FLOW KIT: pipeline open-source biến Claude Code thành studio làm video YouTube bằng AI

Tự dựng một video AI hoàn chỉnh để upload YouTube thủ công thường mất nguyên một ngày làm việc. Bạn phải nghĩ story, viết brief, generate ref cho nhân vật, generate lại vì mắt bị lệch, render từng scene image, queue Veo cho từng clip, ghép trên Premiere hoặc CapCut, lồng narration, thiết kế thumbnail, rồi upload. Khi file final ra lò thì brief sáng tạo đã nguội từ lâu.

FLOW KIT rút toàn bộ chuỗi đó về một phiên terminal duy nhất. Đây là pipeline open-source, MIT license, đóng gói lại Google Flow và Claude Code thành một engine "story-to-upload" chạy 100% trên máy bạn — không có hoá đơn API nào phát sinh ngoài hai subscription bạn đã trả. Output thì ngày trước cần một studio nhỏ mới làm nổi.

Pipeline thực sự xuất ra cái gì

FLOW KIT không phải một wrapper mỏng quanh Veo. Mỗi project đi qua một chuỗi production đầy đủ: story → entities → reference images → scene images → 8s video clips → narration TTS → concat → thumbnails → YouTube upload. Mỗi tầng đều có API endpoint riêng và slash command tương ứng, nên bạn có thể đi end-to-end hoặc gắn vào ở bất kỳ tầng nào.

Một lần chạy để lại artifacts khá giống production thật:

• Reference images — một ảnh per character / location / prop, làm anchor visual cho mọi scene downstream.
• Scene images — compose từ các ref liên quan, nên một nhân vật giữ nguyên gương mặt dù đứng trong phòng mổ, ngồi phỏng vấn hay đi bộ trên phố Seoul.
• 8s video clips — generate từ scene image, có camera motion, sound effects và timing thoại.
• 4K upscale (tuỳ chọn) cho tài khoản Ultra.
• Narration TTS voice-cloned per scene qua OmniVoice — trim và concat thẳng vào final cut.
• Thumbnail YouTube có text overlay, kèm SEO title / description / tags chuẩn YouTube.

Sáu thumbnail ở trên không phải sample stock. Đó là output thật từ sáu project FLOW KIT khác nhau — địa chính trị, hải chiến, chiến dịch chống ma tuý, câu chuyện đào tẩu. Cùng một engine, sáu kênh, zero edit Photoshop.

Reference system — vì sao nhân vật giữ được consistency

Tính năng tách FLOW KIT ra khỏi nhóm "thêm một wrapper Veo nữa" chính là reference image system. Mỗi visual element cần giữ consistency xuyên suốt video — nhân vật, location, prop quan trọng — được generate một lần thành reference image, mang theo một UUID media_id. Mỗi scene downstream tham chiếu tới element đó chỉ cần truyền UUID vào Flow làm visual anchor.

Mental model là phần newbie hay miss. Entity description chỉ mô tả ngoại hình: "chubby orange tabby cat, big green eyes, blue apron, straw hat". Scene prompt chỉ mô tả hành động: "Pippip stands behind Fish Stall, arranging fish on ice." Đừng tả lại con mèo trong mỗi scene. Chỉ cần gọi tên. Reference image lo phần còn lại.

Bằng chứng nằm ở nhân vật bác sĩ phía dưới. Cùng một gương mặt, cùng cặp kính, cùng áo blouse trắng — xuất hiện trong bốn bối cảnh khác nhau hoàn toàn (phòng mổ, phòng phẫu thuật, phỏng vấn ngồi, phỏng vấn cận) — identity vẫn giữ nguyên qua tất cả.

Một project 50 scene không biến thành 50 phiên bản na ná. Nó biến thành một câu chuyện có cast ổn định.

Story arc đầy đủ — 25 scene từ một project trông như thế nào

Để hình dung scale, đây là một arc thật từ project F-15E rescue. Hai mươi lăm scene, tất cả render từ cùng một bộ reference, anchor vào cùng một nhân vật phi công.

Phi công trong scene trúng đạn, operator trong command center, ngọn núi sinh tồn — đúng cái continuity visual đó là thứ thuyết phục người xem rằng họ đang xem một câu chuyện, chứ không phải slideshow. Compositional choices, lighting, beat-to-beat tension đều giữ được vì upstream reference đã làm đúng. Làm tầng reference đúng thì tầng scene generation sau đó chủ yếu chỉ còn là viết action prompt cho khéo.

Pipeline chạy end-to-end như thế nào

Bên dưới capo, FLOW KIT là một FastAPI service ở 127.0.0.1:8100, nói chuyện với một Chrome MV3 extension qua localhost WebSocket port 9222. Extension live trên tab Google Flow, capture bearer token, giải reCAPTCHA, proxy các API call mà bạn không cần đụng tới cookie jar của Chrome.

Dashboard ở trên là từ một lần chạy production thật — 614 request, 328 generation success, token status realtime. Python agent push việc cho extension; extension định tuyến qua session Flow đã đăng nhập của bạn và trả kết quả về. Ở góc nhìn cao, pipeline đi 8 bước:

1. Tạo project — POST /api/projects kèm story và array entities (characters, locations, visual assets).
2. Tạo video — POST /api/videos để nhóm các scene vào một deliverable.
3. Tạo scenes — POST /api/scenes, scene đầu là ROOT, các scene sau là CONTINUATION với parent_scene_id.
4. Generate reference images — một request GENERATE_CHARACTER_IMAGE per entity. Chờ tới khi tất cả có UUID media_id.
5. Generate scene images — GENERATE_IMAGE per scene. Worker sẽ chặn nếu có ref nào còn thiếu media_id.
6. Generate videos — GENERATE_VIDEO per scene. Mỗi clip mất 2–5 phút; worker auto poll.
7. Upscale (optional) — UPSCALE_VIDEO cho tài khoản Tier Two muốn output 4K.
8. Download và concat — pull URL cuối, ffmpeg normalize, concat thành final cut.

Worker tự lo throttling: max 5 concurrent, 10s giữa các call, exponential back-off cho 500 transient, auto re-upload khi media_id của image hết hạn sau khoảng 1 tiếng. Bạn submit việc và việc tự xong.

Skills dưới dạng slash command /fk-*

Gõ API tay rất mệt. Lớp surface dễ dùng hơn là skills — workflow recipe nằm trong skills/ dưới dạng Markdown, đồng thời là native slash command trong Claude Code. Năm command bạn dùng nhiều nhất phủ hầu hết một lần chạy production:

Ngoài basic còn có advanced: /fk-gen-chain-videos cho start-end frame chaining mượt, /fk-insert-scene cho cutaway và close-up trong một chain, /fk-camera-guide cho direction điện ảnh, /fk-gen-tts-template và /fk-gen-narrator cho narration voice-clone, /fk-youtube-seo, /fk-brand-logo, /fk-thumbnail, /fk-youtube-upload để đóng vòng publishing có rule validation và schedule.

Skills không phụ thuộc CLI nào. Claude Code đọc qua CLAUDE.md; Codex CLI và Gemini CLI đọc qua file entry riêng. Bạn dùng agent bạn quen.

Setup trong 60 giây

Để thử FLOW KIT không nên giống một dự án buổi chiều. Repo có sẵn one-command setup, check Python 3.10+, ffmpeg, ffprobe, Chrome, build venv và cài dependency. Từ một bản clone mới:

git clone https://github.com/crisng95/flowkit.git
cd flowkit
./setup.sh
source venv/bin/activate
python -m agent.main

Trong Chrome, mở chrome://extensions, bật Developer mode, click Load unpacked, chọn folder extension/. Mở tab labs.google/fx/tools/flow và đăng nhập. Một cú curl http://127.0.0.1:8100/health sẽ trả {"status":"ok","extension_connected":true}. Xong.

Windows: chạy qua WSL. Mọi script trong repo assume Unix shell.

Nói thẳng về chi phí

Đây là chỗ mà hầu hết bài "AI YouTube automation" hay đánh tráo khái niệm. FLOW KIT không phát sinh hoá đơn API mới, nhưng cũng không phải free. Để chạy pipeline video bạn cần một plan Google Flow trả phí — Pro hoặc Ultra — vì Veo 3.1 i2v bị gate ở các tier paid. Tier free và tài khoản trial không drive được video generation, chấm hết. Phần Claude Code, slash command chạy trên subscription OAuth bạn đã có; không cần provision API key riêng.

Nói cách khác, nếu bạn đã trả Claude Code và Flow Pro, FLOW KIT cộng thêm số tiền là 0. Nếu chưa, sàn chi phí là tổng hai subscription đó ở khu vực của bạn. Đó là con số thật. Không có compute ẩn, không có phí proxy, không có cloud bill — phần còn lại chạy local trên laptop.

Cái nó chưa làm (hiện tại)

Một vài thứ đang nằm ngoài scope, đáng flag trước để bạn không vấp giữa project:

• Chưa bundle music library — by design, worker auto-append "no background music, keep natural sound effects" vào mọi video prompt, vì soundtrack do Veo generate thường đánh nhau với narration.
• Chưa có web UI. Interface là CLI cộng Chrome extension dashboard. Nếu muốn canvas trực quan, đó là việc của project anh em FLOWBOARD.
• Upscale 4K yêu cầu PAYGATE_TIER_TWO. Tài khoản Tier One sẽ thấy lỗi tier-mismatch và run fail rõ ràng kèm hướng dẫn.

Roadmap mở trong repo, PR luôn được welcome. Nếu bạn lên kênh YouTube bằng tool này, project lead chủ động muốn nghe.

Thử FLOW KIT

Repository ở github.com/crisng95/flowkit. Script setup là cửa chính; thư mục skills/ là phần documentation còn lại. Nếu bạn muốn version canvas trực quan cho workflow e-commerce dạng branching thay vì video YouTube tuyến tính, đọc bài đi kèm về FLOWBOARD — cùng hướng tiếp cận Chrome-bridge, ergonomic khác hẳn.

Cả hai project nằm dưới ISEMI open-source — qua homepage để xem chúng tôi đang ship gì khác trong không gian này. Nếu bạn build được gì với FLOW KIT, thả vào nhóm cộng đồng Facebook hoặc mở issue trên repo. Vòng cải tiến tiếp theo chạy theo những gì kênh thật vấp phải trong production.