AI Video cuối 2026 - Kĩ thuật, giá thật và cơ hội cho doanh nghiệp Việt

Sáu tháng cuối năm 2026 thay đổi ngành AI Video nhanh hơn hai năm trước đó cộng lại. Tháng 4/2026, OpenAI đóng ứng dụng Sora. Tháng 9/2026, họ khóa nốt phần sinh video trên API. Tháng 10/2026, Google gỡ toàn bộ dòng model Veo khỏi Gemini API. Cùng lúc ấy, Kling — công cụ của Kuaishou — đạt doanh thu khoảng 500 triệu USD mỗi năm, với 75% đến từ thị trường ngoài Trung Quốc [3]. Cùng một công nghệ, hai số phận trái ngược.

Bài viết tổng hợp từ bốn báo cáo nghiên cứu chuyên sâu hoàn thành trong tháng 11/2026, mọi số liệu chủ chốt giữ nguyên nhãn nguồn và thời điểm để độc giả tự kiểm chứng, đồng thời trả lời bốn câu hỏi. AI Video gồm những kĩ thuật nào. Vì sao nó thành trend và hiện trạng ra sao. Cơ hội và thách thức nằm ở đâu cho doanh nghiệp. Và nguồn tài nguyên mở nào dùng được ngay.

Nếu chỉ đọc 5 dòng thì đọc đây.

• Model sinh video là hàng tiêu dùng, không phải hạ tầng: Sora ngừng 26/4 và 24/9/2026, toàn bộ Veo gỡ khỏi Gemini API 22/10/2026 [1][2]
• Tiền là thật: chi phí sản xuất giảm 70-90% (PwC), một video quảng cáo 13 USD với AI so với 120 USD truyền thống (MIT) [4][5]
• Giá sinh footage hiện hành: 0,10-0,16 USD mỗi giây 720p; tầng miễn phí sinh video đã hết [7][8]
• 90% phim ngắn Trung Quốc dùng AI, mà lợi nhuận dồn về nền tảng, không về người làm nội dung [9][10]
• Việt Nam: phim ngắn thu 11,5 triệu USD mua trong app năm 2025, chưa nền tảng nào mua nội dung gốc tiếng Việt — cửa sổ còn mở [16]

AI Video là gì - năm lớp kĩ thuật cần phân biệt

Nói "AI Video" như một khối là cách chắc chắn hiểu sai ngành này, vì bên trong là năm lớp kĩ thuật khác nhau về bản chất, chi phí và độ bền.

Lớp đầu và nổi tiếng nhất là model sinh video từ chữ (text-to-video): nhận mô tả bằng lời, trả về đoạn phim, tính tiền theo giây. Cuối 2026 có khoảng mười model đáng dùng, dẫn đầu là Kling 4.0 của Kuaishou (clip 30 giây, 4K, âm thanh hai kênh), Seedance 2.5 của ByteDance (30 giây liền một cú, nhận tới 50 ảnh tham chiếu), Gemini Omni Flash của Google (tạo và sửa video bằng hội thoại) và Veo 3.1 trên Google Cloud (chất lượng cao nhất, giá cao nhất) [1][2].

Thứ hai là model mở trọng số (open weights): MiniMax H3, Wan 2.6 của Alibaba, HunyuanVideo của Tencent, LTX-2. Ai cũng tải về chạy được, miễn phí, Reuters gọi MiniMax là model đóng tốt nhất hiện mở miễn phí. Cái giá của chữ miễn phí là phần lớn cần card đồ họa 24-60 GB VRAM — tự vận hành đắt hơn gọi API, nên chiến lược đúng là gọi API thương mại, tự vận hành chọn lọc [7].

Lớp thứ ba là procedural video — dựng phim bằng mã nguồn. Mỗi video là một chương trình: viết HTML/CSS hoặc code, máy render thành phim. Sửa được, lặp được, chạy trên máy thường. Đây là lớp đã chín trong năm 2026 và là phát hiện quan trọng nhất của nghiên cứu.

Thứ tư là agent điều phối. Claude không quay phim được, không xem video trực tiếp — đây là giới hạn đã xác minh qua tài liệu chính thức của Anthropic. Đổi lại, Claude là đạo diễn giỏi: viết kịch bản, viết mã render, chạy ffmpeg, gọi API model sinh video khác, trích frame để nhìn video qua ảnh. Công thức ghi trong nghiên cứu nghe như phân vai phim: Claude làm não, công cụ khác làm mắt và làm tay. Chính Anthropic đã công bố mẫu ứng dụng explainer-video-maker trên GitHub chính thức — một tổng quản lý điều phối các agent con render đồng thời từng cảnh, ghép bằng ffmpeg, không dùng model sinh video nào [21]. Và lớp cuối là chuỗi công cụ cục bộ cho tiếng Việt: Whisper chuyển giọng nói thành chữ, VieNeu-TTS tạo giọng đọc tiếng Việt trên máy, HyperFrames render. Một chiếc Mac thường chạy trọn chuỗi này với chi phí bằng không.

Ba lớp cuối là phần doanh nghiệp Việt kiểm soát được và không mất tiền. Lớp đầu là phần đang chảy máu — đổi thay từng quý, tính tiền từng giây.

Vì sao AI Video thành trend - và hiện trạng thật

Ba lực đẩy cùng lúc.

Lực thứ nhất là kinh tế. Thí nghiệm thực địa của MIT IDE trên hơn 21.000 người dùng (2025) cho thấy chi phí làm một video quảng cáo 30 giây giảm từ 120 USD cách truyền thống xuống 13 USD với AI, tức khoảng 90% [4]. PwC (10/2025) độc lập đo được mức giảm 70-90% [5]. Khảo sát IAB đầu 2026 ghi nhận 64% người làm quảng cáo xếp chi phí là lợi ích số một, lên từ vị trí thứ năm của năm 2024 [6]. Khi giá một video tụt từ mức cần duyệt ngân sách xuống mức chai nước, bài toán thị trường đổi hẳn.

Năng lực kĩ thuật là lực thứ hai, và nó nhảy cấp. Cuối 2026, biên khả năng của model sinh video là clip 30 giây, 4K, âm thanh và khớp môi native, giữ nhất quán nhân vật qua nhiều cảnh — những thứ năm 2024 chỉ làm được vài giây, lỗi tay đều. Model Trung Quốc dẫn đầu về độ dài và tham chiếu, Google dẫn về chất lượng [7].

Lực thứ ba là việc các ông lớn bỏ cuộc, nghe ngược đời nhưng đúng. Sora chết, Veo bị gỡ, khoảng trống đổ vào Kling, Seedance, MiniMax — và lớp ứng dụng trên них bùng nổ. Kuaishou thu về Kling mức doanh thu khoảng 500 triệu USD một năm, 100 triệu người dùng, 50.000 khách doanh nghiệp, tách vòng gọi vốn 2,8-3 tỷ USD, định giá 18 tỷ USD [3]. Trung Quốc là phòng thí nghiệm quy mô lớn nhất: 90% phim ngắn dùng AI trong sản xuất, thị trường vượt 100 tỷ NDT (khoảng 15 tỷ USD) năm 2025, 430.000 bộ phát hành trong 8 tháng đầu 2026 [9].

Hiện trạng có một mặt tối cần nói thẳng. MiniMax lên sàn Hồng Kông đầu 2026, huy động khoảng 619 triệu USD, cổ phiếu ngày đầu tăng 109% — và vẫn lỗ ròng 1,87 tỷ USD năm 2025 với biên gộp chỉ 23% [11]. Bán AI video thuần túy là mô hình biên mỏng. Ở phía người làm nội dung, bài học đắt hơn: chi phí sản xuất phim ngắn Trung Quốc giảm 90%, kịch bản 60 tập từ 500-600 nghìn NDT xuống dưới 200 nghìn NDT, nhưng người làm nội dung không giàu thêm — lợi nhuận dồn về nền tảng và thuật toán [10]. Nghiên cứu chốt lại một câu đáng dán ở phòng họp: sản lượng không đồng nghĩa lợi nhuận.

Còn giá thật để lập ngân sách, đối chiếu hai nguồn chính thức khớp nhau (verify 05/11/2026): Kling 4.0 bản 720p tính 0,157 USD/giây, tức 1,57 USD cho một clip mười giây [7]. Gemini Omni Flash khoảng 0,10 USD/giây [8]. Một phút video hoàn chỉnh sau khi ghép 6-8 clip và tính cả render lỗi tốn 10-19 USD với model giá thấp, 19-38 USD với Kling 4.0. Tầng miễn phí sinh video đã hết — Google ghi rõ "Not available" trong tài liệu giá. Còn miễn phí chỉ ở phân tích video, transcribe bằng Whisper chạy máy cục bộ, và render từ mã nguồn.

Cơ hội và thách thức - cho doanh nghiệp media và doanh nghiệp thường

Mọi phân tích trên dẫn về một mô hình chung về nơi giá trị cư trú trong ngành này.

Đáy tháp là model — hàng tiêu dùng, thay từng quý, bám vào một model là đặt cược công ty vào thứ có thể biến mất trong sáu tháng, Sora là bằng chứng. Giữa tháp là quy trình: agent, chuỗi công cụ, pipeline procedural — thứ mình sở hữu và lặp được. Đỉnh tháp là lớp giá trị con người: kịch bản, giọng kể, biên tập có chủ đích, phân phối, thương hiệu. Cả lợi nhuận lẫn bản quyền đều dồn về đỉnh tháp này.

Với doanh nghiệp media, ba cụm cơ hội xếp theo mức sẵn sàng.

Cụm một, phim ngắn tiếng Việt. Nhóm ứng dụng phim ngắn tại Việt Nam thu 11,5 triệu USD doanh thu mua trong app năm 2025, xếp thứ năm mọi nhóm ứng dụng; lượt tải tăng 271% riêng quý 4/2025; 6/8 vị trí đầu bảng tải Giải trí trên App Store Việt Nam (ghim 9/2026) là app phim ngắn [16]. Toàn cầu, DramaBox và ReelShort mỗi ứng dụng thu khoảng 140 triệu USD một quý [17]. Điểm mấu chốt: Indonesia đã ký hợp đồng đồng sản xuất nội dung gốc với ReelShort tháng 8/2026 [18], các nền tảng đã làm nội dung gốc tiếng Nhật, tiếng Anh — nhưng chưa thấy nền tảng nào mua nội dung gốc tiếng Việt. Khoảng trống này không còn lâu. Tham chiếu giá thị trường: dịch vụ sản xuất 150-500 USD một tập trọn gói, nền tảng mua đứt nội dung gốc 150.000-250.000 USD một bộ.

Thứ hai là tài sản nội dung sẵn có nhân hệ số visual tự động. Một label có kho nhạc vài nghìn bài giờ có thể chạy visualizer, lyric video, MV template bằng procedural render trên máy cục bộ — 24,8 giây render một video 30 giây trên máy Ram 8 GB, chi phí biên gần bằng không [22]. Việc trước đây không đủ nguồn lực làm, giờ thành bài toán chạy hàng loạt.

Cụm ba, đa ngôn ngữ. Mô hình Trung Quốc đã chứng minh: làm nội dung gốc bản địa, AI lồng tiếng các ngôn ngữ, xuất khẩu lên ứng dụng quốc tế. Chuỗi Whisper + TTS tiếng Việt + API lồng tiếng có khớp môi biến chi phí bản địa hóa từ rào cản thành lợi thế của người đi sớm.

Với doanh nghiệp ngoài ngành media, AI Video trước hết là bài toán chi phí truyền thông nội bộ và marketing: video đào tạo, video giới thiệu sản phẩm, video tuyển dụng — các định dạng từng đắt vì cần ekip giờ chạm mức 13 USD một bài [4]. Lợi ích thứ hai là tự động hóa việc lặp: phụ đề, cắt đoạn im lặng, metadata — nhóm công việc chiếm 40-60% thời gian lặp mỗi ngày theo ước tính nội bộ từ các đề xuất chuyển đổi AI [23], công cụ chạy miễn phí trên máy sẵn có. Rào cản thử nghiệm gần như không tồn tại: ngân sách công cụ cho hai pilot đo được trong bốn tuần dưới 200 USD [22].

Năm thách thức đúng cho cả hai nhóm, xếp theo độ nguy hiểm.

Một, YouTube. Chính sách "inauthentic content" (làm rõ ngày 15/7/2025, nguyên văn trên trang hỗ trợ chính thức) không cho kiếm tiền trên nội dung AI tạo từ khuôn mẫu chung chung, cảm giác sản xuất dây chuyền. Con số "130.000 kênh AI bị gỡ" đang lan truyền không có trong bài báo gốc — số chính thức là khoảng 2,7 triệu kênh bị gỡ trong 2026 vì mọi loại spam [13]. Cách an toàn: mọi định dạng có lớp giá trị người, khai báo nội dung AI, kênh thử nghiệm tách khỏi kênh chính.

Hai, bản quyền. Văn phòng Bản quyền Mỹ kết luận nội dung thuần AI không có bản quyền (báo cáo Part 2, 1/2025) [15]. Việt Nam cùng hướng: Luật SHTT sửa đổi 2025 quy định AI không phải chủ thể quyền, tác phẩm được bảo hộ phải do con người trực tiếp sáng tạo. Nhạc AI qua các nền tảng phân phối còn hẹp hơn: RouteNote chấp nhận có điều kiện — không vào Content ID, không lên kho Hàn Quốc và Amazon, không ghi tên hãng AI trong thông tin bài hát (verify FAQ chính thức 05/11/2026) [14].

Ba, nhà cung cấp chết nhanh. Sora biến mất trong sáu tháng là đủ lý do cho kiến trúc nhiều model chạy cùng lúc.

Bốn, pháp lý Việt Nam siết. Công văn 1919/ĐA-VP ngày 25/9/2026 của Cục Điện ảnh nhắm thẳng vào phim ngắn và phim AI trên mạng xã hội, căn cứ Điều 21 Luật Điện ảnh 2022: chỉ doanh nghiệp có giấy phép mới được phổ biến phim trên mạng, không loại trừ phim tự sản xuất [19]. Luật Trí tuệ nhân tạo 2025 (hiệu lực 1/3/2026) và Nghị định 142/2026 yêu cầu phân biệt và gắn nhãn nội dung AI [20].

Năm, cuộc đua xuống đáy. Chi phí giảm, người làm nội dung không автоматически giàu — chất lượng kịch bản tiếng Việt có chủ đích là chỗ máy móc không đua nổi [10].

Kho tài nguyên mở - repo đáng dùng ngay

Phần này là danh sách tài nguyên đã được nghiên cứu kiểm tra và thực nghiệm trên máy thật (05/11/2026), toàn bộ miễn phí.

Tín hiệu đáng chú ý cho Việt Nam: đã có đội Việt độc lập sản phẩm hóa đúng kiến trúc agent + procedural này (dự án AIEVv2 và các repo của lập trình viên Việt trên GitHub) [22] — hướng đi không còn là lý thuyết.

Ba lưu ý dùng tài nguyên. Khóa phiên bản khi dùng công cụ bản 0.x — giao diện HyperFrames có thể đổi. Đừng tự vận hành model mở trên card đồ họa riêng trừ khi có lý do đặc biệt, API đã rẻ. Và dạy đội theo hướng agent làm trước, gói kĩ năng sau — benchmark cộng đồng 10/2026 cho thấy agent đạt chuẩn sản phẩm tối thiểu trong 4,4 phút, con số này chỉ đo agent, không đo người không chuyên tự làm.

Lộc Đặng — nghiên cứu và triển khai chuyển đổi AI cho hơn 100 doanh nghiệp tại Việt Nam. Bài viết tổng hợp từ bốn báo cáo nghiên cứu AI Video hoàn thành tháng 11/2026. Nhận tư vấn và đào tạo quy trình sản xuất nội dung ứng dụng AI cho đội ngũ.

Nguồn nghiên cứu

Phạm vi. Tổng hợp từ bốn báo cáo nghiên cứu chuyên sâu (tháng 11/2026), mọi số liệu chủ chốt kèm nhãn nguồn và thời điểm kiểm chứng 05-07/11/2026.

[1] OpenAI Deprecations (developers.openai.com) — Sora ứng dụng ngừng 26/4/2026, API ngừng 24/9/2026
[2] Google AI Studio Deprecations — toàn bộ model Veo gỡ khỏi Gemini API 22/10/2026
[3] PR Newswire, SCMP, Digital Applied — Kling doanh thu định dạng ~500 triệu USD/năm đầu 2026
[4] MIT IDE Research Brief 2025 — thí nghiệm 21.000+ người dùng; 13 USD so với 120 USD mỗi video
[5] PwC 10/2025 — giảm 70-90% chi phí sản xuất
[6] IAB 1/2026 — 64% người làm quảng cáo xếp chi phí là lợi ích số một
[7] kling.ai/dev/pricing và Runway Dev (đối chiếu khớp 05/11/2026) — Kling 4.0 0,157 USD/giây 720p
[8] Google AI Studio pricing — Gemini Omni Flash ~0,10 USD/giây 720p
[9] RFI 10/2026 — 90% phim ngắn Trung Quốc dùng AI; thị trường 100 tỷ NDT năm 2025
[10] TMTPost, RFI — lợi nhuận dồn về nền tảng; thu nhập creator giảm dù sản lượng tăng
[11] SCMP, WSJ — MiniMax IPO 1/2026 huy động ~619 triệu USD; lỗ ròng 1,87 tỷ USD năm 2025
[12] Reuters — MiniMax H3 "model đóng tốt nhất hiện mở miễn phí"
[13] YouTube "inauthentic content" 15/7/2025 (support.google.com); YouTube Transparency Report 2026 (~2,7 triệu kênh gỡ)
[14] RouteNote FAQ (cập nhật 17/8 và 12/10/2026, verify 05/11/2026)
[15] US Copyright Office Part 2 (1/2025); Luật SHTT Việt Nam sửa đổi 2025
[16] Adjust "Vietnam Spotlight 2026" — 11,5 triệu USD doanh thu mua trong app của nhóm phim ngắn Việt Nam 2025
[17] Sensor Tower — DramaBox và ReelShort ~140 triệu USD/quý
[18] ContentAsia, Variety — ReelShort ký đồng sản xuất với Indonesia 26/8/2026
[19] Cục Điện ảnh, Công văn 1919/ĐA-VP 25/9/2026; Điều 21 Luật Điện ảnh 2022
[20] Luật Trí tuệ nhân tạo 2025 (hiệu lực 1/3/2026); Nghị định 142/2026
[21] GitHub anthropics/skills — explainer-video-maker (verify 05/11/2026)
[22] Nghiên cứu GitHub và thực nghiệm Linh An Solutions 05/11/2026 — HyperFrames 24,8 giây/video 30 giây trên Mac mini Ram 8 GB; FilmCraft xuất video 18 giây trong 6,8 giây; dự án Việt AIEVv2
[23] Ước tính nội bộ từ bản đề xuất chuyển đổi AI 28/9/2026 — cắt 40-60% việc lặp lại (chưa đo lại độc lập)