Tuy nhiên, nó vẫn gặp vấn đề giống các mô hình khác là khó duy trì sự nhất quán của chuyển động. 

Ví dụ, có lúc một chiếc xe tay ga ở hậu cảnh biến mất. Một số người cũng vậy.

Tạo cảnh đời thường

Một tuyên bố trong thông báo là khả năng tạo cảnh đời thường đơn giản. Để kiểm tra, tôi yêu cầu tạo một cảnh sinh hoạt phổ biến nhất mà tôi nghĩ tới: thanh toán ở siêu thị.

Đây là prompt tôi dùng:

Eye-level handheld camera shot of a customer placing items on a checkout counter and waiting in a small local grocery store. 
The cashier scans items off-screen, the line behind shifts slightly, and ambient motion continues.Được hỗ trợ bởi

Dù kết quả không quá tệ, tôi cảm thấy mô hình gặp khó trong việc bám sát prompt:

Không có hàng người phía sau, và các món đồ chạy trên băng chuyền theo cách kỳ lạ rồi dồn lại ở cuối. Cảnh trông không tự nhiên và rất “mùi AI”.

Tạo thế giới giả tưởng

Có một ý tưởng tôi muốn tạo từ lâu nhưng thất bại với mọi mô hình từng thử, nên tôi quyết định thử với Runway 4.5. Tôi muốn tạo một nhân vật có cây cọ thần có thể dùng để thoát khỏi các tình huống. 

Ví dụ, nhân vật có thể chạy trốn khỏi kẻ xấu và dùng cọ vẽ chiếc thang để thoát khỏi ngõ cụt.

Tôi yêu cầu Runway 4.5 tạo cảnh này bằng prompt sau:

A fantastical world where painted objects can become real. 
A lone character carrying a glowing magical paintbrush runs through a surreal alley as shadowy pursuers close in behind him. 
He reaches a dead end: a tall, blank wall with no exits. 
Panicked but focused, he turns, presses the brush against the wall, and quickly paints a ladder. 
As the final stroke is completed, the painted ladder transforms into a physical object attached to the wall. 
The character climbs the ladder and escapes upward just as the pursuers reach the wall below. 
The environment feels dreamlike and imaginative, with subtle magical effects reinforcing that art and reality blend together in this world.Được hỗ trợ bởi

Video có vài điểm chưa nhất quán, như kẻ xấu lúc đầu lại chạy xa nhân vật chính, và ở cuối thì họ không trèo thang. Dù vậy, sau khi đã thử ý tưởng này trên các mô hình khác, tôi phải nói đây là lần đầu tôi nhận được kết quả gần với mong muốn đến vậy.

Tạo video phong cách điện ảnh

Ở thử nghiệm cuối, tôi thử tạo một video có diện mạo và cảm giác điện ảnh. Đây là prompt tôi dùng:

A cinematic sequence at dusk in a vast desert landscape. 
A solitary figure walks along a windswept ridge as the sky shifts from deep blue to burning orange. 
The camera begins wide and slowly pushes in, revealing dust catching the light and fabric moving in the wind. 
The character stops, turns toward the horizon, and exhales as distant thunder rolls. 
Subtle lens flares, natural motion blur, and layered sound cues suggest scale and tension. 
The moment feels quiet, dramatic, and intentional, like a scene from a high-budget film.Được hỗ trợ bởi

Đây là kết quả:

Về diện mạo và cảm giác, tôi nghĩ rất chính xác và mang chất điện ảnh rõ nét. Điều duy nhất tôi không thích là nhân vật chạy thay vì đi bộ. Tôi thấy điều này làm thay đổi hoàn toàn cảm xúc của video.

So sánh Runway 4.5 với Veo 3.1

Tôi thử vài ví dụ với cùng prompt trên cả Runway 4.5 và đối thủ trực tiếp hơn theo cảm nhận của tôi là Veo 3.1 (lưu ý video do Veo 3.1 tạo dài hơn một chút).

Tôi khá bất ngờ khi Runway 4.5 cho kết quả tốt hơn đáng kể ở cả ba ví dụ. Đây là so sánh giữa hai mô hình cho ví dụ bập bênh với con voi ngồi trên đó:

Video của Veo 3.1 mắc nhiều lỗi. Ví dụ, một con chuột thứ hai xuất hiện từ hư không khi con chuột rơi. Sau đó trông như bập bênh đập vào con voi, nhưng rồi con voi lại ở phía trước nó.

Tôi thử một ví dụ cuối với chuyển động phức tạp và tương tác vật lý:

Slow-motion dolly shot of a line of shopping carts colliding one after another in a steep supermarket parking garage. 
Each impact transfers momentum unevenly, carts crumple differently, loose items fly forward, and the final cart barely moves.Được hỗ trợ bởi

Trong trường hợp này, cả hai mô hình đều thất bại, nhưng Veo 3.1 thất bại nặng hơn:

Kết luận

Trong phần hướng dẫn này, tôi đã trình bày cách sử dụng Runway 4.5 và “stress test” nó bằng các prompt không lọc về vật lý, cảm xúc, đám đông phức tạp, khoảnh khắc đời thường, màn thoát thân giả tưởng và một cảnh điện ảnh. Tôi cũng so sánh trực tiếp Runway 4.5 với Veo 3.1. 

Runway 4.5 hoàn toàn có thể tạo ra các video đẹp mắt, mạch lạc, bám sát prompt và đôi khi có khoảnh khắc nổi bật, nhưng chưa có gì thực sự đột phá. 

Runway 4.5 vẫn có những hạn chế rõ ràng, đáng chú ý nhất là thiếu âm thanh tích hợp sẵn (theo họ sẽ sớm ra mắt), cùng với các vấn đề nhất quán còn dai dẳng mà ta thấy ở các tương tác bận rộn hoặc chi tiết. 

Tổng thể, dựa trên các thử nghiệm của tôi và thang đo họ công bố, Runway 4.5 hiện có vẻ mạnh hơn Veo 3.1.

Nếu bạn muốn tìm hiểu thêm về các kỹ thuật dùng trong tạo video bằng AI, tôi khuyên bạn xem hướng dẫn về các mô hình tạo video hàng đầu và lộ trình kỹ năng AI Fundamentals của chúng tôi.