Tạo video AI chạy local: VRAM, giấy phép và luật Việt Nam

Theo tài liệu hướng dẫn chính thức từ nhóm phát triển Wan-AI trên Hugging Face, mô hình Wan2.2-T2V-A14B khi chạy trên một GPU đơn lẻ đòi hỏi ít nhất 80GB VRAM, trong khi phiên bản rút gọn Wan2.2-TI2V-5B có thể vận hành trên card 24GB. Đối với các studio sáng tạo nội dung và đơn vị sản xuất phim, việc đầu tư hạ tầng tạo video AI chạy local không đơn thuần là bài toán cấu hình phần cứng. Bạn bắt buộc phải làm rõ ba yếu tố then chốt trước khi xuống tiền dựng máy: ngưỡng dung lượng VRAM thực tế, điều khoản giấy phép sử dụng thương mại và nghĩa vụ gắn nhãn sản phẩm theo luật pháp Việt Nam.

Bài phân tích này từ Sicomp sẽ đặt ra hai góc nhìn: Người dựng video cần biết máy tính có gánh nổi mô hình không, trong khi người duyệt chi và pháp chế cần xác định mô hình có được phép thương mại hóa hay video xuất xưởng có bị ràng buộc pháp lý gắn nhãn hay không. Toàn bộ số liệu được trích xuất trực tiếp từ tài liệu công bố của các hãng (Wan2.2, LTX-2.5) và văn bản quy phạm pháp luật tại thời điểm ngày 17/10/2026.

I. Chạy mô hình tạo video tại chỗ cần bao nhiêu VRAM?

Theo khuyến cáo từ chính các nhà phát triển, mức dung lượng bộ nhớ đồ họa yêu cầu dao động trong dải từ 24GB đến 80GB trở lên tùy thuộc vào quy mô từng mô hình. Lệnh mẫu của Wan2.2-TI2V-5B tạo video chuẩn 720p độ phân giải 1280×704, 24 fps được hãng xác nhận chạy được trên các GPU có tối thiểu 24GB VRAM, điển hình như GeForce RTX 4090. Trong khi đó, với mô hình Wan2.2-T2V-A14B, tài liệu hãng ghi rõ một GPU cần ít nhất 80GB VRAM và hệ thống phải kích hoạt các tùy chọn offload nếu phát sinh lỗi Out-of-Memory.

Cần lưu ý rằng mức 80GB gấp hơn 3,3 lần so với mốc 24GB (80 / 24 ≈ 3,3). Do đó, nguyên tắc quan trọng khi dựng máy trạm là: Hãy chọn mô hình trước, chọn card đồ họa sau.

II. Các hãng mô tả quy trình nào cho studio?

Cả Wan2.2 và LTX-2.5 đều định hướng quy trình làm việc chuyên sâu cho công đoạn dựng phim chuyên nghiệp thay vì chỉ dừng lại ở tính năng gõ văn bản sinh video đơn thuần:

• Hệ sinh thái Wan2.2: Kho mã nguồn liệt kê phiên bản biến đổi từ ảnh sang video, bản chuyển đổi giọng nói thành cử động video (S2V-14B) và bản thay thế nhân vật chuyển động (Animate-14B), đồng thời tích hợp sẵn vào các framework ComfyUI và Diffusers.

• Hệ sinh thái LTX-2.5: Bộ node ComfyUI-LTXVideo từ Lightricks tích hợp LoRA lồng tiếng Dub-It, LoRA nâng cấp dải tương phản động HDR xuất chuỗi ảnh định dạng EXR phục vụ chỉnh màu chuyên nghiệp, cùng quy trình preview ở độ phân giải thấp khoảng 280p trước khi upscale.

Các tính năng trên hiện do chính hãng công bố và chưa có các báo cáo đo kiểm độc lập về việc áp dụng ở quy mô sản xuất công nghiệp hàng loạt.

III. Studio dùng thương mại mô hình mở được không?

Về khía cạnh bản quyền phần mềm, hai nhà phát triển áp dụng chính sách cấp phép hoàn toàn trái ngược:

• Mô hình Wan2.2: Phát hành theo giấy phép Apache License 2.0 hoàn toàn cởi mở cho mục đích nghiên cứu lẫn triển khai thương mại hóa.
• Mô hình LTX-2.x: Căn cứ bản giấy phép LTX-2 Open Weights License 0.X, các tổ chức có mức doanh thu hàng năm từ 10.000.000 USD trở lên bắt buộc phải mua giấy phép thương mại trả phí từ Lightricks.

Điểm pháp lý đặc biệt quan trọng: Ngưỡng 10 triệu USD này được tính gộp cho cả công ty mẹ, công ty con, công ty liên kết và các đơn vị chịu sự kiểm soát chung. Do đó, một studio quy mô nhỏ nhưng trực thuộc một tập đoàn truyền thông lớn vẫn có thể vượt ngưỡng quy định. Nếu vi phạm, hành vi này bị coi là vi phạm nghiêm trọng và bên sử dụng phải thanh toán toàn bộ phí bản quyền kèm khoản bồi thường thiệt hại bằng hai lần số tiền bản quyền tương ứng.

Bên cạnh đó, việc chuyển giao các phiên bản tinh chỉnh (fine-tuned models) có thể yêu cầu giấy phép trả phí riêng. Chúng tôi khuyến nghị bộ phận pháp chế của studio cần rà soát kỹ tệp LICENSE hiện hành trước khi đặt bút ký hợp đồng dịch vụ với đối tác.

IV. Luật Việt Nam yêu cầu gì khi đăng video do AI tạo?

Kể từ ngày 01/03/2026, Luật Trí tuệ nhân tạo số 134/2025/QH15 chính thức có hiệu lực thi hành theo cơ sở dữ liệu văn bản từ Thư Viện Pháp Luật, đặt ra nghĩa vụ bắt buộc về việc thông báo hoặc gắn nhãn nhận diện đối với các nội dung video tạo bởi AI:

• Điều 11 Khoản 3: Buộc bên triển khai phải thông báo rõ ràng cho công chúng khi phát hành các nội dung video được tạo hoặc chỉnh sửa bằng AI có khả năng gây nhầm lẫn về tính xác thực của nhân vật, sự kiện.
• Điều 11 Khoản 4: Bắt buộc phải gắn nhãn hiển thị dễ nhận biết đối với các video mô phỏng chân dung, ngoại hình, giọng nói của người thật hoặc tái hiện các sự kiện thực tế đời sống. Đối với tác phẩm nghệ thuật, điện ảnh và sáng tạo, luật cho phép hình thức gắn nhãn linh hoạt để không làm gián đoạn trải nghiệm thưởng thức.
• Điều 11 Khoản 2: Quy định trách nhiệm của nhà cung cấp trong việc gắn siêu dữ liệu chìm ở định dạng máy đọc được (machine-readable) theo hướng dẫn của cơ quan quản lý.

V. Viết lệnh bằng tiếng Việt cho các mô hình này được không?

Tính đến thời điểm hiện tại, chưa có tài liệu công bố chính thức nào xác nhận khả năng hiểu sâu câu lệnh (prompt) bằng tiếng Việt của Wan2.2 hay LTX-2.5. Trang lưu trữ của LTX-2 trên Hugging Face thiết lập ngôn ngữ mặc định là tiếng Anh. Trong khi đó, các câu lệnh mẫu của Wan2.2 được viết bằng tiếng Anh và cơ chế mở rộng câu lệnh nội bộ chuyển hướng đích về tiếng Trung.

Tài liệu của LTX-2 khuyến nghị người dùng xây dựng câu lệnh dưới dạng một đoạn văn liền mạch theo trình tự diễn biến hành động và khống chế dung lượng tối đa 200 từ. Mặc dù tính năng lồng tiếng trong ComfyUI-LTXVideo hỗ trợ đa ngôn ngữ, danh sách chi tiết các thứ tiếng vẫn chưa được công bố.

VI. Studio nhỏ nên chọn GPU theo mức VRAM nào?

Dựa trên phân tầng tài nguyên phần cứng, Sicomp đề xuất studio phân bổ theo ba ngưỡng VRAM thực tế:

• Ngưỡng 24GB VRAM: Lựa chọn phù hợp để chạy thử nghiệm Wan2.2-TI2V-5B ở quy mô nhỏ. Card 24GB vẫn có thể chạy được LTX-2 nếu cấu hình tối thiểu 64GB RAM hệ thống kết hợp kỹ thuật nén fp8-cast và offload ra ổ cứng, nhưng thời gian chờ đợi giữa các lần đổi tham số sẽ kéo dài đáng kể.
• Ngưỡng 32GB VRAM trở lên: Đạt tiêu chuẩn tối thiểu để vận hành ổn định mô hình LTX-2.5 theo tài liệu của nhà sản xuất.
• Ngưỡng 80GB VRAM trở lên: Cấu hình bắt buộc nếu muốn vận hành mô hình lớn Wan2.2-T2V-A14B trên một card đồ họa độc lập. Trong phân khúc này, mẫu card máy trạm Leadtek NVIDIA RTX PRO 6000 Blackwell sở hữu 96GB GDDR7 ECC là lựa chọn lý tưởng, vượt ngưỡng tối thiểu 16GB. Mẫu card này có hai phiên bản: Max-Q Workstation Edition tiêu thụ 300W và Workstation Edition tiêu thụ 600W.

VII. Mô hình đổi nhanh thì nên chuẩn bị hạ tầng thế nào?

Tốc độ cập nhật của các mô hình video AI diễn ra với chu kỳ tính bằng tháng. Điển hình như dự án LTX-2 liên tục nâng cấp từ bản gốc lên LTX-2.3 và LTX-2.5. Trọng số của các thế hệ này hoàn toàn không thể dùng chéo lẫn nhau và các LoRA chỉ hoạt động với đúng phiên bản nền tảng tạo ra chúng.

Về mặt không gian lưu trữ, mỗi bộ cài LTX-2.5 tải về chiếm khoảng 66 GiB và bộ node ComfyUI-LTXVideo yêu cầu trên 100GB dung lượng đĩa trống. Nếu một studio cùng lúc duy trì ba môi trường làm việc độc lập (một bản Wan và hai bản LTX), dung lượng ổ cứng tối thiểu cần dự phòng là 300GB trống.

Để tối ưu hóa chi phí cho toàn bộ hệ thống máy tính cục bộ của studio, bạn có thể tham khảo thêm PC AI hiệu năng cao hoặc các giải pháp Server & Workstation của Sicomp.