Người dẫn ảo livestream là gì, khác người thật ở những điểm nào?
Người dẫn ảo không phải một công nghệ mà là hai: một kiểu vẫn có người thật đứng sau, một kiểu do máy đọc kịch bản. Hai kiểu mạnh yếu khác hẳn nhau.
Người dẫn ảo livestream là một nhân vật không phải người bằng xương bằng thịt xuất hiện trên sóng thay cho người dẫn. Có hai kiểu rất khác nhau: nhân vật hoạt hình do một người thật điều khiển phía sau, và hình người do máy tạo đọc kịch bản soạn sẵn.
So với người thật, người dẫn ảo mạnh ở chỗ chạy được nhiều giờ và nói được nhiều ngôn ngữ; yếu ở phản ứng tình huống, ở việc thử sản phẩm thật và ở niềm tin của người xem.
Hai kiểu người dẫn ảo: một kiểu có người đứng sau, một kiểu không
Hai kiểu này hay bị gọi chung một tên, nhưng về bản chất gần như ngược nhau.
Nhân vật hoạt hình do người thật điều khiển
Trên sóng là một nhân vật vẽ, hai chiều hoặc ba chiều. Sau máy quay là một người thật đang ngồi nói. Webcam hoặc điện thoại theo dõi khuôn mặt người đó: họ nghiêng đầu thì nhân vật nghiêng đầu, họ cười thì nhân vật cười, họ nói thì miệng nhân vật mấp máy theo. Giọng là giọng thật, đôi khi qua bộ đổi giọng. Giới chơi game và ca hát gọi kiểu này là VTuber.
Đây thực chất là một buổi live của người thật đeo mặt nạ. Người điều khiển đọc bình luận, đáp lại, đùa, giận, ứng biến như mọi người dẫn. Thứ được thay chỉ là gương mặt.
Hình người do máy tạo đọc kịch bản
Trên sóng là một hình trông như người thật đang đứng nói. Sau máy quay không có ai đang nói cả. Hình được dựng từ một đoạn video quay một người mẫu, rồi máy làm cho miệng người trong hình cử động khớp với một giọng đọc, cũng do máy tạo từ văn bản. Nội dung là kịch bản soạn sẵn, lặp theo vòng; một số hệ thống ghép thêm phần đọc bình luận và đáp theo dữ liệu đã nạp.
Đây thực chất là một video được sinh ra liên tục. Thứ được thay là cả con người. Khi báo chí và người bán hàng nói "live bằng AI", họ gần như luôn nói về kiểu thứ hai.
Bên trong hình người do máy tạo có những khối gì
Không cần hiểu toán học phía sau, chỉ cần hình dung ba khối nối nhau như một dây chuyền.
Khối chữ. Đầu vào là văn bản: kịch bản bạn soạn, hoặc câu trả lời do một mô hình ngôn ngữ viết ra khi đọc bình luận. Mọi sai sót về thông tin sản phẩm sinh ra ở khối này.
Khối tiếng. Văn bản được chuyển thành giọng nói. Chất lượng tiếng Việt, cách đọc con số, tên riêng, từ mượn, quyết định ở đây.
Khối hình. Máy lấy đoạn video người mẫu gốc và vẽ lại vùng miệng, đôi khi cả nét mặt, cho khớp với tiếng vừa tạo. Cơ thể, tay, phông nền thường là đoạn video gốc lặp vòng. Vì vậy nếu để ý, bạn sẽ thấy người dẫn ảo đưa tay đúng một kiểu sau mỗi vài chục giây.
Dây chuyền này cần thời gian chạy. Với kịch bản soạn sẵn, máy dựng trước nên người xem không thấy trễ. Với câu trả lời bình luận, từ lúc người xem gõ tới lúc hình mở miệng đáp thường có một khoảng lặng dài hơn người thật, tuỳ hệ thống. Khoảng lặng ấy là lý do nhiều shop chỉ để máy đáp bằng chữ, còn hình thì đọc kịch bản.
So sánh sòng phẳng: người thật, nhân vật có người điều khiển, hình do máy tạo
Đặt ba lựa chọn cạnh nhau theo những tiêu chí người làm nghề thật sự quan tâm:
| Tiêu chí | Người dẫn thật | Nhân vật do người điều khiển | Hình người do máy tạo |
|---|---|---|---|
| Phản ứng với bình luận | Tức thì, có cảm xúc | Tức thì, vì vẫn là người | Chậm hơn, trong phạm vi dữ liệu đã nạp |
| Thử sản phẩm trước máy quay | Được | Không, nhân vật vẽ không cầm được hàng thật | Không |
| Thời lượng liên tục | Vài giờ, cần nghỉ giọng | Vài giờ, người điều khiển vẫn mệt | Nhiều giờ, giới hạn do nền tảng và chi phí |
| Nhiều ngôn ngữ | Tuỳ người | Tuỳ người điều khiển | Đổi được bằng kịch bản dịch |
| Giữ kín danh tính | Không | Có | Người mẫu gốc lộ mặt |
| Chi phí chính | Lương, hoa hồng | Vẽ nhân vật một lần, công người điều khiển | Phí công cụ theo thời gian dùng |
| Rủi ro chính | Sức khoẻ, nghỉ việc | Kỹ thuật bắt chuyển động | Sai thông tin, chính sách nền tảng, niềm tin |
Bảng cho thấy nhân vật do người điều khiển giữ được gần hết ưu điểm của người thật trừ việc cầm sản phẩm. Vì thế nó sống khoẻ ở mảng game, ca hát, trò chuyện, nơi không có món hàng nào cần đưa lên trước ống kính, và ít xuất hiện ở mảng bán hàng.
Chỗ mạnh thật sự của người dẫn ảo
Bốn điểm dưới đây là thật, và nên được ghi nhận sòng phẳng trước khi nói tới điểm yếu:
Chạy nhiều giờ không đổi chất lượng. Giờ thứ sáu của một người dẫn thật khác hẳn giờ thứ nhất: giọng khàn, phản ứng chậm, quên ưu đãi. Hình do máy tạo đọc câu thứ một nghìn giống hệt câu thứ nhất. Với các kênh cần hiện diện ở khung giờ không ai muốn làm, đây là lý do chính đáng.
Nhiều ngôn ngữ từ một kịch bản. Một kịch bản đã bán được bằng tiếng Việt có thể dịch và cho máy đọc bằng tiếng khác. Lưu ý phần dịch vẫn cần người biết ngôn ngữ đó soát, và câu hỏi từ khách nước ngoài vẫn cần ai đó đáp.
Ổn định về lời. Máy không nói hớ, không hứa thêm điều ngoài kịch bản, không lỡ miệng chê hàng nhà khác. Với ngành hàng mà mỗi câu chữ cần được duyệt trước, đây là điểm cộng, miễn là kịch bản được duyệt kỹ.
Giữ kín danh tính, với kiểu có người điều khiển. Người ngại lộ mặt, người muốn tách đời tư khỏi nghề, vẫn làm nghề được qua một nhân vật.
Chỗ yếu: tình huống, sản phẩm thật và niềm tin
Phản ứng tình huống. Giữa phiên, một khách viết: "Hôm qua em nhận hàng bị móp". Người dẫn thật dừng lại, xin lỗi, xử lý, và chính cách xử lý đó bán thêm được hàng cho người đang xem. Hình do máy tạo đọc tiếp đoạn giới thiệu. Kiểu nhân vật có người điều khiển thì không yếu ở điểm này.
Thử sản phẩm thật. Bán hàng qua live sống nhờ bằng chứng: mặc lên, thoa lên, bật lên, cắn một miếng. Cả hai kiểu người dẫn ảo đều không làm được. Cách vá thường thấy là xen video quay sẵn cảnh người thật dùng sản phẩm, tức là quay về với người thật.
Niềm tin. Người xem nhận ra hình máy nhanh hơn người làm tưởng: mắt chớp quá đều, vai bất động, miệng lệch nhẹ ở những âm bật môi, tay lặp một động tác. Nhận ra chưa phải vấn đề. Vấn đề là cảm giác bị giấu. Shop nói rõ từ đầu thì người xem cân nhắc theo món hàng; shop giấu thì người xem cân nhắc lại cả shop.
Chính sách nền tảng. Nền tảng có thể yêu cầu khai báo nội dung do máy tạo, có thể xử lý phiên lặp lại như nội dung quay sẵn. Các quy định này đang thay đổi, phải đọc bản hiện hành ở nơi bạn phát.
Điểm yếu thứ ba và thứ tư liên quan chặt tới nhau, và được bàn riêng ở bài livestream dùng AI có cần gắn nhãn không.
Quyền hình ảnh và giọng nói của người mẫu gốc: phải có thoả thuận
Hình người do máy tạo luôn bắt đầu từ một con người thật: người được quay làm mẫu, người được thu giọng. Hình ảnh và giọng nói là của họ. Dùng mà không có thoả thuận là tự đặt mình vào tranh chấp, nhất là khi người mẫu là nhân viên rồi nghỉ việc. Một thoả thuận tử tế nên trả lời rõ:
- Dùng vào việc gì. Chỉ phiên live bán hàng của shop, hay cả quảng cáo trả tiền, cả kênh khác.
- Nói những gì. Người mẫu có quyền biết và từ chối loại sản phẩm, loại lời nói sẽ được gắn vào miệng mình.
- Trong bao lâu. Có thời hạn, và điều gì xảy ra khi hết hạn hoặc khi người đó nghỉ việc.
- Trả công thế nào. Một lần hay theo thời gian dùng.
- Dữ liệu nằm ở đâu. Video mẫu và mô hình giọng lưu ở nhà cung cấp nào, ai xoá được, xoá khi nào.
- Quyền rút lại. Người mẫu yêu cầu ngừng thì quy trình ra sao.
Lập bằng văn bản, hai bên ký. Dùng mẫu có sẵn do nhà cung cấp công cụ đưa ra thì đọc điều khoản xem bạn được dùng mẫu đó cho mục đích thương mại tới đâu. Tuyệt đối không dựng hình hay giọng từ video của người nổi tiếng hoặc bất kỳ ai chưa đồng ý. Phần pháp lý cụ thể nên hỏi luật sư; bài này chỉ nêu nguyên tắc chung.
Nên nghĩ tới người dẫn ảo khi nào, và khi nào thì chưa
Nên nghĩ tới khi bạn đã có một kịch bản bán được bằng người thật, có khung giờ trống mà không ai nhận ca, bán mặt hàng thiên về thông số hơn là trải nghiệm, và có người trực để đáp câu hỏi thật. Thiếu một trong bốn điều đó, người dẫn ảo nhiều khả năng chỉ tạo thêm một phiên vắng.
Chưa nên khi bạn mới làm nghề, chưa biết khách hỏi gì, chưa biết câu nào ra đơn. Người dẫn ảo không tìm ra kịch bản hay thay bạn. Nó chỉ lặp lại kịch bản bạn đưa.
Với người làm nội dung giải trí ngại lộ mặt, kiểu nhân vật có người điều khiển là lựa chọn đáng thử hơn nhiều: bạn vẫn là bạn, chỉ khác gương mặt, và người xem mảng này vốn quen với điều đó.
Dù chọn kiểu nào, câu hỏi cuối cùng vẫn là người xem được gì. Bức tranh chung về việc máy giúp và chưa giúp được ở từng khâu của một phiên bán hàng có trong bài livestream bán hàng bằng AI.
Câu hỏi thường gặp
Người dẫn ảo livestream có phải là AI không?
Không phải lúc nào cũng vậy. Kiểu nhân vật hoạt hình do người thật điều khiển chỉ dùng công nghệ bắt chuyển động khuôn mặt, còn lời nói và phản ứng là của người. Kiểu hình người do máy tạo đọc kịch bản mới dùng AI để tạo giọng, khớp miệng và đôi khi soạn câu trả lời.
Người dẫn ảo có trả lời bình luận được không?
Kiểu có người điều khiển thì trả lời như người thật. Kiểu do máy tạo thì tuỳ hệ thống: một số đọc bình luận và đáp theo dữ liệu đã nạp, thường chậm hơn người và dễ sai khi câu hỏi nằm ngoài dữ liệu. Nhiều shop vì thế vẫn để người thật trực phần bình luận.
Người xem có nhận ra người dẫn ảo không?
Phần lớn nhận ra sau một lúc xem, qua những chi tiết như mắt chớp quá đều, cử chỉ tay lặp lại, miệng hơi lệch tiếng. Vì thế nói rõ ngay từ đầu thường tốt hơn là hy vọng không ai để ý, cả về niềm tin lẫn về chính sách minh bạch của nền tảng.
Dùng người dẫn ảo có vi phạm quy định nền tảng không?
Tuỳ nền tảng và tuỳ thời điểm. Nhiều nơi yêu cầu khai báo nội dung do máy tạo trông như thật, và có nơi xử lý phiên lặp lại như nội dung quay sẵn. Bạn cần đọc chính sách hiện hành của nền tảng mình phát trước khi dùng.
Tự quay mình làm mẫu cho người dẫn ảo thì có cần giấy tờ gì không?
Dùng hình và giọng của chính mình thì không cần xin phép ai, nhưng vẫn nên đọc điều khoản của nhà cung cấp công cụ về việc họ lưu và dùng dữ liệu của bạn thế nào. Nếu người mẫu là người khác, kể cả nhân viên hay người thân, cần thoả thuận bằng văn bản.
VTuber khác người dẫn AI ở điểm nào?
VTuber là người thật điều khiển một nhân vật vẽ theo thời gian thực, nên lời nói, cảm xúc và phản ứng đều là của người. Người dẫn AI là hình do máy dựng, đọc văn bản soạn sẵn hoặc do máy viết. Một bên thay gương mặt, một bên thay cả người dẫn.
Điều kiện, giới hạn và chính sách của các nền tảng nêu trong bài được ghi theo thời điểm cập nhật và có thể thay đổi. Thấy chỗ cần đính chính? Báo cho ban biên tập.
