SeeCut: AI biên tập video ngắn biết tự xem lại bản dựng của chính mình

Có một video quay cảnh nói trước camera (người thật hoặc người ảo AI), bạn muốn biến nó thành video ngắn có thẻ chữ, ảnh minh hoạ và hiệu ứng động như trên TikTok. SeeCut là một dự án mã nguồn mở làm việc đó tự động. Điều đáng chú ý không nằm ở hiệu ứng mà ở cách AI tự xem lại bản dựng, tự chấm điểm và tự sửa.

SeeCut là gì?

SeeCut do tài khoản GitHub YeJe-cpu công bố cuối tháng 9/2026, với khẩu hiệu "An AI editor that watches its own cut" (một trình biên tập AI biết xem lại bản dựng của chính mình). Đầu vào là một đoạn video nói trước camera, thường quay dọc, thấy nửa người. Đầu ra là video ngắn có nhịp nhanh: thẻ thông tin, chữ to, nét khoanh tay vẽ, ảnh chụp màn hình làm dẫn chứng, người nói khi chiếm cả màn hình khi thu nhỏ vào một ô góc.

SeeCut không phải một ứng dụng độc lập. Nó là một skill, tức gói hướng dẫn và script để trợ lý lập trình (tác giả đã thử với Claude Code) tự chạy toàn bộ quy trình. Bạn chỉ cần gõ một lệnh trong cuộc trò chuyện với trợ lý.

Quy trình ba bước

Tác giả chia dự án thành ba phần. Chỉ phần giữa là bắt buộc:

Ở bước người ảo, tác giả dựng hình bằng HeyGen nhưng không dùng giọng có sẵn của HeyGen vì "nghe giả". Thay vào đó, giọng đọc được tạo bằng Doubao TTS của Volcano Engine (ByteDance). Script cho phần này nằm trong thư mục digital-human/ của repo.

Ba ý tưởng đáng học từ SeeCut

1. Cho AI xem video thật, không xem ảnh cắt

Các mô hình như Claude hay GPT thường xử lý video bằng cách cắt ra vài khung hình rồi xem như ảnh tĩnh. Cách này không thấy được chuyển động hay nhịp dựng, mà đó lại là thứ quyết định một video ngắn có cuốn hay không. SeeCut gọi Gemini qua Antigravity CLI (lệnh agy) để xem nguyên video, cả lúc hiểu tư liệu đầu vào lẫn lúc chấm bản dựng.

Với video dài, skill cắt thành đoạn tối đa 25 giây và hạ xuống 540p trước khi gửi cho Gemini, để giữ chi phí và thời gian ở mức chấp nhận được.

2. Chấm theo cặp thay vì chấm điểm tuyệt đối

Đây là phần thú vị nhất. Tác giả nhận ra cùng một video, chỉ cần đổi câu lệnh là AI có thể khen "chuyên nghiệp" hoặc chê "quê mùa". Họ thử "giám khảo AI" trên những video đã biết trước kết quả và rút ra: chấm điểm tuyệt đối không đáng tin, còn hỏi "video nào trong hai video tốt hơn" thì đáng tin.

Vì vậy mỗi lần chấm là một phép so sánh cặp, chạy hai lần với thứ tự A–B rồi B–A. Một phiên bản chỉ được coi là thắng nếu thắng cả hai lần. Cách này loại bỏ thiên lệch vị trí, tức xu hướng mô hình ưu ái video được đưa vào trước hoặc sau.

3. Vòng lặp có điểm dừng rõ ràng

Mỗi phiên bản phải qua hai lớp kiểm tra:

1. Kiểm tra lỗi cứng bằng hình học
   Script geom-check.mjs phát hiện phần tử chồng nhau, thẻ che mặt người nói, khung hình trống, hiệu ứng xuất hiện lệch nhịp so với lời nói.
2. Kiểm tra lỗi cứng bằng AI
   Gemini xem video để bắt giao diện giả, bố cục hỏng, chữ hiện quá nhanh không kịp đọc, người nói nhảy vị trí lung tung.
3. So sánh với phiên bản trước
   Bản mới phải thắng bản cũ ở cả hai lượt so sánh mới được giữ lại.
4. Dừng lại đúng lúc
   Tối đa 3 phiên bản, mỗi bản phải có cải thiện nhìn thấy được. Không đuổi theo một con số phần trăm nào và không lặp vô hạn.

Tác giả còn viết rõ một quy tắc rút ra từ lỗi thực tế: khi AI báo lỗi ở giây thứ X, trợ lý phải mở đúng khung hình ở giây đó ra xem rồi mới được kết luận là báo nhầm. Trong một lần chạy, lỗi che mặt bị bỏ qua chỉ vì trợ lý xem nhầm thời điểm khác.

Dẫn chứng thật, không dựng giao diện giả

Khi người nói nhắc đến một trang web, một sản phẩm hay một con số, SeeCut dùng grab_evidence.mjs (chạy trên Playwright) để chụp màn hình trang thật và đưa vào video. Skill cấm dùng cửa sổ giả, khung code giả hay giao diện Mac giả chỉ để "lấp đầy" khung hình. Trước khi đưa ảnh vào, trợ lý phải đọc ảnh để kiểm tra có thông tin nhạy cảm hay không.

Với những câu chỉ là quan điểm, không có gì để chụp, skill có tài liệu riêng gợi ý sáu kiểu minh hoạ thay thế, thay vì để trống hoặc nhét một thẻ chữ nhỏ cho có.

Phong cách có hệ thống, không chỉ là chồng hiệu ứng

Phần tài liệu của skill (viết bằng tiếng Trung) xây một hệ thống phong cách theo tầng:

• Design token: màu, font, khoảng cách dùng chung.
• Thư viện component: thẻ, chip, chữ to, nét vẽ tay, lấy từ bộ component chính thức của HyperFrames.
• Bảng quyết định: "câu này đang làm gì → khung hình xử lý ra sao".
• SHOTBOOK: bản thi công chi tiết cho từng cảnh.

Một nguyên tắc dễ nhớ trong đó: khi người nói đang nói với bạn thì cho thấy mặt; khi đang chỉ cho bạn xem thứ gì thì thu nhỏ người nói và nhường chỗ cho dẫn chứng.

Cần chuẩn bị gì để chạy thử?

Tác giả mới thử trên macOS. Các thành phần bắt buộc:

• Claude Code (hoặc trợ lý hỗ trợ skill)
• Antigravity CLI (agy)
• HyperFrames CLI
• ffmpeg
• Node.js 22+
• Python 3
• faster-whisper
• playwright-core

1. Chuẩn bị tư liệu
   Một thư mục chứa đoạn video dọc 20–30 giây nói trước camera, thêm 3–6 ảnh chụp những thứ được nhắc đến nếu có.
2. Kiểm tra môi trường
   Chạy zsh skill/seecut/scripts/preflight.sh cho đến khi mọi mục bắt buộc đều đạt.
3. Cài skill
   Chép thư mục skill/seecut vào ~/.claude/skills/.
4. Chạy
   Mở cuộc trò chuyện mới và gõ lệnh bên dưới. Kết quả gồm video ở ~/Downloads, gói dự án nhiều lớp và báo cáo bàn giao ghi lại thay đổi của từng phiên bản.

/seecut 素材：/duong-dan/toi/thu-muc-tu-lieu

(素材 nghĩa là "tư liệu".)

Ưu điểm và hạn chế

Giấy phép và nguồn tham khảo

SeeCut phát hành theo giấy phép PolyForm Noncommercial 1.0.0: được dùng, sửa và chia sẻ cho mục đích phi thương mại. Muốn dùng thương mại cần liên hệ tác giả qua email ghi trong README. Bộ dựng nháp JianYing (jianying-headless) là thành phần bên thứ ba, cũng theo giấy phép phi thương mại.

Tác giả ghi nhận dự án được xây trên nhiều dự án mở khác: HyperFrames (công cụ kết xuất và thư viện component), video-talkcraft (khung quy trình dựng), hypit (cách phân tích video viral), hyperframes-student-kit (design token) và rachel-digital-human-production (điểm khởi đầu cho quy trình người ảo).

Nếu bạn đang dùng Claude Code, có thể đọc thêm bài bài học từ vụ rò rỉ mã nguồn Claude Code. Còn nếu quan tâm đến tự động hoá quy trình bằng công cụ mở, xem hướng dẫn cài đặt n8n trên máy tính cá nhân.

Nguồn: github.com/YeJe-cpu/SeeCut (README và tài liệu skill, truy cập ngày 20/10/2026).