Tạo ảnh, video AI miễn phí trên máy tính: hướng dẫn đầy đủ về AI Local với ComfyUI

ComfyUI là gì, model ảnh và video nào nên dùng, quy trình làm việc, cấu hình máy tối thiểu và đề xuất, ưu nhược điểm khi tự chạy AI tạo hình ảnh, video ngay trên máy.

Các dịch vụ tạo ảnh, video AI online thường tính tiền theo credit: vài nghìn đồng một ảnh, vài chục nghìn đồng một đoạn video 5 giây. Làm kênh đều đặn mỗi ngày thì chi phí này cộng dồn rất nhanh. Cách khác là chạy AI ngay trên máy tính của bạn (AI Local): tải các model mã nguồn mở miễn phí về, dùng card đồ họa để tạo ảnh và video, không mất phí theo lượt và không bị giới hạn số lần.

Bài này gom đủ mọi thứ bạn cần biết: phần mềm nào, model nào, máy cần mạnh cỡ nào, quy trình làm việc ra sao và những điểm cần cân nhắc trước khi đầu tư.

1. AI Local là gì, khác gì AI online?

Với AI online (Midjourney, Kling, Veo, Runway…), bạn gõ yêu cầu, máy chủ của họ xử lý rồi trả kết quả, bạn trả tiền theo lượt hoặc theo gói. Với AI Local, mọi thứ chạy trên máy của bạn: model nằm trong ổ cứng, card đồ họa làm việc tính toán, ảnh và video lưu thẳng vào thư mục.

2. Phần mềm cần có: ComfyUI

ComfyUI là phần mềm miễn phí, mã nguồn mở, gần như là tiêu chuẩn để chạy AI tạo ảnh và video trên máy. Thay vì một ô gõ chữ, ComfyUI cho bạn ghép các khối (node) lại với nhau thành một workflow: khối nạp model, khối nhập prompt, khối tạo ảnh, khối lưu file… Nghe có vẻ phức tạp, nhưng chính cách này giúp bạn lưu lại cả quy trình và chạy lại hàng loạt chỉ bằng một nút bấm.

Cài ComfyUI

• Windows / Mac: tải bản ComfyUI Desktop trên trang chủ comfy.org, cài như phần mềm bình thường. Đây là cách dễ nhất cho người mới.
• Windows (bản portable): tải file nén ComfyUI portable trên GitHub, giải nén rồi chạy run_nvidia_gpu.bat.
• Linux / người rành kỹ thuật: cài bằng dòng lệnh.

git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install -r requirements.txt
python main.py        # mở http://127.0.0.1:8188

Nên cài thêm ComfyUI-Manager (bản Desktop đã có sẵn): nó tự phát hiện node còn thiếu khi bạn mở workflow của người khác và cài giúp bạn chỉ bằng một cú bấm.

Ngoài ComfyUI còn có SwarmUI (giao diện đơn giản, chạy ComfyUI ở phía sau) và Forge (giao diện kiểu ô nhập liệu quen thuộc). Nhưng model mới thường có mặt trên ComfyUI sớm nhất, nên bài này lấy ComfyUI làm chuẩn.

3. Model tạo ảnh nên dùng

Model là "bộ não" quyết định chất lượng ảnh. Tất cả các model dưới đây tải miễn phí trên Hugging Face, chép vào thư mục ComfyUI/models/ là dùng được.

Nên bắt đầu với gì? Máy 8 GB VRAM: SDXL hoặc FLUX.1 Schnell bản GGUF. Máy 12–16 GB: Z-Image Turbo cho ảnh thật và Qwen-Image khi cần chữ trên ảnh (thumbnail, poster). Máy 24 GB: dùng thoải mái mọi model.

4. Model tạo video nên dùng

Video nặng hơn ảnh rất nhiều, vì một đoạn 5 giây là hơn 100 khung hình. Đây là các model chạy được trên máy cá nhân hiện nay:

Wan 2.2 được dùng nhiều nhất vì cân bằng giữa chất lượng và độ nhẹ, giấy phép Apache 2.0 dùng thương mại được. LTX-2 nhanh nhất và tạo được cả tiếng, nhưng giấy phép chỉ miễn phí cho doanh nghiệp doanh thu dưới 10 triệu USD/năm. Card RTX 3090 chạy chậm hơn RTX 4090 khoảng 40–50%.

5. Quy trình làm việc thực tế

1. Viết kịch bản và prompt: dùng AI chat để chia kịch bản thành từng cảnh, mỗi cảnh một prompt mô tả hình ảnh.
2. Tạo ảnh từng cảnh: chạy 3–4 phiên bản mỗi cảnh, chọn ảnh đẹp nhất. Dùng cùng seed và LoRA nhân vật để nhân vật đồng nhất giữa các cảnh.
3. Cho ảnh chuyển động: đưa ảnh đã chọn vào workflow image-to-video của Wan 2.2 hoặc LTX-2, thêm một câu mô tả chuyển động (máy quay lia chậm, nhân vật quay đầu…).
4. Nâng chất lượng: upscale lên 1080p/4K và nội suy khung hình (RIFE, FILM) để video mượt 30–60 khung/giây.
5. Dựng hoàn chỉnh: ghép cảnh, lồng tiếng AI, thêm nhạc và phụ đề trong CapCut, Premiere hoặc Skill tự động.

Điểm mạnh nhất của AI Local là bước 2 đến 4 có thể gói trong một workflow, xếp hàng chục cảnh và để máy chạy qua đêm. Sáng ra bạn chỉ việc chọn và dựng.

Các thành phần nâng cao nên biết

• LoRA: file nhỏ (vài chục đến vài trăm MB) "dạy" model một phong cách, nhân vật hay sản phẩm cụ thể. Tải trên Hugging Face, Civitai hoặc tự huấn luyện.
• ControlNet: khống chế bố cục, tư thế, chiều sâu theo ảnh mẫu, rất hợp khi dàn dựng nội thất ảo cho BĐS.
• GGUF / fp8: các bản model "nén" giúp máy ít VRAM vẫn chạy được, đổi lại chất lượng giảm nhẹ.
• Upscaler: model phóng to ảnh, video mà vẫn nét (4x-UltraSharp, SeedVR2…).

6. Cấu hình máy: tối thiểu và đề xuất

Với AI Local, thứ quan trọng nhất là VRAM của card đồ họa (bộ nhớ trên card), sau đó mới tới RAM và tốc độ card. VRAM quyết định bạn chạy được model nào, còn sức mạnh card quyết định chạy nhanh hay chậm.

• Vì sao cần nhiều RAM? Khi VRAM không đủ, ComfyUI chuyển một phần model sang RAM (offload). RAM 64 GB giúp chạy model video lớn mà không bị tràn bộ nhớ.
• Ổ cứng: mỗi model nặng từ 5 đến 30 GB, video tạo ra cũng tốn chỗ. Nên dùng SSD NVMe để nạp model nhanh.
• Card cũ đáng mua: RTX 3090 24 GB đã qua sử dụng là lựa chọn "ngon – bổ – rẻ" vì có nhiều VRAM. Nhớ kiểm tra kỹ tình trạng card trước khi mua.
• Card AMD, Intel: chạy được nhưng cài đặt phức tạp hơn và nhiều model chưa tối ưu. Người mới nên chọn NVIDIA.
• Mac Apple Silicon: M3/M4 Pro hoặc Max từ 32 GB RAM tạo ảnh ổn, nhưng video chậm hơn card NVIDIA nhiều lần.
• Laptop: cùng tên card nhưng laptop thường yếu hơn và ít VRAM hơn bản máy bàn. Chọn laptop có RTX 4080/5080 trở lên nếu bắt buộc dùng laptop.

7. Ưu điểm và nhược điểm của AI Local

Tính nhanh: khi nào thì đáng?

Giả sử dịch vụ online tốn khoảng 1,5–3 triệu đồng/tháng cho nhu cầu làm kênh đều đặn, còn một bộ máy đề xuất (card 16 GB) tốn khoảng 30–40 triệu đồng. Sau khoảng 1–2 năm là hoàn vốn, chưa kể máy vẫn dùng cho dựng video, lồng tiếng AI Local và các việc khác. Nếu bạn chỉ làm vài video mỗi tháng, dịch vụ online vẫn hợp lý hơn.

8. Lưu ý về bản quyền và đạo đức

• Đọc giấy phép từng model trước khi dùng cho việc kiếm tiền. Một số model chỉ cho dùng phi thương mại hoặc giới hạn theo doanh thu.
• Không tạo ảnh, video giả mạo người thật, người nổi tiếng hay thương hiệu của người khác.
• Ghi rõ nội dung do AI tạo khi nền tảng yêu cầu (YouTube, TikTok, Facebook đều có tùy chọn này).
• Tải model từ nguồn chính thức (trang Hugging Face của nhóm phát triển, ComfyUI Manager), tránh file lạ có thể chứa mã độc. Ưu tiên định dạng .safetensors.

Video minh họa

Nguồn tham khảo: Hướng dẫn model ảnh ComfyUI 2026 (tutorial3d) · So sánh model video chạy local (InsiderLLM) · ComfyUI trên GitHub. Số liệu VRAM và tốc độ mang tính tham khảo, thay đổi theo phiên bản model, bản nén và cài đặt.

← Tất cả bài viết