Tạo video AI bằng mô hình mã nguồn mở: Wan 2.2, LTX-2.3, HunyuanVideo (2026)

Tóm tắt nhanh: Năm 2026, bạn có thể tạo video AI mà không mất phí phần mềm, bằng mô hình mã nguồn mở chạy trong ComfyUI. Wan 2.2 (giấy phép Apache 2.0, dùng thương mại tự do) là lựa chọn mặc định an toàn, bản 5B chạy từ 8GB VRAM. LTX-2.3 tạo được video kèm âm thanh, tối đa 4K, 20 giây. HunyuanVideo 1.5 mạnh về chuyển động và khuôn mặt. Để tạo video 720p ổn định, nên có GPU 24GB VRAM trở lên; mỗi clip 5 giây thường mất vài phút đến hơn 10 phút.

Các dịch vụ tạo video AI trực tuyến thường tính phí theo giây video hoặc theo gói tín dụng. Với mô hình mã nguồn mở, bạn chỉ trả tiền phần cứng hoặc tiền thuê GPU, tạo bao nhiêu clip tùy ý và giữ dữ liệu riêng tư. Bài viết so sánh các mô hình phổ biến, cấu hình cần có và quy trình tạo video đầu tiên.

So sánh mô hình tạo video mã nguồn mở năm 2026

Mô hình	VRAM cần	Độ phân giải, thời lượng	Giấy phép	Điểm mạnh
Wan 2.2 TI2V-5B	8GB (GGUF) – 24GB (BF16)	720p	Apache 2.0 — thương mại tự do	Lựa chọn mặc định, chạy được trên GPU phổ thông
Wan 2.2 A14B	12GB (GGUF) – 40–48GB	720p	Apache 2.0	Chất lượng cao hơn bản 5B
LTX-2.3	16GB (NVFP4, GPU Blackwell) – 32GB (FP8)	Đến 4K 50fps, tối đa 20 giây	Miễn phí cho tổ chức doanh thu dưới 10 triệu USD	Tạo video kèm âm thanh đồng bộ
HunyuanVideo 1.5	Khoảng 14GB (FP8) – 24GB (FP16)	Đến 1080p	Tencent Community License	Chuyển động, khuôn mặt chân thực
Mochi 1	Khoảng 20GB (FP8)	480p	Apache 2.0	Chuyển động tóc, vải, nước mượt

Nguồn: Thunder Compute, cập nhật 01/10/2026. Giấy phép thay đổi thường xuyên — luôn kiểm tra trang chính thức của mô hình trước khi dùng cho mục đích thương mại.

Mất bao lâu để tạo một clip?

Thời gian phụ thuộc mô hình, độ phân giải, số bước và GPU. Một số số liệu tham khảo từ Spheron (cập nhật 19/10/2026):

GPU	Mô hình, thiết lập	Thời gian một clip
RTX 5090	LTX-2.3, 5 giây 720p	Khoảng 5–8 phút
RTX 4090	CogVideoX-1.5-5B, 5 giây 720p	Khoảng 8–12 phút
H100	Wan 2.1, 5 giây 480p	Khoảng 4 phút

Nói cách khác, với GPU 24–32GB bạn có thể tạo khoảng 5–12 clip 5 giây mỗi giờ. Đây là con số quan trọng để tính chi phí khi thuê GPU theo giờ.

Văn bản thành video hay ảnh thành video?

• Văn bản thành video (text-to-video, T2V): mô tả cảnh bằng chữ, mô hình tạo cả hình lẫn chuyển động. Linh hoạt nhưng khó kiểm soát nhân vật, bố cục.
• Ảnh thành video (image-to-video, I2V): đưa vào một ảnh có sẵn (ảnh sản phẩm, ảnh tạo bằng AI), mô hình làm cho ảnh chuyển động. Kiểm soát tốt hơn, phù hợp quảng cáo sản phẩm, mạng xã hội.

Quy trình phổ biến của người làm nội dung: tạo ảnh khung chính bằng FLUX hoặc SDXL → chuyển ảnh thành video bằng Wan 2.2 → ghép, thêm nhạc, phụ đề bằng phần mềm dựng.

Quy trình tạo video AI đầu tiên trong ComfyUI

1. Cài ComfyUI (xem hướng dẫn ComfyUI).
2. Mở Templates, chọn mẫu Wan 2.2 văn bản thành video hoặc ảnh thành video.
3. Tải các file mô hình theo ghi chú trong mẫu, đặt vào đúng thư mục trong models.
4. Viết mô tả bằng tiếng Anh, rõ chủ thể, hành động, góc máy, ánh sáng: a red motorbike driving through a rainy Hanoi street at night, neon reflections, tracking shot, cinematic.
5. Bắt đầu ở 480p và 3–5 giây để thử nhanh; khi ưng ý mới tăng lên 720p.
6. Bấm chạy, theo dõi VRAM; nếu báo hết bộ nhớ, giảm độ phân giải hoặc chuyển sang bản GGUF.

Mẹo viết mô tả (prompt) cho video AI

• Một hành động chính mỗi clip. Mô tả nhiều việc trong 5 giây thường cho kết quả lộn xộn.
• Nêu chuyển động máy quay: slow zoom in, tracking shot, static camera.
• Mô tả ánh sáng và không khí: golden hour, foggy morning, neon lights.
• Giữ nhân vật nhất quán bằng cách dùng ảnh thành video với cùng một ảnh nhân vật.
• Ghi mô tả tiêu cực: blurry, distorted hands, flickering, watermark.

Chi phí tạo video AI khi thuê GPU

Ví dụ ước tính: nếu GPU 24–32GB tạo được khoảng 6 clip 5 giây mỗi giờ, thì một video ngắn 30 giây (6 clip) tốn khoảng 1 giờ thuê GPU, chưa tính thời gian thử lại. So với mua RTX 4090 cũ (84,9–87 triệu đồng tại Tin Học Anh Phát, 11/2026) hay RTX 5090, thuê theo giờ phù hợp với người làm video theo dự án.

Giá GPU nhiều VRAM tại cloudgaming.info/:

Giá tính theo giờ sử dụng thực tế, chưa gồm VAT nếu có. Cập nhật: 03/11/2026.

Lưu ý pháp lý và đạo đức

• Đọc giấy phép từng mô hình trước khi dùng video cho quảng cáo, sản phẩm thương mại.
• Không tạo video giả mạo người thật (deepfake), không dùng hình ảnh, giọng nói của người khác khi chưa được phép.
• Gắn nhãn nội dung do AI tạo khi nền tảng yêu cầu.

Câu hỏi thường gặp

Tạo video AI miễn phí bằng cách nào?

Dùng mô hình mã nguồn mở như Wan 2.2 trong ComfyUI trên GPU của bạn hoặc GPU thuê. Phần mềm và mô hình miễn phí; chi phí là phần cứng hoặc tiền thuê GPU.

Tạo video AI cần card đồ họa gì?

Tối thiểu khoảng 8–12GB VRAM với bản nén của Wan 2.2; nên có 24GB như RTX 3090, RTX 4090 để tạo 720p ổn định; RTX 5090 32GB cho chất lượng cao.

Mô hình tạo video nào dùng thương mại được?

Wan 2.2 và Mochi 1 dùng giấy phép Apache 2.0, cho phép thương mại. LTX-2.3 miễn phí với tổ chức doanh thu dưới 10 triệu USD. Luôn kiểm tra giấy phép mới nhất.

Tạo một video AI 5 giây mất bao lâu?

Thường từ khoảng 4 đến hơn 10 phút tùy mô hình, độ phân giải và GPU.

Nguồn tham khảo

• Thunder Compute — mô hình tạo video mã nguồn mở 2026, cập nhật 01/10/2026
• Spheron — VRAM và thời gian tạo video theo GPU, cập nhật 19/10/2026
• Tin Học Anh Phát — RTX 4090 cũ, truy cập 01/11/2026