Prompt chỉ là điểm bắt đầu: xây dựng quy trình tạo ảnh AI có thể lặp lại bằng reference image

Mở đầu

Khi bắt đầu tạo ảnh bằng AI, phần lớn chúng ta tập trung vào việc viết một prompt thật dài. Kết quả thường đẹp ở lần đầu, nhưng khó lặp lại: thay đổi một vài từ là bố cục khác hẳn, nhân vật không còn nhất quán, còn sản phẩm trong ảnh thì bị biến dạng.

Vấn đề không hẳn nằm ở việc prompt chưa đủ chi tiết. Vấn đề là chúng ta đang xem mỗi lần tạo ảnh như một lần “xin đáp án”, thay vì một vòng lặp thiết kế có đầu vào, tiêu chí đánh giá và phiên bản rõ ràng.

Bài viết này trình bày một quy trình đơn giản hơn:

Brief -> Reference image -> Generate -> Evaluate -> Refine

Mục tiêu không phải là tạo ra một bức ảnh hoàn hảo ngay lập tức. Mục tiêu là biến một ý tưởng mơ hồ thành nhiều hướng hình ảnh có thể so sánh, tiếp tục phát triển và sử dụng trong sản phẩm thật.

1. Vì sao text-to-image thường khó kiểm soát?

Một prompt dạng “tạo ảnh sản phẩm hiện đại, đẹp, chuyên nghiệp” chứa quá ít thông tin có thể kiểm chứng. Các từ như “đẹp”, “cao cấp” hay “cinematic” mô tả cảm giác, nhưng không nói rõ điều gì phải được giữ lại trong ảnh.

Có ba nguyên nhân thường gặp:

1. Không có mục tiêu hình ảnh cụ thể. Người tạo ảnh chưa quyết định chủ thể, khung hình, ánh sáng và tỷ lệ đầu ra.
2. Prompt trộn quá nhiều ý. Mỗi lần sửa prompt lại thay đổi đồng thời bố cục, màu sắc, phong cách và chủ thể nên không biết yếu tố nào đã tạo ra kết quả tốt hơn.
3. Không có điểm tham chiếu. Mô hình phải tự đoán toàn bộ hình ảnh từ chữ, trong khi nhiều ý tưởng về hình dạng, chất liệu hoặc bố cục được truyền đạt bằng một bức ảnh nhanh hơn nhiều.

Reference image không phải là cách sao chép nguyên bản một hình ảnh. Nó là một tín hiệu thị giác để mô hình hiểu chủ thể, chất liệu, màu sắc, bố cục hoặc mood mà chúng ta muốn tiếp tục khám phá. Kết quả vẫn có thể được diễn giải lại, vì vậy prompt cần nói rõ phần nào phải giữ và phần nào được phép thay đổi.

2. Bắt đầu bằng visual brief, không phải bằng prompt

Trước khi mở công cụ tạo ảnh, hãy viết một visual brief ngắn. Một brief tốt có thể trả lời sáu câu hỏi:

Thành phần	Câu hỏi cần trả lời
Mục tiêu	Ảnh này dùng cho landing page, poster, thumbnail hay concept art?
Chủ thể	Đối tượng chính là gì? Có chi tiết nào bắt buộc phải nhận ra không?
Bố cục	Cận cảnh, toàn cảnh, góc nhìn từ trên xuống hay bố cục có khoảng trống cho chữ?
Thị giác	Màu chủ đạo, chất liệu, ánh sáng và cảm xúc cần truyền tải là gì?
Ràng buộc	Có chi tiết nào không được xuất hiện hoặc không được thay đổi?
Đầu ra	Tỷ lệ khung hình, hướng dọc/ngang và độ phân giải mong muốn là gì?

Ví dụ, thay vì viết “tạo ảnh bàn phím đẹp”, brief có thể là:

Tạo một ảnh sản phẩm dọc 4:5 cho một landing page. Bàn phím cơ màu đen là chủ thể chính, phải nhìn rõ keycap và núm xoay. Bố cục để trống khoảng một phần ba phía trên cho tiêu đề. Ánh sáng studio mềm, nền xanh xám, cảm giác chính xác và tối giản. Không thêm logo hoặc chữ giả lên sản phẩm.

Brief này chưa phải prompt hoàn chỉnh. Nó là tiêu chí để đánh giá các kết quả sau đó. Nếu không có brief, chúng ta rất dễ chọn ảnh chỉ vì nó “trông bắt mắt”, dù ảnh đó không phục vụ mục tiêu ban đầu.

3. Chọn reference image theo vai trò

Không phải reference image nào cũng cần thể hiện toàn bộ ý tưởng. Hãy chọn ảnh dựa trên thông tin mà nó truyền tải tốt nhất:

• Reference cho chủ thể: dùng khi hình dạng, nhân vật, sản phẩm hoặc vật liệu là phần quan trọng nhất.
• Reference cho bố cục: dùng khi vị trí chủ thể, góc máy và khoảng trống trong khung hình cần được giữ tương đối ổn định.
• Reference cho màu và ánh sáng: dùng khi mood, palette hoặc hướng chiếu sáng quan trọng hơn hình dạng cụ thể.

Nếu một ảnh phải làm quá nhiều việc, hãy dùng ảnh rõ ràng hơn hoặc tách quy trình thành nhiều vòng. Ví dụ, vòng đầu tập trung tìm bố cục. Vòng sau dùng kết quả tốt nhất làm reference mới để tinh chỉnh chất liệu và ánh sáng.

Điểm quan trọng về bản quyền: chỉ tải lên ảnh mà bạn có quyền sử dụng. Với ảnh có người thật, sản phẩm nhận diện được hoặc tác phẩm của người khác, cần có sự cho phép phù hợp. Reference image là đầu vào cho quá trình sáng tạo, không phải giấy phép để sao chép nội dung của người khác.

4. Một template prompt có thể tái sử dụng

Có thể tách prompt thành các khối có chức năng riêng thay vì viết một đoạn văn dài:

Goal: [mục tiêu của hình ảnh]
Subject: [chủ thể và các đặc điểm phải giữ]
Scene: [bối cảnh]
Composition: [góc máy, vị trí, khoảng trống, tiêu cự nếu cần]
Lighting and material: [ánh sáng, chất liệu, độ tương phản]
Color and mood: [palette và cảm xúc]
Must keep: [các ràng buộc bắt buộc]
Avoid: [chi tiết cần tránh]
Output: [tỷ lệ khung hình và hướng ảnh]

Ví dụ:

Goal: Create a clean editorial product image for a software landing page.
Subject: A compact black mechanical keyboard, clear keycap shapes and a visible rotary knob.
Scene: Minimal studio desk with a soft blue-gray background.
Composition: Vertical 4:5 frame, product in the lower two-thirds, clean negative space above for a headline.
Lighting and material: Soft diffused studio light, realistic matte plastic and brushed metal.
Color and mood: Cool neutral palette, precise, calm and premium.
Must keep: The keyboard remains the main subject and keeps its recognizable layout.
Avoid: Extra logos, fake text, distorted keys, cluttered background and unrelated objects.
Output: Portrait composition suitable for a landing page.

Template có hai lợi ích. Thứ nhất, người dùng có thể sửa một khối mà không làm thay đổi toàn bộ ý tưởng. Thứ hai, khi kết quả không tốt, chúng ta có thể chẩn đoán: lỗi nằm ở chủ thể, bố cục hay ánh sáng, thay vì tiếp tục thêm tính từ vào prompt.

5. Thực hành một vòng tạo và tinh chỉnh

Một workspace như whisk ai phù hợp với cách làm theo vòng lặp này vì có thể bắt đầu từ prompt, thêm reference image, chọn định dạng đầu ra, tạo nhiều hướng và dùng kết quả tốt làm điểm bắt đầu cho lần tiếp theo.

Bước 1: Chọn định dạng trước

Đừng đợi đến cuối mới nghĩ về tỷ lệ ảnh. Ảnh dùng cho poster, thumbnail, feed mạng xã hội và hero section có những yêu cầu khác nhau. Chọn tỷ lệ trước giúp chúng ta đánh giá bố cục trong đúng không gian sử dụng.

Bước 2: Đưa vào một reference có chủ đích

Với ví dụ bàn phím, reference nên thể hiện rõ hình dạng và vật liệu của sản phẩm. Không cần tìm một ảnh đã hoàn hảo về ánh sáng; mục tiêu của reference là truyền tải thông tin quan trọng nhất.

Bước 3: Tạo một nhóm biến thể

Thay vì tạo từng ảnh rồi sửa ngẫu nhiên, hãy tạo vài biến thể từ cùng một brief. Giữ nguyên prompt ở vòng đầu để so sánh bố cục và mức độ bám chủ thể. Chỉ cần ghi lại một câu nhận xét cho mỗi kết quả:

v01 - Bố cục tốt, nhưng nền quá tương phản.
v02 - Ánh sáng ổn, keycap bị biến dạng.
v03 - Chủ thể rõ, khoảng trống cho tiêu đề đủ rộng.

Việc đặt tên phiên bản nhỏ này giúp tránh việc quay lại một kết quả tốt nhưng không nhớ vì sao nó tốt.

Bước 4: Chỉ sửa một nhóm yếu tố mỗi lần

Nếu v03 có bố cục tốt nhưng nền chưa phù hợp, hãy giữ nguyên mô tả về chủ thể và bố cục, chỉ sửa phần màu và background. Nếu vừa thay đổi ánh sáng, góc máy, chất liệu và prompt phủ định, chúng ta sẽ mất khả năng biết nguyên nhân của cải thiện hoặc suy giảm.

Bước 5: Dừng khi ảnh đạt mục tiêu, không phải khi ảnh “không thể đẹp hơn”

Ảnh AI luôn có thể được tiếp tục chỉnh sửa. Nhưng sản phẩm cần quyết định. Hãy dừng khi ảnh đạt các điều kiện của brief: chủ thể rõ, bố cục đúng định dạng, không có lỗi nghiêm trọng và phục vụ được vị trí sử dụng.

6. Cách đánh giá kết quả có hệ thống

Một bảng chấm điểm đơn giản thường hữu ích hơn cảm giác “ảnh này có vẻ đẹp hơn”:

Tiêu chí	Câu hỏi kiểm tra
Chủ thể	Người xem có nhận ra đúng đối tượng trong vài giây đầu không?
Bố cục	Vị trí chủ thể và khoảng trống có phù hợp với nơi dùng ảnh không?
Tính nhất quán	Các đặc điểm quan trọng có được giữ giữa các biến thể không?
Chất lượng	Có lỗi hình học, vật thể thừa, bóng sai hoặc chi tiết vô nghĩa không?
Khả năng sử dụng	Ảnh có cần sửa thủ công quá nhiều trước khi đưa vào sản phẩm không?

Có thể chấm mỗi tiêu chí từ 1 đến 5. Điểm số không biến thiết kế thành một bài toán hoàn toàn khách quan, nhưng nó làm cho quá trình trao đổi trong team rõ ràng hơn. Một designer và một developer có thể bất đồng về “đẹp”, nhưng dễ thống nhất hơn về việc ảnh có đủ khoảng trống cho headline hay không.

7. Những lỗi nên tránh

Dùng quá nhiều reference cùng lúc

Nhiều ảnh không đồng nghĩa với nhiều thông tin hữu ích. Các reference mâu thuẫn về góc máy, palette hoặc chất liệu có thể làm kết quả thiếu nhất quán. Hãy bắt đầu bằng một ảnh rõ ràng và chỉ thêm ảnh khi biết chính xác ảnh đó bổ sung thông tin gì.

Mô tả kết quả thay vì mô tả quyết định

“Đẹp hơn”, “xịn hơn”, “chất hơn” rất khó thực thi. Hãy thay bằng các quyết định có thể quan sát: “giảm độ bão hòa nền”, “đưa chủ thể xuống một phần ba dưới”, “giữ ánh sáng mềm ở phía trái”.

Kỳ vọng reference được sao chép từng pixel

Reference thường định hướng cho thế hệ mới chứ không thay thế một công cụ chỉnh sửa pixel. Nếu cần giữ chính xác logo, chữ hoặc hình học sản phẩm, nên xem ảnh AI là bước khám phá ý tưởng và dành một bước hậu kỳ có kiểm soát cho bản cuối.

Bỏ qua quyền sử dụng nội dung

Đây là lỗi quy trình chứ không chỉ là lỗi pháp lý. Một pipeline tốt phải ghi lại nguồn của reference, quyền sử dụng và phiên bản đã được chọn. Điều đó đặc biệt quan trọng khi ảnh được dùng cho sản phẩm thương mại hoặc chiến dịch công khai.

Kết luận

Tạo ảnh AI hiệu quả không bắt đầu từ một prompt dài hơn. Nó bắt đầu từ một mục tiêu hình ảnh rõ ràng, một reference có chủ đích và một vòng lặp tinh chỉnh có thể quan sát được.

Nếu coi mỗi lần generate là một phiên bản thay vì một lần thử may rủi, chúng ta sẽ nhận được ba lợi ích: dễ so sánh, dễ cộng tác và dễ tái sử dụng quy trình cho dự án tiếp theo. Công cụ chỉ là một phần của hệ thống; chất lượng thật sự đến từ cách chúng ta đặt đầu vào, đánh giá đầu ra và quyết định nên thay đổi điều gì ở vòng kế tiếp.

Hãy bắt đầu với một brief nhỏ, tạo vài hướng khác nhau, lưu lại lý do lựa chọn và chỉ giữ những gì phục vụ đúng mục tiêu. Đó là cách biến image generation từ một màn trình diễn ngẫu nhiên thành một quy trình thiết kế có thể lặp lại.