Tạo quảng cáo Vox-style hoàn toàn tự động với Google Omni Flash

TL;DR

• Vox-style paper-collage explainer đang viral triệu views trên TikTok và Instagram - media buyers đã bắt đầu chạy paid ads với format này.
• Ori Silver tạo skill chạy trong MaxFusion AI MCP: chat với Claude ~30 giây, tự động tạo toàn bộ ad từ script đến clip hoàn chỉnh.
• Google Omni Flash là lựa chọn đúng cho format này - giữ text, giọng narrator và visual style nhất quán qua từng clip. Seedance kém ở đúng 2 điểm này.
• Giá $0.10/giây video output, bằng Veo 3.1 Fast. Mỗi clip 10 giây tốn $1.
• Fix narrator voice: ghép clip trong CapCut → upload lên MaxFusion AI → Replace Voice một lần duy nhất.

Vox-style là gì và tại sao nó đang làm mưa làm gió

Nếu bạn dùng TikTok hay Instagram gần đây, bạn đã thấy những video này. Kết cấu giấy xé, chữ cutout kiểu đồ thủ công, mũi tên và minh hoạ tay cắt - tất cả hoà quyện với giọng narrator giải thích sản phẩm hoặc ý tưởng một cách rõ ràng, từng bước một.

Đó là phong cách Vox paper-collage explainer. Format này đang kéo hàng triệu lượt xem, và điều quan trọng hơn: media buyers đã bắt đầu chạy chúng làm paid ads - và chúng đang hoạt động. Lý do đơn giản: video trông như nội dung biên tập, không phải quảng cáo, nên người dùng thực sự xem hết thay vì skip.

Cho đến gần đây, để tạo một video như vậy bạn cần thuê motion designer hoặc tự ngồi hàng ngày trong After Effects. Google Omni Flash đã thay đổi điều đó - model này tạo ra kết cấu giấy xé, typography cutout, minh hoạ hand-cut, và bakes narration thẳng vào video, nhanh đến mức đáng ngạc nhiên.

Tại sao chọn Omni Flash, không phải Seedance

Nhiều tool khác đang showcase phong cách Vox đều dùng Seedance làm model mặc định. Theo Ori Silver, đó là lựa chọn sai - cả về chi phí lẫn chất lượng.

Seedance đắt hơn mỗi lần generate, chậm hơn, và đặc biệt kém ở đúng 2 thứ format Vox cần nhất: chữ hiển thị trên màn hình và lời thoại narrator. Một Vox explainer được xây dựng xung quanh label trên màn hình và narration. Khi model garble cả hai, bạn phải regenerate - và regenerate nghĩa là đốt credits và thời gian vào những clip bỏ đi.

Omni Flash giữ text nhất quán, giữ speech, giữ style consistency qua các clip, và xong trong một phần nhỏ thời gian. Về giá, model được định ở mức $0.10 mỗi giây video output - bằng Veo 3.1 Fast. Một clip 10 giây tốn $1. Nếu cần regenerate thì cũng rẻ hơn và nhanh hơn nhiều so với Seedance.

Kiến trúc của Omni Flash giải thích tại sao: model được xây trên Gemini unified transformer, hoạt động như một "world model" hiểu vật lý, ánh sáng và scene continuity. Nó không chỉ overlay texture lên pixel - nó re-reason toàn bộ mối quan hệ vật lý trong scene. Đây là điều tạo ra sự nhất quán style qua nhiều clip mà các model khác thiếu.

Skill làm gì cho bạn

Skill của Ori Silver chạy trong MaxFusion AI MCP - nghĩa là bạn làm việc hoàn toàn qua Claude, không cần copy-paste prompt hay babysit từng bước.

Sau khi load skill, bạn chỉ cần trả lời một số câu hỏi ngắn:

• Bạn có ảnh sản phẩm không?
• Muốn mascot xuất hiện trên màn hình, hay faceless explainer?
• Vertical hay horizontal?

Đó là tất cả. Từ đây, skill xử lý toàn bộ:

1. Nếu bạn upload ảnh sản phẩm, ảnh đó được attach làm reference cho mọi clip - sản phẩm của bạn trông giống hệt nhau xuyên suốt toàn bộ ad.
2. Nếu bạn chọn mascot mode, bạn upload ảnh nhân vật, skill convert nó thành phiên bản paper-cutout và để nhân vật đó trình bày ad trực tiếp vào camera.
3. Nếu bạn chọn faceless, bạn nhận được classic Vox explainer: không talking head, chỉ minh hoạ, label và mũi tên đưa thông điệp đến người xem.

Tiếp theo, skill viết voiceover script và toàn bộ visual direction, show cho bạn một lần để approve, rồi tự generate từng clip trong MaxFusion AI. Mỗi clip 10 giây được chain vào clip tiếp theo thông qua last frame, tạo ra một ad liên tục, mạch lạc. Bạn không cần làm gì - Claude làm tất cả.

Nếu bạn không dùng MaxFusion AI, Ori Silver cũng đang ra phiên bản thứ hai: skip automation và đưa cho bạn toàn bộ prompt để copy-paste vào tool của mình. Cùng hệ thống sáng tạo, giao hàng thủ công.

Fix narrator voice - quirk bạn sẽ gặp

Omni Flash có một quirk nhỏ đáng biết: model generate narration bên trong video, nhưng không đảm bảo cùng một giọng xuyên suốt các clip. Skill đã lock gender rồi - bạn sẽ không bao giờ nhận được narrator nữ ở clip 1 và narrator nam ở clip 2. Nhưng bạn vẫn có thể kết thúc với 3 clip, tất cả đều giọng nam, nhưng mỗi clip nghe như một người khác nhau.

Fix rất đơn giản:

1. Ghép tất cả clip lại trong CapCut.
2. Export video đầy đủ.
3. Upload lên MaxFusion AI.
4. Mở contextual menu, chọn Replace Voice.
5. Chọn giọng từ thư viện, hoặc từ voice clones của bạn.

Một narrator nhất quán xuyên suốt toàn bộ ad, trong một pass duy nhất.

Ai nên dùng ngay

Format này không chỉ là content organic. Nó chuyển đổi tốt như paid creative. Các nhóm đang chạy hiệu quả nhất:

• App marketers - giải thích app làm gì trong 30 giây mà người xem thực sự xem hết.
• Supplement và health brands - walk-through cơ chế tác dụng mà không cần talking head.
• E-commerce brands - biến product shot tĩnh thành ad đa shot có context và narrative.

Quy tắc đơn giản: bất kỳ sản phẩm nào cần một moment "đây là cách nó hoạt động" đều phù hợp với format này. Editorial look mua cho bạn watch time mà một standard UGC ad không có được. Và vì clip được generate, không phải quay thật, bạn có thể tạo nhiều biến thể A/B chỉ bằng cách thay đổi câu hỏi đầu vào - không cần booking lại buổi quay.

Kết

Vox-style paper-collage explainer là format đang thắng trên paid social ngay lúc này. Google Omni Flash đã làm cho việc generate chúng trở nên khả thi về mặt kỹ thuật và kinh tế. Skill của Ori Silver trên MaxFusion AI MCP đã làm cho việc tạo chúng trở nên hoàn toàn tự động.

Bạn không cần viết một prompt nào. Bạn chỉ cần chat 30 giây và come back khi ad đã sẵn sàng.

Skill có trên MaxFusion AI, và Ori Silver cũng drop các skill và workflow như thế này trong kênh Telegram miễn phí của ông trước khi chúng lên X. via Ori Silver trên X