Làm music video thường cần ê-kíp quay, địa điểm và người dựng phim. Ở đây AI lo phần quay và dựng, còn bạn quyết định nội dung video kể chuyện gì.
Tải bài hát lên dưới dạng MP3, WAV hoặc M4A, từ 15 giây đến 4 phút. AI bắt tempo và các phách mạnh, chuyển lời bài hát thành văn bản kèm thời gian từng từ (ElevenLabs Scribe) và xác định đâu là phiên khúc, đâu là điệp khúc. Sau đó GPT-6 viết kịch bản cảnh quay: các lần cắt cảnh rơi đúng vào phách mạnh, nhanh hơn ở đoạn cao trào và chậm hơn ở đoạn lắng đọng, còn các cảnh thì bám theo nội dung bài hát. Bạn có thể thêm ý tưởng riêng, ví dụ “hai người bạn lái xe cũ ra biển”, và dán lời bài hát nếu muốn các cảnh bám sát câu chữ hơn.
Việc lên kịch bản hoàn toàn miễn phí. Hệ thống hiển thị từng cảnh kèm thời điểm, đoạn tương ứng của bài hát, lời hát và mô tả cảnh quay. Bạn có thể chỉnh sửa bất kỳ mô tả nào, và mức giá chính xác, tính từ kịch bản, sẽ hiện ra trước khi bạn bắt đầu quay.
Sau đó AI tiến hành “quay phim”. Nano Banana 2 vẽ khung hình cho từng cảnh, MiniMax H3 Turbo chuyển thành video, và ở những cảnh ca sĩ trình diễn, khẩu hình sẽ khớp với bài hát của bạn. Tải ảnh ca sĩ lên, thêm ảnh người thứ hai nếu câu chuyện cần, và họ sẽ trông giống hệt trong ảnh. Nếu không có ảnh, AI sẽ tự tạo nhân vật và giữ nguyên diện mạo xuyên suốt các cảnh. Việc dựng phim bám sát chính xác lưới nhịp, và bạn có thể thêm phụ đề lời bài hát theo một trong năm phong cách.
Chọn phong cách hình ảnh (điện ảnh, anime, hoạt hình 3D, VHS hoài cổ, neon hoặc mộng mơ) và định dạng: 16:9 cho YouTube hoặc 9:16 cho Reels, Shorts và TikTok. Một teaser khoảng 30 giây quanh điệp khúc có giá thấp hơn nhiều so với video trọn vẹn và rất hợp để thông báo phát hành. Sử dụng bài hát của bạn hoặc những bản nhạc bạn có quyền sử dụng; không chấp nhận ảnh người nổi tiếng và cảnh nội dung nhạy cảm.