2026-08-13

Một trình tạo ảnh AI cơ bản thất bại với truyện tranh nhiều trang vì một trang truyện không phải là chồng ảnh minh họa — đó là một hệ thống phối hợp gồm bốn lớp riêng biệt, trong khi các trình tạo đa dụng chỉ xử lý được một lớp trong số đó. Những công cụ như Adobe Firefly, Midjourney và DALL·E tạo ra các minh họa đơn lẻ xuất sắc, nhưng mỗi lần tạo đều bắt đầu lại từ đầu, không có ký ức về lần trước, không có mô hình xem cả trang là một đơn vị, và không hiểu luồng đọc. Các công cụ chuyên biệt cho truyện tranh — Jenova's Comic Creator, Dashtoon, ComicsMaker, Anifusion và Adobe Firefly Boards — thu hẹp được một số khoảng trống này nhưng không thể giải quyết toàn bộ.
Bốn lớp nơi quá trình từ kịch bản đến trang truyện bị đứt gãy:
✅ Trôi dạt nhận diện nhân vật — các mô hình khuếch tán tái tạo nhân vật từ lời nhắc ở mỗi lần tạo, khiến gương mặt và trang phục biến đổi chỉ trong 3–10 ảnh ✅ Bố cục cấp trang — trình tạo xuất ra các hình chữ nhật, không phải lưới khung truyện có khoảng cách khung, phần tràn lề và đường dẫn đọc ✅ Phân tích kịch bản — các nhịp diễn biến, chỉ dẫn máy quay và lời thoại trong kịch bản phải được chuyển thành số lượng khung và loại góc cảnh; đây là quyết định biên tập chứ không phải tác vụ tạo ảnh ✅ Chữ thoại và chuẩn bị in — bóng thoại, vị trí đuôi bóng thoại và lề an toàn cho CMYK nằm hoàn toàn ngoài phạm vi tạo ảnh
Hiểu được lớp nào đang thất bại trong quy trình làm việc sẽ tạo nên khác biệt giữa một vấn đề có thể khắc phục và một vòng lặp tạo lại vô tận.
Các mô hình khuếch tán tạo từng ảnh từ đầu mà không ghi nhớ kết quả trước đó; do đó, nếu thiếu một điểm neo hình ảnh bền vững, mô hình chỉ tái dựng nhân vật dựa vào văn bản lời nhắc — và những mơ hồ nhỏ trong câu chữ sẽ lan truyền thành sai lệch về gương mặt lẫn trang phục. Thử nghiệm được ghi nhận trong hướng dẫn về tính nhất quán nhân vật của TaleAtelier cho thấy sai lệch bắt đầu lộ rõ chỉ trong 3 đến 10 lần tạo khi dùng phương pháp chỉ dựa vào lời nhắc.
Đây là lỗi được nhắc đến nhiều nhất trong các báo cáo của người thực hành. Một nhà sáng tạo trên
và tóm tắt thẳng thắn tình trạng công cụ trước đây: “Nhân vật thay đổi, môi trường trôi lệch và mọi trang đều cần chỉnh sửa thủ công.” Một chủ đề trên báo cáo cùng kiểu vấn đề với Midjourney và DALL·E — “không thể có cùng một, hoặc thậm chí những nhân vật tương tự, xuyên suốt tác phẩm.”Năm kỹ thuật đã được ghi nhận, xếp theo đánh đổi giữa độ nhất quán và công sức thiết lập:
| Kỹ thuật | Độ nhất quán | Thời gian thiết lập | Chi phí |
|---|---|---|---|
| Lời nhắc chủ đạo (chỉ văn bản) | Thấp (~65%) | 0 phút | $0 |
| Bảng nhân vật làm ảnh đầu vào | Trung bình | ~30 phút | $0–$15/tháng |
Tham chiếu gốc của mô hình (Nano Banana, Midjourney --cref) | Trung bình-cao | ~5 phút | Gói miễn phí–trả phí |
| Theo dõi theo phạm vi dự án (công cụ chuyên biệt cho truyện tranh) | Cao | ~2 phút | ~$10–$20/tháng |
| Huấn luyện LoRA tùy chỉnh | Rất cao | 2–4 giờ | $5–$50 mỗi lần chạy |
Mức trần thực tế là điều quan trọng: thử nghiệm của TaleAtelier đánh giá tính nhất quán nhân vật AI ở mức khoảng 80% tương đồng hình ảnh giữa các khung — không phải 100%. Truyện tranh nhiều trang khuếch đại vấn đề này, vì độc giả lật giữa trang 4 và trang 40 sẽ nhận ra điều mà người chỉ xem một ảnh đơn lẻ không bao giờ thấy.
Cách khắc phục thực tế — hãy xây dựng bảng tham chiếu nhân vật trước khi tạo dù chỉ một khung truyện:
--cref [url] --cw 50. Trọng số 100 khóa gương mặt, trang phục và tư thế, quá cứng nhắc cho đa dạng cảnh; trọng số 50 chỉ khóa nhận diện gương mặt và tóc, là mặc định được khuyến nghị cho tác phẩm tuần tự.Một trang truyện tranh là bề mặt đọc được thiết kế với đường dẫn mắt được kiểm soát, không phải chiếc hộp chứa các hình minh họa. Họa sĩ truyện tranh Bill Koeb mô tả quy trình làm việc trong Visual Arts Passage là bắt đầu bằng bản phác bố cục nhỏ — “những hình vẽ nhỏ, thực hiện nhanh với rất ít nét để khám phá vị trí gương mặt, mức độ hiển thị, góc máy sẽ dùng, cách chiếu sáng và cấu trúc sắc độ tổng thể của hình ảnh.”
Không quyết định nào trong số đó là quyết định tạo ảnh. Chúng là quyết định về kiến trúc trang được đưa ra trước khi bất kỳ tranh hoàn thiện nào tồn tại. Một trình tạo cơ bản không có giai đoạn phác bố cục, nên nó nhảy thẳng sang kết xuất mà không có kế hoạch về cách các khung truyện hòa hợp với nhau.
Các biến số cấp trang mà trình tạo không thể nhìn thấy:
Nhà sáng tạo độc lập Daniel Wieser đưa ra lập luận về cấu trúc trong một bài luận trên Medium: “AI tạo ra những nút thắt mới thay vì loại bỏ mọi nút thắt. AI thường chuyển khó khăn sang nơi khác.” Ông đặc biệt lưu ý rằng vùng tràn lề in và vị trí đặt khung ảnh hưởng đến đầu ra theo những cách mà việc tạo ảnh không hề chạm tới.
Bước chuyển đổi bị hỏng vì kịch bản và bản phân cảnh là hai tài liệu khác nhau, trong khi trình tạo chỉ nhận được kịch bản. Một kịch bản văn xuôi hoặc theo định dạng biên kịch mô tả điều gì xảy ra; bản phân cảnh quyết định mỗi nhịp diễn biến có bao nhiêu khung và loại góc cảnh nào sẽ thể hiện nó. Bỏ qua tài liệu trung gian này là lý do rất nhiều nỗ lực biến kịch bản thành truyện tranh tạo ra các khung diễn tả câu chữ một cách máy móc nhưng lại bỏ lỡ cách kể chuyện.
Koeb liệt kê vốn từ về loại góc cảnh mà bản phân cảnh cần vận dụng:
Một trình tạo cơ bản nhận câu “cô ấy nhận ra anh ta đã nói dối” sẽ vẽ một người phụ nữ trông ngạc nhiên. Nó sẽ không quyết định liệu nhịp đó nên là chuỗi leo thang im lặng gồm ba khung, một cận cảnh chặt vào đôi tay cô ấy, hay một cảnh rộng cô lập cô ấy trong khuôn hình.
Nghiên cứu học thuật xác nhận đây là khoảng trống cấu trúc, không phải khoảng trống về lời nhắc. Một nghiên cứu về tạo truyện tranh cộng tác được công bố trên arXiv của các nhà nghiên cứu tại Đại học Bang North Carolina lưu ý rằng các thành ngữ tự sự “hiếm khi được tích hợp vào hoạt động tạo truyện tranh dựa trên AI”, và trong đa số hệ thống tạo sinh, “tác giả có rất ít tính linh hoạt trong quá trình sáng tạo.” Nguyên mẫu của họ phải mã hóa rõ ràng Ngữ pháp Tự sự Hình ảnh của Neil Cohn — cấu trúc Thiết lập / Khởi đầu / Kéo dài / Cao trào / Giải tỏa — thành một lớp hệ thống riêng, vì mô hình ảnh không thể tiếp cận nó.
Cũng bài báo này ghi nhận một hạn chế thẳng thắn của chính cách tiếp cận đó: việc tách các lớp hình ảnh để dễ chỉnh sửa “làm giảm sự tương tác giữa cảnh và nhân vật, hạn chế tranh minh họa gắn kết cùng các hành động phong phú.” Mọi kiến trúc trong lĩnh vực này đều phải đánh đổi một thứ gì đó.

So sánh theo sáu khía cạnh thực sự quyết định liệu một kịch bản có trở thành truyện tranh nhiều trang có thể sử dụng được hay không — phân tích kịch bản, nhất quán nhân vật, kiểm soát bố cục trang, chữ thoại, liên tục nhiều trang và xuất tệp.
| Khía cạnh | Adobe Firefly | Midjourney | Dashtoon | ComicsMaker | Jenova Comic Creator |
|---|---|---|---|---|---|
| Kịch bản → phân rã khung truyện | Thủ công — một lời nhắc mỗi khung | Thủ công — một lời nhắc mỗi khung | Quy trình hướng khung truyện | Quy trình hướng khung truyện | Phân rã hội thoại từ toàn bộ kịch bản |
| Nhất quán nhân vật | Tham chiếu ảnh-sang-ảnh; tải lên phác thảo hoặc khung trước | --cref + điều chỉnh trọng số --cw | Nhất quán nhân vật ở gói miễn phí | Thiết kế nhân vật tái sử dụng xuyên các khung | Theo dõi nhân vật bền vững xuyên các phiên |
| Kiểm soát bố cục trang | Firefly Boards để sắp xếp khung thành dải | Không có — chỉ xuất ảnh đơn lẻ | Mẫu khung tích hợp | Quy trình khung tích hợp | Lập kế hoạch bố cục trong hội thoại |
| Chữ thoại / bóng thoại | Thêm lời thoại và chú thích trong Boards | Không hỗ trợ | Có hỗ trợ | Có hỗ trợ | Hướng dẫn và bố cục; không có trình kết xuất bóng thoại gốc |
| Liên tục nhiều trang | Cấp Board; không có bộ nhớ xuyên phiên | Không có | Hướng tới xuất bản | Hướng tới khung và trang | Lịch sử không giới hạn — phong cách và dàn nhân vật được duy trì xuyên phiên |
| Xuất tệp | JPEG/PNG tối đa 2000×2000; MP4 1080p | Xuất ảnh tiêu chuẩn | Bị khóa vào xuất bản Dashtoon Reader ở gói miễn phí | Xuất tiêu chuẩn | Xuất ảnh tiêu chuẩn |
| Giá | Có gói miễn phí | Thuê bao | Gói miễn phí: 100 ảnh/ngày | Thuê bao | Gói miễn phí; Plus $20/tháng với mức sử dụng gấp 30× |
| Phù hợp nhất | Dải truyện đơn, khám phá phong cách, dữ liệu huấn luyện an toàn về thương mại | Chất lượng nghệ thuật cao nhất mỗi khung; quy trình do họa sĩ dẫn dắt | Xuất bản định dạng webtoon | Tác phẩm nhiều khung xoay quanh nhân vật | Lập kế hoạch từ kịch bản đến trang với bộ nhớ truyện bền vững |
Các hạn chế thực tế trên mọi phương diện:
Một nhà sáng tạo đăng trên
đang thực hiện “một vài web comic ngắn và một dự án dài hơn đang làm chậm rãi” cho biết đã chọn dùng ba công cụ thay vì một — đây là mô hình thực tế đối với bất kỳ ai làm việc vượt quá một dải truyện đơn.Quy trình hiệu quả chèn thêm hai tài liệu giữa kịch bản và trình tạo: tham chiếu nhân vật đã khóa và bản phân cảnh theo từng trang. Bỏ qua một trong hai chính là nguyên nhân tạo ra vòng lặp tạo lại vô tận.
Bước 1 — Khóa dàn nhân vật trước khi tạo bất kỳ khung nào. Xây dựng một bảng tham chiếu cho mỗi nhân vật. Tạo nhân vật đó trong năm cảnh không liên quan. Nếu gương mặt giữ ổn định, hãy tiếp tục; nếu không, tinh chỉnh bảng hoặc chuyển sang cấp kỹ thuật cao hơn.
Bước 2 — Viết bản phân cảnh thành tài liệu riêng. Với mỗi trang kịch bản, xác định số khung, loại góc cảnh cho từng khung và nhân vật nào làm chủ thể trong khuôn hình. Đây là lúc bạn quyết định một đoạn trao đổi ba câu cần bốn khung thay vì một.
Bước 3 — Tạo từng khung, không phải từng trang. Các trình tạo cơ bản không thể bố cục cả trang. Hãy tạo các khung riêng lẻ với tỷ lệ khung hình nhất quán, phù hợp bản phân cảnh của bạn.
Bước 4 — Ghép trong công cụ làm trang. Clip Studio Paint, Affinity Publisher hoặc Firefly Boards. Đây là nơi khoảng cách khung, phần tràn lề và thứ tự đọc được áp đặt.
Bước 5 — Thêm chữ thoại sau cùng. Các bóng thoại đặt trước khi bố cục được khóa sẽ cần di chuyển.
Dùng tác nhân nhận biết kịch bản cho bước 2–3. Với Jenova's Comic Creator, quá trình phân rã diễn ra qua hội thoại thay vì một tài liệu thủ công riêng. Dán kịch bản và mô tả định dạng mục tiêu:
“Đây là kịch bản 12 trang của tôi. Hãy chia thành bản phân cảnh theo từng trang — số khung và loại góc cảnh cho mỗi nhịp diễn biến — dành cho truyện tranh in định dạng phương Tây, khổ xén 6×9. Đánh dấu mọi trang có quá nhiều lời thoại so với số khung.”
Sau đó khóa nhận diện hình ảnh trước khi tạo:
“Khóa ba nhân vật này và phong cách nghệ thuật này cho toàn bộ dự án. Hãy tham chiếu họ bằng tên trong mọi yêu cầu khung truyện sau này — tôi không muốn phải mô tả lại mỗi lần.”
Bộ nhớ bền vững chính là yếu tố thay đổi bài toán kinh tế ở đây: ở trang 40, bạn có thể nói “cùng phong cách, cùng dàn nhân vật, trang 40 khung 2” thay vì tái dựng một lời nhắc 200 từ. Nếu bạn đang sản xuất nội dung cuộn dọc, Webtoon Creator áp dụng cùng logic phân rã cho nhịp cuộn và điểm móc cuối tập, còn Manga Creator xử lý luồng đọc từ phải sang trái và các quy ước lưới điểm.
Đối với quy trình lấy Midjourney làm trung tâm, bước 2 tương đương diễn ra trong một công cụ văn bản, sau đó các khung được tạo với --cref [sheet_url] --cw 50 thêm vào mọi lời nhắc, trong đó URL của bảng được giữ cố định xuyên suốt cả cuốn truyện.
Đồng thuận giữa những người thực hành là AI đã nén nút thắt về minh họa mà không chạm đến các nút thắt về biên tập và thiết kế trang — nghĩa là khó khăn được chuyển chỗ chứ không biến mất.
“Sai lầm mà hầu như ai cũng mắc phải là xem kịch bản như một lời nhắc. Kịch bản là tập hợp chỉ dẫn dành cho một cộng tác viên con người, người vốn đã hiểu trang truyện là gì. Khi đưa nó cho một mô hình ảnh, bạn đã loại bỏ người âm thầm thực hiện phân rã, chọn góc cảnh, đặt điểm lật trang và thiết kế đường dẫn mắt. Mô hình không biết rằng nó phải làm công việc đó, nên nó kết xuất câu chữ và trả lại cho bạn một thư mục ảnh.”
“Điều chúng tôi liên tục thấy trong sản xuất là công việc đảm bảo nhất quán được dồn lên đầu quy trình. Những nhóm dành một buổi chiều để xây dựng bảng tham chiếu nhân vật và bản phân cảnh trước khi tạo bất cứ thứ gì hoàn thành một cuốn truyện 20 trang nhanh hơn những nhóm bắt đầu tạo ở trang một rồi cố sửa sai lệch về sau. Vòng lặp tạo lại là nơi dự án chết — không phải lần tạo ban đầu. Và con số thực tế cần lập kế hoạch là độ tương đồng nhân vật khoảng 80%, không phải 100%. Hãy dự trù một lượt xử lý hoàn thiện.”
“Còn một điều cần nói thẳng: không công cụ AI hiện tại nào xử lý chuẩn bị in. Tràn lề, khổ xén, chuyển đổi CMYK và đặt bóng thoại ở độ phân giải cuối vẫn là công việc xuất bản trên máy tính. Bất kỳ ai hứa hẹn từ kịch bản đến PDF sẵn sàng in đều đang quảng cáo quá đà. Từ kịch bản đến trang đã ghép là khả thi hiện nay. Chặng cuối cùng thì chưa.”
— Đội ngũ Sản phẩm Jenova, 9 năm xây dựng công cụ quy trình sáng tạo AI
Tính nhất quán nhân vật đang cải thiện nhanh ở cấp mô hình, nhưng tính liên tục nhiều trang — giữ một dàn nhân vật ổn định qua hơn 40 trang được tạo trong nhiều tuần — vẫn chưa được giải quyết đáng kể bởi các trình tạo đa dụng. Khoảng cách giữa tính nhất quán của một khung và tính nhất quán ở quy mô cả cuốn truyện là nơi phần lớn dự án vẫn đổ vỡ.
Những gì thực sự đã cải thiện tính đến năm 2026:
Những gì vẫn chưa được giải quyết:
Xu hướng cho thấy việc tạo ở cấp khung gần được giải quyết, còn bố cục cấp trang mới là biên giới thực sự tiếp theo. Hiện tại, câu trả lời thực tế mang tính kiến trúc: dùng trình tạo đa dụng cho chất lượng nghệ thuật, công cụ chuyên biệt cho tính liên tục của dàn nhân vật và bản phân cảnh, cùng một ứng dụng bố cục trang cho chính trang truyện. Khó khăn chưa bao giờ là AI không biết vẽ — mà là một trang truyện tranh là ba bài toán riêng biệt khoác chung một chiếc áo măng tô.