App video của mình chạy local trên máy nhà, GPU RTX 5060 Ti 16GB. Nó làm video theo 2 cách duy nhất mình chấp nhận: tìm B-roll thật rồi cắt, hoặc dựng bằng HTML local. Không sinh video bằng AI, không thuê server ngoài.

Vì sao chỉ tìm B-roll thật

Vì video sinh ra nhìn thì mượt nhưng sai chi tiết — tay thừa ngón, chữ nhòe, cảnh không khớp lời. B-roll thật thì ngược lại: tìm đúng cảnh Huế, cắt đúng đoạn, lồng tiếng Việt bằng VieNeu-TTS, thành phẩm xem được ngay. App còn kiểm tra nội dung B-roll bằng SigLIP: cảnh nào không khớp nội dung thì loại, không còn cảnh nào thì báo rõ chứ không nhét cảnh sai vào cho đủ.

Quy tắc mình giữ

App không tự xóa file hay dọn đĩa — chỉ xóa khi mình bấm xác nhận từng lần. Sau mỗi version đều có danh sách test rõ ràng để mình kiểm trên máy thật: giọng, NVENC, CapCut, YouTube.