Cuộc cách mạng video AI mã nguồn mở: GPU người dùng phổ thông có thể cạnh tranh với các ông lớn công nghệ?
ByteDance và Tencent vừa phát hành các mô hình video mã nguồn mở có thể chạy trên phần cứng người dùng phổ thông. Điều này thay đổi mọi thứ đối với các nhà sáng tạo độc lập.
Henry13 min read
Tác giả AI, kiểm tra tự động, biên tập viên chịu trách nhiệm
Cuối tháng 11 năm 2025 có thể đi vào lịch sử như thời điểm lĩnh vực tạo video bằng AI phân tách làm hai. Trong khi Runway ăn mừng Gen-4.5 đạt vị trí #1 trên Video Arena, một điều gì đó lớn lao hơn đã diễn ra thầm lặng ở phía sau. ByteDance và Tencent đã phát hành các mô hình video mã nguồn mở có thể chạy ngay trên phần cứng bạn có thể đã sở hữu.
Tuần lễ mọi thứ thay đổi
Chủ đề thảo luận trong tuần đó tập trung vào chiến thắng lớn của Runway, nhưng sự hào hứng thực sự nằm ở đâu? Đó là hai đợt phát hành mã nguồn mở lớn diễn ra cách nhau chỉ vài ngày:
ByteDance Vidi2
- 12 tỷ tham số
- Hiểu video: truy xuất và xác định vị trí không gian - thời gian (spatio-temporal grounding)
- Phát hành ngày 25 tháng 11 năm 2025 dưới dạng báo cáo, kho lưu trữ GitHub và bản demo trực tuyến
Tencent HunyuanVideo-1.5
- 8.3 tỷ tham số
- Chạy được trên 14GB VRAM
- Thân thiện với GPU người dùng phổ thông
Con số 14GB đó rất quan trọng. Một chiếc RTX 4080 có 16GB. Một chiếc RTX 4070 Ti Super có 16GB. Bất ngờ thay, việc "tự chạy tạo video AI cục bộ" đã chuyển từ "bạn cần cả một trung tâm dữ liệu" sang "bạn chỉ cần một dàn PC chơi game."
Phân định ranh giới lớn
Chúng ta đang chứng kiến việc tạo video bằng AI phân tách thành hai hệ sinh thái riêng biệt: các dịch vụ đám mây độc quyền và giải pháp tạo video cục bộ mã nguồn mở. Cả hai đều có chỗ đứng, nhưng dành cho những đối tượng sáng tạo rất khác nhau.
Bức tranh toàn cảnh hiện tại trông như sau:
| Phương pháp | Mô hình | Phần cứng | Mô hình chi phí |
|---|---|---|---|
| Đám mây độc quyền | Runway Gen-4.5, Sora 2, Veo 3 | GPU đám mây | Gói đăng ký + tín dụng (credits) |
| Mã nguồn mở cục bộ | HunyuanVideo, LTX-Video | GPU người dùng phổ thông | Chỉ tốn tiền điện |
Các mô hình độc quyền vẫn dẫn đầu về chất lượng thuần túy. Gen-4.5 không phải ngẫu nhiên mà giành được vị trí #1. Nhưng chất lượng không phải là yếu tố duy nhất mang tính quyết định.
Vì sao mã nguồn mở thay đổi cuộc chơi
Hãy để tôi phân tích việc tạo nội dung cục bộ thực sự mang lại điều gì cho các nhà sáng tạo:
Không tốn chi phí cho mỗi lần tạo
Bảo mật hoàn toàn
Thử nghiệm lặp lại không giới hạn
Khả năng hoạt động ngoại tuyến
Nhìn nhận thực tế về phần cứng
Hãy thẳng thắn về ý nghĩa thực sự của "phần cứng người dùng phổ thông":
Chạy HunyuanVideo-1.5 trên một card 14GB là khả thi nhưng chưa thực sự thoải mái. Thời gian tạo video sẽ kéo dài hơn. Chất lượng có thể đòi hỏi nhiều lượt chạy thử. Trải nghiệm sẽ không mượt mà như việc chỉ cần bấm nút "generate" trên Runway.
Tuy nhiên, chi phí GPU đó là khoản mua sắm một lần. Nếu bạn tạo nhiều hơn vài trăm video mỗi năm, bài toán kinh tế bắt đầu nghiêng về giải pháp chạy cục bộ một cách nhanh chóng đến bất ngờ.
Các mô hình mã nguồn mở thực sự có thể làm được gì
Trong cặp đôi này, chỉ có HunyuanVideo-1.5 là tạo được video. Dựa trên thẻ mô hình HunyuanVideo-1.5 của Tencent (không phải điểm chuẩn benchmark của Bonega), đây là những gì mô hình tuyên bố và những gì bạn phải đánh đổi:
- Tencent khẳng định chất lượng hình ảnh và độ mượt mà chuyển động đạt mức hiện đại hàng đầu (state-of-the-art)
- 8.3 tỷ tham số
- Chạy được trên GPU người dùng phổ thông, từ mức 14 GB khi sử dụng kỹ thuật offload mô hình
- Thẻ mô hình không đề cập đến khả năng tạo âm thanh
- Thời gian tạo video dài hơn trên card 14 GB
- Quá trình cài đặt ban đầu đòi hỏi học hỏi nhiều hơn so với một ứng dụng đám mây
Vidi2 là một loại mô hình khác biệt. Bài báo kỹ thuật của mô hình mô tả khả năng hiểu video: truy xuất theo thời gian, định vị không gian - thời gian (dấu thời gian và khung bao quanh cho một truy vấn văn bản) và trả lời câu hỏi về video, với việc chỉnh sửa phức tạp được nêu như một ứng dụng tiềm năng. Nó không tạo ra cảnh quay video, vì vậy nó nằm ngoài phép so sánh chất lượng ở trên.
Đối với việc làm mẫu nhanh (prototyping), nội dung mạng xã hội và các thử nghiệm, một mô hình cục bộ như HunyuanVideo-1.5 hoàn toàn có thể đáp ứng tốt. Còn đối với chất lượng đỉnh cao tuyệt đối nơi từng khung hình đều quý giá, các mô hình độc quyền vẫn nắm giữ ưu thế.
Chiến lược mã nguồn mở của các công ty Trung Quốc
Việc ByteDance và Tencent phát hành các mô hình mã nguồn mở không phải là hành động từ thiện. Đó là một chiến lược.
Cả hai công ty đều đối mặt với các hạn chế về dịch vụ đám mây của Mỹ và quy định xuất khẩu chip. Bằng cách phát hành các mô hình mã nguồn mở:
- Họ xây dựng cộng đồng và độ nhận diện thương hiệu trên quy mô toàn cầu
- Các nhà phát triển tối ưu hóa kiến trúc của họ hoàn toàn miễn phí
- Các mô hình được cải thiện thông qua nỗ lực phân tán từ cộng đồng
- Sự phụ thuộc khóa chặt API (API lock-in) vào các công ty Mỹ giảm đi
Đó là một ván cờ dài hơi. Và đối với các nhà sáng tạo độc lập, đó là ván cờ mang lại lợi ích cho tất cả mọi người, ngoại trừ các dịch vụ thu phí định kỳ.
Quy trình làm việc kết hợp (Hybrid) đang nổi lên
Những nhà sáng tạo thông minh không chọn phe. Họ xây dựng quy trình làm việc kết hợp cả hai:
- ✓Làm mẫu thử nghiệm cục bộ với các mô hình mã nguồn mở
- ✓Lặp lại thử nghiệm mà không bị áp lực về chi phí
- ✓Sử dụng các mô hình độc quyền cho các cảnh quay quan trọng cuối cùng
- ✓Tinh chỉnh (fine-tune) các mô hình mở cho các phong cách cụ thể
Hãy hình dung nó giống như nhiếp ảnh. Bạn có thể chụp ảnh thông thường bằng điện thoại, thử nghiệm góc chụp thoải mái. Nhưng đối với buổi triển lãm nghệ thuật, bạn sẽ mang ra chiếc máy ảnh medium format. Vẫn cùng một tư duy sáng tạo, nhưng công cụ khác nhau dành cho những thời điểm khác nhau.
Bắt đầu với việc tạo video cục bộ
Nếu bạn muốn tự mình thử nghiệm, đây là những gì bạn cần:
Cấu hình tối thiểu:
- GPU NVIDIA với VRAM từ 14GB trở lên (RTX 4070 Ti Super, 4080, 4090, hoặc 3090)
- 32GB RAM hệ thống
- Còn trống từ 100GB dung lượng lưu trữ trở lên
- Linux hoặc Windows với WSL2
Cấu hình khuyến nghị:
- RTX 4090 với 24GB VRAM
- 64GB RAM hệ thống
- Ổ cứng SSD NVMe để lưu trữ mô hình
- Máy tính chuyên dụng cho việc tạo video
Quy trình cài đặt bao gồm các quy trình ComfyUI, tải mô hình và làm quen đôi chút với giao diện dòng lệnh terminal. Dù không quá đơn giản, nhưng hàng ngàn nhà sáng tạo đã cài đặt và vận hành thành công. Các cộng đồng trên Reddit và Discord hỗ trợ rất nhiệt tình.
Tác động đối với thị trường
Thị trường tạo video bằng AI được dự báo sẽ đạt $2.56 tỷ vào năm 2032. Dự báo đó từng giả định phần lớn doanh thu sẽ đến từ các dịch vụ gói đăng ký. Các mô hình mã nguồn mở đang làm đảo lộn dự báo đó.
Khi việc tạo nội dung trở thành một tiện ích đại trà có thể chạy trên phần cứng bạn đã sở hữu, giá trị sẽ dịch chuyển. Các công ty sẽ phải cạnh tranh về:
- Sự dễ dàng khi sử dụng và khả năng tích hợp quy trình làm việc
- Các tính năng chuyên biệt (âm thanh gốc tích hợp, thời lượng dài hơn)
- Tính năng và sự hỗ trợ dành cho doanh nghiệp
- Các mô hình được tinh chỉnh riêng cho từng ngành cụ thể
Bản thân khả năng tạo video thuần túy? Điều đó đang dần trở thành một yêu cầu nền tảng cơ bản.
Dự đoán của tôi
Đến giữa năm 2026, khả năng tạo video mã nguồn mở sẽ bắt kịp chất lượng của các mô hình độc quyền đối với hầu hết các trường hợp sử dụng. Khoảng cách sẽ thu hẹp nhanh hơn so với mong đợi của số đông vì:
- Phát triển mở thúc đẩy mọi thứ nhanh hơn. Hàng ngàn nhà nghiên cứu cùng cải tiến các mô hình dùng chung tại cùng một thời điểm.
- Phần cứng ngày càng rẻ hơn. Mức tối thiểu 14GB của ngày hôm nay sẽ là phần cứng bình dân vào năm sau.
- Bộ công cụ cộng đồng ngày càng hoàn thiện. Giao diện người dùng, quy trình làm việc và tài liệu hướng dẫn đều được cải thiện nhanh chóng.
- Việc tinh chỉnh (fine-tuning) được phổ cập hóa. Các mô hình tùy biến cho những phong cách riêng biệt sẽ trở nên phổ biến.
Các dịch vụ độc quyền sẽ không biến mất. Họ sẽ cạnh tranh về sự tiện lợi, khả năng tích hợp và các năng lực chuyên sâu thay vì chất lượng tạo nội dung thô thuần túy.
Điều này có ý nghĩa gì đối với bạn
Nếu bạn đang sáng tạo nội dung video, đây là lời khuyên của tôi:
Nếu bạn chỉ tạo video thỉnh thoảng: Hãy tiếp tục gắn bó với các dịch vụ độc quyền. Mô hình trả phí định kỳ rất phù hợp cho nhu cầu sử dụng không thường xuyên, và trải nghiệm người dùng cũng mượt mà hơn.
Nếu bạn tạo video thường xuyên: Hãy bắt đầu khám phá các lựa chọn cục bộ. Khoản đầu tư ban đầu vào phần cứng và thời gian học hỏi sẽ nhanh chóng mang lại lợi ích nếu bạn tạo hàng trăm clip mỗi tháng.
Nếu bạn đang xây dựng sản phẩm: Hãy cân nhắc cả hai. Sử dụng API đám mây cho người dùng của bạn, và sử dụng giải pháp tạo cục bộ cho việc phát triển và thử nghiệm nội bộ.
Nếu bạn là một nghệ sĩ: Mã nguồn mở chính là sân chơi của bạn. Không có điều khoản dịch vụ nào giới hạn những gì bạn muốn tạo ra. Không có tín dụng nào hạn chế sự thử nghiệm. Chỉ có bạn và mô hình.
Tương lai là sự song hành của cả hai
Tôi không nghĩ mã nguồn mở sẽ "chiến thắng" hay giải pháp độc quyền sẽ "chiến thắng". Chúng ta đang hướng tới một thế giới nơi cả hai cùng tồn tại, phục vụ những nhu cầu khác nhau.
Phép loại suy mà tôi thường liên tưởng tới: nhạc trực tuyến trực tuyến không hề khai tử đĩa than vinyl. Nó chỉ thay đổi ai là người mua đĩa than và mua vì lý do gì. Video AI mã nguồn mở sẽ không khai tử Runway hay Sora. Nó sẽ thay đổi đối tượng sử dụng và mục đích sử dụng các công cụ đó.
Điều quan trọng là các nhà sáng tạo có sự lựa chọn. Những lựa chọn thực tế, khả thi và đầy năng lực. Cuối tháng 11 năm 2025 chính là thời điểm những lựa chọn đó nhân lên gấp bội.
Cuộc cách mạng video AI không nằm ở việc mô hình nào là tốt nhất. Đó là câu chuyện về quyền tiếp cận, quyền làm chủ và sự tự do sáng tạo. Và trên cả ba phương diện đó, chúng ta vừa tiến thêm một bước tiến khổng lồ.
Hãy tải một mô hình về máy. Tạo ra một sản phẩm nào đó. Hãy xem điều gì sẽ xảy ra khi mọi rào cản tan biến.
Tương lai của việc sáng tạo video đang được dựng xây ngay trong phòng ngủ và tầng hầm của mỗi người, chứ không chỉ gói gọn trong các phòng nghiên cứu. Và thành thực mà nói? Đó chính xác là cách mà mọi thứ nên diễn ra.
Nguồn tham khảo
- ByteDance Vidi2 Release (WinBuzzer)
- Vidi2 Technical Paper (arXiv)
- Vidi repository: release history (GitHub)
- Tencent HunyuanVideo-1.5 Release (WinBuzzer)
- Runway Gen-4.5 Video Arena Rankings (CNBC)
- AI Video Generator Market Report (Fortune Business Insights)
- AI Video Creation Statistics 2025 (Zebracat)
