Trôi nhân vật (character drift) trong video AI là gì?

Định nghĩa chính xác về trôi nhân vật trong video AI, lý do xảy ra, các đặc điểm thường bị trôi và các kỹ thuật thực sự giải quyết được vấn đề trong năm 2026.

·7 min read·definition

Trôi nhân vật (character drift) là khi một nhân vật do AI tạo ra dần dần thay đổi diện mạo từ cảnh này sang cảnh khác, đến cảnh thứ sáu hoặc thứ bảy, bạn đang nhìn một người khác.

Đó là lý do lớn nhất khiến video AI tự sự — phim ngắn, phim truyền hình ngắn, câu chuyện thương hiệu — chưa hoạt động tốt trên hầu hết công cụ hiện hành.

Bài viết này định nghĩa trôi nhân vật một cách chính xác, giải thích vì sao xảy ra, đi qua nguyên nhân, và bao quát các kỹ thuật thực sự giải quyết được vấn đề trong năm 2026.

Một định nghĩa chính xác

Trôi nhân vật là sự thay đổi không chủ ý, dần dần ở các đặc điểm định danh của một nhân vật qua nhiều cảnh video do AI tạo ra, trong khi ý định của người dùng là giữ các đặc điểm đó không đổi.

Trôi là không chủ ý — người dùng muốn nhất quán. Nó dần dần —mỗi cảnh thay đổi một chút. Nó tác động tới các đặc điểm định danh — những thứ làm cho một người được nhận ra là chính họ.

Trôi khác với:

Trôi là cái xảy ra khi bạn muốn cùng một người nhưng nhận được người khác.

Những đặc điểm nào bị trôi?

Qua hàng nghìn ảnh từ công cụ công khai chúng tôi đã phân loại, trôi thường tác động đến các đặc điểm sau:

  1. Màu mắt — loại trôi phổ biến nhất. Nâu chuyển thành hạt dẻ rồi xanh lục qua vài cảnh.
  2. Hình dáng mắt — mí đơn sang mí kép, hẹp sang rộng.
  3. Đường hàm — sắc sang mềm, vuông sang tròn.
  4. Đường chân tóc — lùi lại hoặc tiến lên, ngôi tóc đổi.
  5. Tông da — ấm hoặc lạnh đi 5-10%.
  6. Tỷ lệ khuôn mặt — khoảng cách hai mắt, tỷ lệ mũi-miệng, độ dài cằm.
  7. Màu tóc — đen sang nâu sang nâu đậm.
  8. Tỷ lệ cơ thể — chiều cao, vóc dáng, tư thế.
  9. Đặc điểm nhận dạng — nốt ruồi, sẹo, phụ kiện xuất hiện hoặc biến mất.
  10. Bản sắc phong cách — từ ảnh thực sang kết xuất hơi cách điệu.

Một số rất rõ ràng. Số khác (khoảng cách hai mắt, tỷ lệ mũi-miệng) được nhận biết tiềm thức — người xem cảm thấy có gì đó sai mà không xác định được chính xác cái gì đã đổi.

Vì sao trôi xảy ra?

Ba lý do cấu trúc.

1. Các mô hình video tạo sinh là không trạng thái

Khi bạn tạo cảnh 1, mô hình chuyển prompt thành biểu diễn tiềm ẩn (latent representation), chạy quá trình diffusion (khuếch tán), và xuất các khung hình. Trạng thái nội bộ không được lưu giữ. Khi bạn tạo cảnh 2 với cùng prompt, mô hình bắt đầu mới.

Lần tạo mới tương tự nhưng không giống hệt, vì việc lấy mẫu diffusion là ngẫu nhiên. Mỗi lần tạo là một bước đi ngẫu nhiên khác nhau qua không gian tiềm ẩn của mô hình, ngay cả với prompt tương tự.

2. Prompt mô tả nhóm, không phải danh tính

Một prompt như “phụ nữ châu Á 30 tuổi tóc đen ngang vai” mô tả một nhóm gồm hàng triệu người hợp lệ. Mô hình chọn một mỗi lần. Không có gì cụ thể hơn, bạn không thể khóa vào một người cụ thể.

Một số công cụ chấp nhận ảnh tham chiếu. Chúng giúp ở 2-3 cảnh đầu, nhưng mô hình dần cân nhắc prompt nặng hơn ảnh tham chiếu, và trôi quay lại.

3. Trôi tích lũy qua các cảnh

Ngay cả những khác biệt nhỏ mỗi cảnh cũng cộng dồn. Nếu mỗi cảnh trôi 3% so với tham chiếu gốc, đến cảnh 10 bạn đã lệch 30%. Đến cảnh 20, nhân vật khác đến mức không nhận ra được.

Toán của trôi là cấp số nhân, không phải tuyến tính.

Vì sao các công cụ hiện tại không giải quyết tự nhiên

Phần lớn công cụ video AI (Runway Gen-3, Pika 2.0, Sora, Kling, Veo 3, Seedance 2.0) tối ưu cho chất lượng cảnh đơn lẻ. Nỗ lực R&D đổ vào việc làm mỗi lần tạo riêng lẻ tốt nhất có thể. Nhất quán đa cảnh là vấn đề riêng đòi hỏi kiến trúc riêng, và không phải là ưu tiên đối với chính các mô hình nền tảng.

Các công cụ tiến gần nhất một cách tự nhiên (Sora, Seedance) vẫn thấy trôi rõ rệt từ khoảng cảnh 3-4 trong các bài kiểm thử của chúng tôi.

Các kỹ thuật nào thực sự giải quyết được trôi?

Năm cách tiếp cận, theo thứ tự mức độ hiệu quả:

1. Cùng prompt + cùng seed (phần lớn không hiệu quả)

Lý thuyết: đầu vào giống hệt thì đầu ra giống hệt.

Thực tế: các mô hình video hiện đại có yếu tố ngẫu nhiên (noise scheduling, attention dropout) không hoàn toàn tôn trọng seed. Khác biệt mức khung hình xuất hiện ngay cả với đầu vào giống hệt.

Kết quả: giảm nhẹ trôi, không loại bỏ được.

2. Đính ảnh tham chiếu trong mỗi cảnh (giúp ích cho ~3 cảnh)

Lý thuyết: thêm tham chiếu vào mỗi prompt để neo nhân vật.

Thực tế: hoạt động cho cảnh 1-3, trôi ở cảnh 4-6, hỏng ở cảnh 8-10.

Kết quả: hữu ích cho nội dung ngắn, thất bại cho tự sự.

3. Tinh chỉnh LoRA cho từng nhân vật (hiệu quả nhưng không co giãn được)

Lý thuyết: huấn luyện một mô hình tùy biến nhỏ trên ảnh nhân vật của bạn; dùng cho mọi cảnh.

Thực tế: hoạt động tốt cho sinh ảnh. Với video, cần 20+ ảnh, mất 30 phút – 2 giờ huấn luyện cho mỗi nhân vật, không tổng quát hóa tốt sang chuyển động, và không kết hợp được nhiều nhân vật.

Kết quả: nhất quán chất lượng sản xuất, nhưng quy trình không co giãn.

4. IP-Adapter / điều kiện hóa chỉ-tham-chiếu (giúp ích vừa phải)

Lý thuyết: bơm đặc trưng ảnh tham chiếu vào các tầng attention của mô hình, vượt qua prompt.

Thực tế: hoạt động cho nhất quán vừa phải qua 5-10 cảnh, hỏng ở 20+ cảnh và khi đổi tư thế đáng kể.

Kết quả: vững chắc cho nội dung độ dài trung bình, thất bại cho tự sự dài.

5. Kiến trúc character-as-asset (hiện trạng tiên tiến)

Lý thuyết: coi nhân vật như tài sản bền vững bậc nhất lưu dưới dạng embedding, không phải như chi tiết trong prompt. Bơm embedding trực tiếp vào điều kiện hóa của mô hình. Kết hợp với negative prompt được sinh tự động dựa trên catalog các kiểu trôi phổ biến.

Thực tế: đây là điều mà các công cụ như Juying đã xây dựng quanh. Trong các bài kiểm thử của chúng tôi, cách tiếp cận này duy trì danh tính qua 30+ cảnh với độ nhất quán cao.

Kết quả: nhất quán sẵn sàng cho sản xuất nội dung tự sự.

Cách kiểm tra trôi trong bất kỳ công cụ nào

Ba bài kiểm tra nhanh:

Bài 1 — Bài kiểm 30 cảnh: Tạo cùng một nhân vật trong 30 cảnh khác nhau (đa dạng ánh sáng, góc, cảm xúc). Trải thành lưới. Nhìn các khuôn mặt cạnh nhau. Phải rõ ràng là cùng một người.

Bài 2 — Bài kiểm đầu-cuối: So sánh trực tiếp cảnh 1 và cảnh 30. Phải không phân biệt được là cùng một người.

Bài 3 — Bài kiểm tái sử dụng: Tạo một nhân vật hôm nay. Quay lại ngày mai với kịch bản khác. Bạn có thể tái sử dụng cùng một nhân vật mà không phải dựng lại không?

Công cụ vượt qua cả ba bài đã giải quyết được vấn đề trôi ở chất lượng sản xuất. Công cụ thất bại ở bất kỳ bài nào thì chưa.

Câu hỏi thường gặp

Trôi nhân vật có giống “thung lũng kỳ lạ (uncanny valley)” không?

Không. Thung lũng kỳ lạ chỉ sự sai lạc tinh tế trong một lần kết xuất một người. Trôi chỉ sự đổi danh tính qua nhiều lần kết xuất.

Trôi có ảnh hưởng đến nhân vật phi-người không?

Có. Trôi ảnh hưởng đến nhân vật hoạt hình, nhân vật cách điệu, động vật, và cả đồ vật. Bất cứ thứ gì có đặc điểm định danh đều có thể trôi.

Có thể sửa trôi ở hậu kỳ không?

Một phần. Bạn có thể hoán đổi mặt hoặc compositing trên từng cảnh, nhưng tốn nhiều công và trông giả khi làm với quy mô lớn. Giải quyết trôi tại thời điểm tạo tốt hơn nhiều so với sửa sau.

Trôi có tệ hơn ở video dài hơn không?

Có. Trôi tích lũy, vì vậy video 5 phút có nhiều trôi hơn video 30 giây ở các điều kiện khác như nhau. Đây là một phần lý do video AI dài hơi rất khó.

Trôi có phải là vấn đề về cơ bản không thể giải quyết không?

Không. Kiến trúc character-as-asset hoạt động. Thách thức là làm tốt phần kỹ thuật —xây dựng trích xuất embedding đúng, catalog kiểu trôi đúng, vòng kiểm tra nhất quán đúng. Các công cụ đã đầu tư vào tầng này giải quyết được trôi ở chất lượng sản xuất.

Điểm rút ra

Trôi nhân vật không phải vấn đề về mô hình — đó là vấn đề về kiến trúc. Mô hình video lớn hơn sẽ không giải quyết được; chúng chỉ tạo ra trôi chất lượng cao hơn. Giải pháp nằm ở tầng phía trên mô hình: cách lưu, truy xuất, và bơm danh tính vào các lần tạo.

Nếu bạn đang chọn công cụ video AI và công việc của bạn liên quan đến cùng một nhân vật xuất hiện trong nhiều cảnh, câu hỏi cần đặt là:

“Công cụ của các bạn lưu và truy xuất danh tính nhân vật qua các lần tạo như thế nào?”

Nếu câu trả lời là “chúng tôi dùng ảnh tham chiếu” — trôi sẽ xảy ra. Nếu câu trả lời là “chúng tôi lưu embedding như tài sản nhân vật bền vững và bơm chúng vào điều kiện hóa” — trôi đã được giải quyết phần lớn.

Đọc liên quan

Hãy thử một công cụ giải quyết trôi tự nhiên — Juying — có gói miễn phí.