Tạo video từ văn bản là một trong những khả năng ấn tượng nhất mà AI có thể làm được. Bạn mô tả nhân vật, bối cảnh, chuyển động, phong cách quay và âm thanh, và chỉ sau 1–3 phút bạn sẽ có một clip dài 5–10 giây chưa từng tồn tại trước đó.
Chất lượng kết quả phụ thuộc vào mô tả của bạn. Một công thức hiệu quả: ai xuất hiện trong khung hình, chuyện gì đang xảy ra, ở đâu và không khí thế nào, camera di chuyển ra sao, và có thể nghe thấy âm thanh gì. Ví dụ: "Một con mèo lông cam đi bộ trên con phố Tokyo ướt mưa vào ban đêm, ánh đèn neon phản chiếu trên vũng nước, camera từ từ lùi ra xa, có tiếng mưa rơi ở nền." Bạn có thể viết prompt bằng ngôn ngữ của mình — hệ thống sẽ tự động dịch.
Gemini Omni Flash dẫn đầu các bảng xếp hạng tạo video từ văn bản và có thể khiến nhân vật nói đúng những câu thoại bạn đưa ra. MiniMax H3 Turbo là lựa chọn nhanh, tiết kiệm chi phí chỉ từ 22 credit. Kling 3 Pro quay thẳng ở độ phân giải 1080p với ánh sáng điện ảnh, Veo 3.1 mang lại chuyển động vật lý chân thực, còn Wan 3.0 tạo ra các clip mang tính tường thuật với nhiều cảnh quay chuyển đổi.