Chúng Tôi Đã Phân Tích Hơn 40,000 Gợi Ý Video AI — Đây Là Những Gì Mọi Người Thực Sự Tạo Ra

Chúng Tôi Đã Phân Tích Hơn 40,000 Lời Nhắc Video AI

Mọi người đều có ý kiến về video AI. Các chuyên gia dự đoán hướng đi của nó. Twitter tranh luận xem liệu nó đã "đủ tốt chưa." Các thumbnail trên YouTube la hét về bản cập nhật mô hình mới nhất.

Nhưng gần như không ai nói về những gì mọi người đang thực sự tạo ra với những công cụ này ngay bây giờ.

Vì vậy, chúng tôi quyết định tìm hiểu.

Chúng tôi đã thu thập dữ liệu từ hơn 120,000 video được tạo ra bằng AI trên nền tảng Vivideo, phân loại một mẫu 40,000+ lời nhắc bằng GPT-4o-mini, và phân tích số liệu. Điều nổi bật là một bức chân dung chi tiết đáng ngạc nhiên về cách mà những người thực — không phải người ảnh hưởng, không phải nhà nghiên cứu, mà là những người sáng tạo và doanh nghiệp hàng ngày — đang sử dụng video AI vào năm 2025.

Dưới đây là tất cả những gì chúng tôi đã tìm thấy.

Dữ Liệu: Chúng Tôi Đã Có Những Con Số Này Như Thế Nào

Hãy để chúng tôi trình bày phương pháp để bạn biết chính xác những gì bạn đang nhìn vào.

Dữ liệu đầy đủ của chúng tôi bao gồm 120,000+ video được tạo ra thông qua nền tảng của Vivideo. Đối với phân tích lời nhắc chi tiết, chúng tôi đã lấy một mẫu phân tầng gồm 915 lời nhắc và chạy chúng qua GPT-4o-mini để phân loại vào các danh mục trường hợp sử dụng. Các thống kê rộng hơn — việc sử dụng mô hình, tỷ lệ khung hình, thời gian, ngôn ngữ và loại đầu vào — đến từ dữ liệu hoàn chỉnh.

Chúng tôi không chọn lọc. Chúng tôi không lọc cho các đầu ra "ấn tượng". Đây là dữ liệu thô, không lọc từ những người dùng thực hiện công việc thực sự (và đúng, một số trong đó là những người làm video sinh nhật cho mẹ của họ — và điều đó thật tuyệt).

Một vài lưu ý: phân loại lời nhắc bởi AI không hoàn hảo. Một số lời nhắc có thể gây nhầm lẫn. Một "video sản phẩm với một người nói" có thể được gán nhãn là video demo sản phẩm hoặc video avatar. Chúng tôi đã tối ưu hóa cho ý định có khả năng xảy ra nhất và kiểm tra hàng trăm phân loại một cách thủ công.

Nói vậy, hãy cùng khám phá.

Bức Tranh Lớn: Từ Văn Bản Đến Video So Với Từ Hình Ảnh Đến Video

Câu hỏi đầu tiên mà chúng tôi đặt ra rất đơn giản: Người ta bắt đầu video của họ như thế nào?

Họ có đang gõ một lời nhắc từ đầu không? Hay là tải lên một hình ảnh và biến nó thành hiện thực?

65.7% tất cả các đơn đặt hàng video là từ văn bản đến video. 32.6% là từ hình ảnh đến video. Khoảng 1.7% còn lại sử dụng các phương pháp khác như tạo avatar.

Điều này khá bất ngờ. Chúng tôi đã mong đợi tỷ lệ từ hình ảnh đến video cao hơn — sau tất cả, có thể nói rằng nó "dễ hơn" vì bạn đang cung cấp cho AI một điểm khởi đầu trực quan. Nhưng dữ liệu cho thấy một câu chuyện khác: hai phần ba người dùng thích mô tả tầm nhìn của họ bằng lời nói và để AI tự tìm ra hình ảnh.

Tại sao? Một vài lý thuyết:

• Rào cản thấp hơn để tham gia. Bạn không cần phải có hoặc tìm hình ảnh phù hợp. Bạn chỉ cần gõ những gì bạn muốn. Từ văn bản đến video là bức tranh trắng tối ưu.
• Kiểm soát sáng tạo nhiều hơn. Các lời nhắc văn bản cho phép bạn chỉ định tâm trạng, chuyển động camera, ánh sáng và phong cách — những điều khó truyền đạt qua một hình ảnh tĩnh.
• "Khoảng cách tưởng tượng." Nhiều người dùng đang tạo ra những cảnh mà chưa tồn tại — thế giới tưởng tượng, khái niệm sản phẩm, chuỗi câu chuyện. Bạn không thể tải lên một bức ảnh của một thứ chưa được xây dựng.

Nói vậy, từ hình ảnh đến video có một khán giả trung thành riêng. Nó đặc biệt phổ biến cho các video hoạt hình sản phẩm thương mại điện tử, các chuyến tham quan bất động sản (bắt đầu với một bức ảnh của tài sản), và mang nghệ thuật vào cuộc sống.

Những Gì Mọi Người Thực Sự Tạo Ra (Phân Tích Trường Hợp Sử Dụng)

Đây là phần mà chúng tôi hào hứng nhất. Khi chúng tôi phân loại tất cả 915 mẫu lời nhắc theo trường hợp sử dụng, một danh mục hoàn toàn chiếm ưu thế.

Hãy để điều đó ngấm vào. Gần 9 trong 10 video AI là các cảnh hoàn toàn được tạo ra — không phải khuôn mặt của ai đó nói trước camera, không phải hiệu ứng Ken Burns trên một bức ảnh, mà là những cảnh hình ảnh hoàn chỉnh được conjured từ các mô tả bằng văn bản.

Đây là câu chuyện thực sự của video AI vào năm 2025: mọi người đang sử dụng nó như một động cơ tưởng tượng hình ảnh.

Những Cảnh Đó Thực Sự Nhìn Như Thế Nào

Chúng tôi đã đào sâu hơn vào 88.2% để hiểu những loại cảnh mà mọi người đang tạo ra. Trong khi các danh mục có sự chồng chéo (một video quảng cáo cũng có thể là một câu chuyện), đây là những mẫu chính mà chúng tôi quan sát thấy:

• Video quảng cáo — Doanh nghiệp tạo quảng cáo, video thương hiệu và nội dung tiếp thị. Mọi thứ từ quảng cáo nhà hàng địa phương đến ra mắt sản phẩm SaaS.
• Nội dung giáo dục — Video giải thích, hướng dẫn và chuỗi "cách nó hoạt động". Giáo viên, người tạo khóa học và người đào tạo doanh nghiệp là những người sử dụng sớm.
• Nội dung mạng xã hội — Các clip ngắn, hấp dẫn được thiết kế cho TikTok, Instagram Reels và YouTube Shorts. Thường được thúc đẩy bởi xu hướng và được thiết kế để gây ấn tượng tối đa.
• Kể chuyện và tường thuật — Phim ngắn, ý tưởng video âm nhạc và chuỗi tường thuật. Đây là nơi mà những lời nhắc sáng tạo nhất sống — mọi người xây dựng toàn bộ thế giới trong 4-12 giây.
• Trình diễn sản phẩm — Người bán thương mại điện tử giới thiệu sản phẩm trong bối cảnh phong cách sống. "Cho thấy đôi giày thể thao của tôi được một người chạy trên đường núi vào lúc hoàng hôn" — kiểu như vậy.
• Lời chúc cá nhân và lễ kỷ niệm — Tin nhắn sinh nhật, thiệp chúc mừng lễ hội, bất ngờ kỷ niệm. Video AI như một thiệp Hallmark mới.
• Chuyến tham quan bất động sản — Các chuyến tham quan tài sản ảo, giới thiệu khu phố và hình ảnh kiến trúc.
• Trình diễn sản phẩm thương mại điện tử — Các cảnh đẹp của sản phẩm, tiết lộ kiểu dáng 360° và video bối cảnh phong cách sống làm cho sản phẩm trông cao cấp.

Danh mục avatar/người nói (7.1%) nhỏ hơn bạn có thể mong đợi với tất cả sự chú ý xung quanh các avatar AI. Điều này một phần là vì việc tạo avatar là một trường hợp sử dụng chuyên biệt — nó yêu cầu một quy trình làm việc khác và thu hút một khán giả hẹp hơn (chủ yếu là đào tạo doanh nghiệp và tiếp cận bán hàng cá nhân).

Hoạt hình hình ảnh ở mức 4.7% đại diện cho những người dùng tải lên một bức ảnh tĩnh và thêm chuyển động — một lựa chọn phổ biến để mang nghệ thuật, ảnh cũ hoặc hình ảnh sản phẩm vào cuộc sống.

Ngôn Ngữ Của Video AI: Một Hiện Tượng 24 Ngôn Ngữ

Đây là điều mà thực sự khiến chúng tôi ngạc nhiên. Nếu bạn cho rằng việc tạo video AI chủ yếu là một hoạt động nói tiếng Anh, dữ liệu cho thấy điều ngược lại.

Tiếng Anh chỉ chiếm 47.3% tất cả các lời nhắc. Điều đó có nghĩa là hơn một nửa tất cả các lời nhắc video AI trên Vivideo được viết bằng các ngôn ngữ không phải tiếng Anh.

Điều này không chỉ là "một chút quốc tế." Đây là một hiện tượng toàn cầu, với sự áp dụng đáng kể trên mọi châu lục.

Một vài điều nổi bật:

Tiếng Việt ở mức 23.1% là rất lớn. Gần một phần tư tất cả các lời nhắc là bằng tiếng Việt. Điều này phản ánh nền kinh tế người sáng tạo kỹ thuật số đang bùng nổ của Việt Nam và sự áp dụng sớm các công cụ AI cho việc tạo nội dung. Các nhà sáng tạo Việt Nam đang sử dụng video AI cho mọi thứ từ video sản phẩm thương mại điện tử đến nội dung mạng xã hội quy mô lớn.

Tiếng Ả Rập ở mức 11.4% khiến khu vực MENA trở thành một trong những thị trường video AI hoạt động nhất. Với sự chuyển đổi kỹ thuật số nhanh chóng đang diễn ra ở các tiểu vương quốc Ả Rập và sự đầu tư lớn vào cơ sở hạ tầng AI, điều này là hợp lý.

Đuôi dài là có thật. Ngoài các ngôn ngữ hàng đầu, có hoạt động đáng kể trong tiếng Nga, tiếng Thổ Nhĩ Kỳ, tiếng Đức, tiếng Ukraina, tiếng Indonesia và nhiều ngôn ngữ khác. Video AI không phải là một món đồ chơi của Silicon Valley — nó là một công cụ sáng tạo toàn cầu.

Điều này có những tác động lớn đối với bất kỳ ai xây dựng trong lĩnh vực này: nếu công cụ video AI của bạn chỉ hoạt động tốt với các lời nhắc bằng tiếng Anh, bạn đang bỏ qua hơn một nửa số người dùng tiềm năng của mình.

Sở Thích Định Dạng: Tỷ Lệ Khung Hình và Thời Gian

Cách mọi người định dạng video của họ cho bạn biết rất nhiều về nơi những video đó sẽ kết thúc.

Tỷ Lệ Khung Hình

Sự phân chia giữa ngang và dọc là rất gần — 52.8% so với 43.7% — điều này cho chúng ta biết điều gì đó quan trọng: cuộc chiến giữa video ngang và video dọc thực sự là một cuộc tung đồng xu.

Video ngang vẫn dẫn đầu, có thể do YouTube, nhúng trang web, thuyết trình và nội dung tiếp thị truyền thống. Nhưng video dọc đang theo sát, được thúc đẩy bởi TikTok, Instagram Reels và YouTube Shorts.

Điều gây sốc thực sự? Video vuông (1:1) gần như đã chết. Ở mức khoảng 0%, không ai còn tạo video vuông nữa. Định dạng vuông cũ của Instagram, từng là mặc định cho mạng xã hội, đã hoàn toàn bị bỏ rơi trong kỷ nguyên video AI.

Thời Gian Video

Sở thích về thời gian tiết lộ một sự phân chia thú vị giữa hai nhóm:

Nhóm 1: Nhóm 12 giây (30.1%). Những người dùng này muốn thời gian tối đa có sẵn. Họ đang tạo nội dung tường thuật, video demo sản phẩm và video quảng cáo mà mỗi giây thêm đều quan trọng. Mười hai giây là đủ để kể một câu chuyện nhỏ: thiết lập, tiết lộ, trả giá.

Nhóm 2: Nhóm 4 giây (29.2%). Những người dùng này muốn các clip nhanh, hấp dẫn — hoàn hảo cho các móc câu trên mạng xã hội, sáng tạo quảng cáo, hoặc ghép nhiều clip thành các chỉnh sửa dài hơn. Bốn giây về cơ bản là một khoảnh khắc hình ảnh mạnh mẽ.

Thời gian trung bình 8 giây (23.3%) thu hút những người dùng muốn có một chút không gian hơn 4 giây nhưng không cần đến 12 giây đầy đủ. Sự phổ biến tương đối thấp của video 6 giây (6.6%) là điều thú vị — có vẻ như mọi người thích cam kết vào "ngắn" hoặc "dài" hơn là chia sẻ sự khác biệt.

Cuộc Đua Mô Hình: Veo 3.1 Chạy Thẳng Ra Ngoài

Nếu có một số liệu tiêu đề từ toàn bộ phân tích này, có thể là số liệu này:

Veo 3.1 chiếm 96.4% tất cả việc tạo video AI trên Vivideo.

Đó không phải là một lỗi chính tả. Mô hình Veo 3.1 của Google là lựa chọn áp đảo cho việc tạo video AI.

Lưu ý: Việc tạo avatar HeyGen được tính riêng vì nó phục vụ một chức năng khác (avatar kỹ thuật số so với tạo cảnh). Tỷ lệ 10.5% của nó chồng chéo với danh mục avatar trong phân tích trường hợp sử dụng của chúng tôi.

Tại sao Veo 3.1 lại chiếm ưu thế hoàn toàn? Dựa trên phản hồi của người dùng và thử nghiệm của chính chúng tôi:

• Chất lượng hình ảnh. Veo 3.1 liên tục tạo ra đầu ra chân thực và hình ảnh nhất quán nhất.
• Tuân thủ lời nhắc. Nó tuân theo các lời nhắc phức tạp một cách trung thành hơn — chuyển động camera, thông số ánh sáng, chỉ dẫn phong cách.
• Tốc độ. Thời gian tạo ra cạnh tranh, và tỷ lệ chất lượng so với tốc độ là tốt nhất trong lớp.
• Độ nhất quán. Ít "các hiện tượng kỳ lạ của AI" — ít bàn tay tan chảy, vật lý không thể, và những khoảnh khắc thung lũng kỳ lạ.

Sora 2 ở mức 2.0% vẫn có những người hâm mộ của nó, đặc biệt là cho nội dung nghệ thuật và phong cách. Nhưng thị trường đã lên tiếng, ít nhất là bây giờ: khi mọi người muốn video AI đáng tin cậy, chất lượng cao, họ chọn Veo 3.1.

Những Phát Hiện Đáng Ngạc Nhiên

Mỗi phân tích dữ liệu tốt đều phát hiện ra những điều bạn không mong đợi. Dưới đây là những mẫu đã khiến chúng tôi phải nhìn lại.

1. Tỷ Lệ Kiểm Duyệt Nội Dung 9%

Xấp xỉ 9% tất cả các lời nhắc đã bị đánh dấu bởi các hệ thống kiểm duyệt nội dung là nội dung người lớn hoặc không phù hợp. Điều này thực sự thấp hơn so với những gì nhiều người trong ngành mong đợi — một số ước tính tỷ lệ cố gắng nội dung người lớn cho các công cụ tạo hình ảnh AI ở mức 15-20%.

Điều này có nghĩa là gì? Việc tạo video AI có xu hướng chuyên nghiệp và có mục đích hơn so với việc tạo hình ảnh AI. Khi bạn đang trả tiền cho việc tạo video (thay vì chơi với một công cụ hình ảnh miễn phí), ý định trở nên nghiêm túc hơn và các trường hợp sử dụng có xu hướng hướng đến kinh doanh hơn.

2. Hiệu Ứng Thiệp Sinh Nhật

Các lời chúc cá nhân — sinh nhật, lễ hội, kỷ niệm — xuất hiện nhiều hơn chúng tôi mong đợi. Đây không phải là những trường hợp sử dụng nổi bật mà được giới thiệu trong các video demo AI, nhưng chúng đại diện cho một ứng dụng thực sự ấm lòng của công nghệ. Mọi người đang tạo ra các tin nhắn video cá nhân hóa mà trước đây sẽ không thể (hoặc quá đắt đỏ) chỉ hai năm trước.

3. Sự Chết Của Video Vuông

Chúng tôi đã đề cập đến điều này, nhưng nó đáng được nhắc lại: video vuông 1:1 hiện đang ở mức hiệu quả 0%. Định dạng đã thống trị Instagram từ 2012-2019 đã hoàn toàn bị bỏ rơi. Nếu công cụ video của bạn vẫn mặc định là vuông, bạn đang giải quyết vấn đề của ngày hôm qua.

4. Nền Kinh Tế Người Sáng Tạo Việt Nam

Với 23.1% tất cả các lời nhắc, tiếng Việt không chỉ được đại diện — nó là ngôn ngữ phổ biến thứ hai với một khoảng cách lớn, gấp đôi tiếng Ả Rập ở vị trí thứ ba với 11.4%. Nền kinh tế người sáng tạo của Việt Nam rõ ràng đang ở một điểm chuyển mình, và các công cụ video AI là một yếu tố tăng tốc chính.

5. Không Ai Muốn Video 6 Giây

Với chỉ 6.6% đơn đặt hàng, định dạng 6 giây là thời gian ít phổ biến nhất. Người dùng rất thích hoặc là ngắn và hấp dẫn (4 giây) hoặc dài hơn (12 giây). Điểm giữa dường như không gây được tiếng vang. Điều này phản ánh những gì chúng tôi đã thấy trong các xu hướng mạng xã hội — nội dung hoặc là một móc câu nhanh hoặc một câu chuyện nhỏ, với ít không gian cho sự trung gian.

Điều Này Có Nghĩa Gì Đối Với Các Nhà Sáng Tạo

Vậy bạn đã thấy dữ liệu. Bạn nên làm gì với nó?

Dù bạn là một nhà tiếp thị, người tạo nội dung, chủ doanh nghiệp, hay chỉ là một người tò mò về video AI, dưới đây là những điểm cần lưu ý:

1. Bắt Đầu Với Từ Văn Bản Đến Video

Nếu bạn chưa thử video AI, từ văn bản đến video là nơi có hành động. Hai phần ba người dùng bắt đầu ở đây, và có lý do chính đáng — bạn không cần bất kỳ tài sản nào, chỉ cần ý tưởng. Mô tả những gì bạn muốn thấy, và AI sẽ xây dựng nó.

2. Nghĩ Về 4 Giây Hoặc 12 Giây

Khi lập kế hoạch cho video AI của bạn, hãy nghĩ theo thời gian 4 giây hoặc 12 giây. Dữ liệu cho thấy đây là những khoảng thời gian gây được tiếng vang. Đối với các móc câu trên mạng xã hội và sáng tạo quảng cáo, hãy chọn 4 giây. Đối với video demo sản phẩm, video giải thích và nội dung tường thuật, hãy sử dụng đầy đủ 12 giây.

3. Chọn Hướng Định Hình Một Cách Cẩn Thận

Đừng mặc định là ngang. Nếu nội dung của bạn hướng đến TikTok, Reels hoặc Shorts, hãy chọn 9:16 dọc. Nếu nó dành cho YouTube, trang web của bạn hoặc thuyết trình, hãy chọn 16:9. Và quên đi video vuông — thị trường đã chuyển đi.

4. Đừng Bỏ Qua Các Thị Trường Không Phải Tiếng Anh

Nếu bạn đang xây dựng một doanh nghiệp xung quanh nội dung video AI, dữ liệu cho thấy nhu cầu lớn từ các thị trường nói tiếng Việt, tiếng Ả Rập, tiếng Nga và tiếng Thổ Nhĩ Kỳ. Đây không phải là những khán giả ngách — họ đại diện cho hàng trăm triệu người xem tiềm năng.

5. Sử Dụng Từ Hình Ảnh Đến Video Cho Nội Dung Sản Phẩm

Khi mặc dù từ văn bản đến video chiếm ưu thế tổng thể, từ hình ảnh đến video là vũ khí bí mật cho thương mại điện tử và tiếp thị sản phẩm. Tải lên bức ảnh sản phẩm của bạn và thêm chuyển động, bối cảnh và sức sống. Nó nhanh hơn một buổi chụp hình và có thể mở rộng vô hạn.

6. Veo 3.1 Là Lựa Chọn An Toàn

Nếu bạn đang tự hỏi mô hình nào để sử dụng, dữ liệu rất rõ ràng: 96.4% người dùng chọn Veo 3.1. Nó cung cấp sự kết hợp tốt nhất giữa chất lượng, tốc độ và tuân thủ lời nhắc. Bắt đầu từ đó, và thử nghiệm với các lựa chọn thay thế như Sora 2 cho các phong cách sáng tạo cụ thể.

Dòng cuối: Video AI không còn là một điều mới mẻ nữa. Với hơn 120,000 video được tạo ra, các lời nhắc trong hơn 24 ngôn ngữ, và các trường hợp sử dụng trải dài từ thiệp sinh nhật đến các chuyến tham quan bất động sản, nó là một công cụ sáng tạo chính thống. Câu hỏi không phải là liệu có sử dụng nó hay không — mà là làm thế nào để sử dụng nó tốt hơn mọi người khác.

Sẵn sàng để xem bạn có thể tạo ra điều gì? Thử Vivideo miễn phí và thêm các lời nhắc của bạn vào bộ dữ liệu tiếp theo.