Chu kỳ dữ liệu: Bảng GitHub Trending tháng 1 năm 2026｜Mức tăng sao +18.4k｜Tăng trung bình mỗi ngày 600+ ⭐
I. Lượng sao tăng vọt và nỗi đau của ngành
Trên bảng xếp hạng GitHub tháng 1 năm 2026, ViralCut vững vàng trong top 3 với 18 nghìn sao mới chỉ trong một tháng. Nhìn vào đường tăng trưởng trong 90 ngày gần đây, gần như có thể thấy một đường parabol thẳng đứng hướng lên: bùng nổ ngay sau khi ra mắt, không chi một đồng quảng bá nào, hoàn toàn nhờ truyền miệng trong cộng đồng nhà phát triển.
Đằng sau đó là ba vấn đề tồn đọng lâu nay của ngành truyền thông tự thân:
Chi phí ẩn của việc phân phối đa nền tảng. Cùng một video phải được điều chỉnh riêng cho Douyin, Bilibili, WeChat Channels và YouTube Shorts; kích thước, bitrate và quy tắc ảnh bìa của mỗi nền tảng đều khác nhau. Quy trình PR truyền thống nhiều nhất chỉ sản xuất được 3-5 video mỗi đêm.
Công cụ tạo video AI phân mảnh. Sora, Kling, Jimeng và Pika đều có API riêng; viết nội dung, lồng tiếng, dựng phim và phụ đề lại nằm rải rác ở các công cụ khác nhau, dữ liệu không liên thông, khiến mức tiêu thụ token và thời gian làm việc đều khó tính toán.
Hệ sinh thái MCP "có giao thức nhưng thiếu điều phối". Model Context Protocol đã giải quyết vấn đề bắt tay giữa mô hình ngôn ngữ lớn và công cụ, nhưng chưa có bộ điều phối quy trình đầu cuối nào thực sự kết nối được chuỗi "chọn chủ đề → tạo nội dung → dựng phim → phân phối → thu hồi dữ liệu" thành một quy trình hoàn chỉnh.
ViralCut nằm đúng tại giao điểm của ba vấn đề này. Dự án tự định vị là dây chuyền tự động hóa video ngắn MCP-Native, đóng gói việc tạo nội dung AI, kỹ thuật dựng phim và vận hành phân phối thành các quy trình có thể điều phối.
II. Giới thiệu dự án: ViralCut là gì?
ViralCut là một framework tự động hóa video ngắn mã nguồn mở được xây dựng trên MCP (Model Context Protocol). Bộ điều phối lõi được viết bằng Go, frontend dựa trên Next.js, còn lớp dựng phim được đóng gói trên FFmpeg và Remotion. Dự án được nhóm cựu kiến trúc sư video của ByteDance phát hành mã nguồn mở vào tháng 11 năm 2025, theo giấy phép Apache-2.0.
Tuyên ngôn cốt lõi của dự án rất rõ ràng: giao việc "sản xuất công nghiệp" video ngắn viral cho AI Agent, còn "quyết định sáng tạo" vẫn do con người đảm nhiệm.
Nó không phải mô hình tạo sinh AI đầu cuối, cũng không đơn thuần là phần mềm dựng phim, mà là một lớp điều phối và biên soạn. Mọi năng lực đều được tích hợp dưới dạng MCP Server, còn ViralCut cung cấp ở lớp trên khả năng điều phối tác vụ, máy trạng thái, giám sát và khôi phục thống nhất.
Tính đến cuối tháng 1 năm 2026, kho mã đã tích hợp 47 adapter MCP Server do dự án và cộng đồng đóng góp, bao phủ các mô hình video AI phổ biến, LLM viết nội dung, TTS lồng tiếng, công cụ dựng phim và API phân phối.
III. Các tính năng chính
1. Công cụ điều phối MCP nguyên bản
Định nghĩa quy trình dựa trên DAG, hỗ trợ chỉnh sửa hai chiều giữa YAML và JSON.
Tích hợp sẵn 12 node phổ biến: gọi LLM, tạo video, tổng hợp giọng nói, tạo phụ đề, tạo ảnh bìa, dựng và ghép phim, phân phối nền tảng, phản hồi dữ liệu, kiểm thử A/B, phân tích yếu tố viral, phát hiện từ ngữ bị cấm và watermark bản quyền.
Hỗ trợ thử lại khi thất bại, chạy tiếp từ điểm dừng, giới hạn đồng thời và ngân sách chi phí.
2. Kết xuất thích ứng đa nền tảng
Xuất một lần với bốn tỷ lệ khung hình 9:16, 1:1, 16:9 và 3:4.
Tích hợp sẵn thông số mã hóa được các nền tảng đề xuất (H.264/H.265, bitrate và khoảng cách giữa các keyframe).
Tự động tạo ảnh bìa phù hợp với quy chuẩn nền tảng, cố gắng giảm rủi ro kiểm duyệt.
3. Mô hình cộng tác AI Agent
Cung cấp ba vai trò Agent tích hợp:
planner,editorvàreviewer.
Planner phân rã chủ đề thành các nhiệm vụ có thể thực thi, Editor điều phối công cụ để hoàn thành việc tạo nội dung, Reviewer chấm điểm các yếu tố viral (dự đoán tỷ lệ xem hết, đường cong cảm xúc và độ mạnh của Hook).
Người dùng có thể dùng ngôn ngữ tự nhiên để ghi đè quyết định của Agent bất cứ lúc nào.
4. Phản hồi dữ liệu và học yếu tố viral
Kết nối với Feishu, Notion và Slack, tự động thu hồi dữ liệu phân phối.
Tích hợp module RAG, phân tích các video viral trước đây thành cơ sở dữ liệu vector để phản hồi vào Prompt của vòng tạo tiếp theo.
Hỗ trợ triển khai riêng tư, dữ liệu không rời khỏi miền kiểm soát.
5. Khả năng quan sát và kiểm soát chi phí
Web UI hiển thị theo thời gian thực thời gian xử lý, mức tiêu thụ Token và chi phí gọi API của từng node.
Hỗ trợ ngắt theo ngân sách và hạ cấp mô hình (ví dụ sau khi GPT-4o dùng hết ngân sách, hệ thống tự động chuyển sang 4o-mini).
IV. Lệnh triển khai một lần
ViralCut cung cấp hai phương thức triển khai là Docker Compose và Kubernetes, có thể khởi chạy trong thời gian nhanh nhất là 3 phút:
Phương thức một: Docker Compose (khuyến nghị cho nhà phát triển cá nhân)
# Sao chép kho mã git clone https://github.com/viralcut/viralcut.git cd viralcut # Sao chép mẫu cấu hình cp .env.example .env # Chỉnh sửa .env, điền OPENAI_API_KEY, DOUYIN_TOKEN, BILIBILI_TOKEN cùng các khóa khác # Khởi động một lần docker compose up -d # Mở Web UI open http://localhost:3000 Phương thức hai: Kubernetes (khuyến nghị cho nhóm)
helm repo add viralcut https://charts.viralcut.dev helm install my-viralcut viralcut/viralcut \ --namespace viralcut \ --create-namespace \ --values values.yaml ⚠️ Lần khởi động đầu tiên cần chạy
viralctl initđể hoàn tất đăng ký MCP Server và cấp quyền OAuth cho nền tảng.
V. Chuỗi liên kết công cụ
Điểm thực sự mạnh của ViralCut là biến chuỗi công cụ AI vốn phân mảnh thành một "dây chuyền sản xuất công nghiệp":
[Ý tưởng chủ đề] → ChatGPT/Claude (MCP) ↓ [Tạo nội dung] → LLM Node ↓ [Kịch bản phân cảnh] → LLM Node + thư viện yếu tố viral (RAG) ↓ [Tạo hình ảnh] → Sora / Kling / Jimeng (MCP Adapter) ↓ [Tổng hợp lồng tiếng] → Volcengine Voice / ElevenLabs (MCP Adapter) ↓ [Tạo phụ đề] → Whisper / Doubao ASR (MCP Adapter) ↓ [Dựng và ghép phim] → FFmpeg / Remotion Node ↓ [Phân phối nền tảng] → Douyin / Bilibili / WeChat Channels / YouTube (MCP Adapter) ↓ [Thu hồi dữ liệu] → Feishu Bitable / Notion Database ↓ [Học yếu tố viral] → Cơ sở dữ liệu vector phản hồi vào Prompt tiếp theo Toàn bộ chuỗi đều giao tiếp qua giao thức MCP, bất kỳ node nào cũng có thể được thay thế, nâng cấp hoặc triển khai riêng tư. Chẳng hạn, nếu muốn đổi phần tạo hình ảnh sang quy trình ComfyUI tự xây dựng, chạy lồng tiếng bằng SoVITS cục bộ, hoặc chỉ giữ lại App nội bộ của doanh nghiệp cho việc phân phối nền tảng, tất cả đều có thể thực hiện.
Khả năng "cắm rút ở cấp giao thức" này là khác biệt lớn nhất giữa ViralCut và các công cụ SaaS truyền thống: bạn không còn bị khóa vào một nhà cung cấp nào; công cụ không phù hợp thì chỉ cần thay bằng công cụ khác.
VI. So sánh đối thủ
Tiêu chí｜ViralCut｜Tự động hóa AI của Jianying｜n8n + plugin AI｜Coze (Kouzi)
Tiêu chuẩn giao thức｜MCP nguyên bản｜API riêng｜HTTP Webhook｜Giao thức riêng
Mức độ mã nguồn mở｜Hoàn toàn mã nguồn mở (Apache-2.0)｜Đóng｜Mã nguồn mở (Fair-code)｜Đóng
Phương thức triển khai｜Tự lưu trữ / đám mây riêng｜Chỉ SaaS｜Tự lưu trữ / SaaS｜Chỉ SaaS
Tích hợp mô hình video AI｜12+ chính thức và 35+ cộng đồng｜Chỉ hệ sinh thái ByteDance｜Phụ thuộc plugin cộng đồng｜Chỉ hệ sinh thái ByteDance
Phân phối đa nền tảng｜Douyin/Bilibili/WeChat Channels/YouTube/X｜Chỉ Douyin｜Bất kỳ (cần tự phát triển)｜Chỉ Douyin
Riêng tư hóa dữ liệu｜✅ Hỗ trợ hoàn toàn｜❌｜✅｜❌
Vòng lặp học yếu tố viral｜✅ Tích hợp RAG｜❌｜❌｜ Hỗ trợ một phần
Chi phí học｜Trung bình (cần hiểu MCP)｜Thấp｜Cao｜Thấp
Có thể thấy rào cản cốt lõi của ViralCut nằm ở việc tích hợp theo chiều dọc "điều phối quy trình AI" với "sản xuất video ngắn công nghiệp hóa", đồng thời trao lại toàn bộ quyền quyết định cho người dùng. Trong thị trường hiện do SaaS đóng chi phối, định vị này khá hiếm.
VII. Nhóm người dùng phù hợp
Nhà phát triển full-stack / backend: Muốn dùng MCP để kết nối các năng lực AI hiện có thành sản phẩm nhưng thiếu một framework điều phối có khả năng quan sát và biên soạn.
Đội ngũ truyền thông tự thân / tổ chức MCN: Mỗi ngày cần sản xuất hơn 50 video theo mô hình ma trận và đã quá mệt mỏi với việc dựng phim thủ công, lặp đi lặp lại.
Nhà khởi nghiệp ứng dụng AI: Muốn nhanh chóng kiểm chứng MVP theo hướng "AI + video ngắn" nhưng không muốn bị ràng buộc vào một API cụ thể.
Vận hành / SRE: Doanh nghiệp có nhu cầu xử lý dữ liệu đa phương tiện và cần một dây chuyền có thể triển khai riêng tư.
Nhà phát triển độc lập: Một mình muốn tạo video viral và muốn tập trung sức lực vào ý tưởng thay vì các chi tiết kỹ thuật.
VIII. Tuyên bố miễn trừ về tuân thủ và nhãn hiệu
Các tên Sora, Kling, Jimeng, Pika, ElevenLabs, Whisper, Doubao, SoVITS, Jianying, Kouzi, Douyin, Bilibili, WeChat Channels, YouTube, Slack, Notion, Feishu, FFmpeg, Remotion, ChatGPT, Claude, ComfyUI, n8n, GPT-4o được đề cập trong bài viết này đều là nhãn hiệu đã đăng ký hoặc tên sản phẩm của các chủ sở hữu tương ứng. Bài viết chỉ sử dụng chúng để mô tả năng lực kỹ thuật, không cấu thành bất kỳ hình thức đại diện, chứng thực hay quan hệ hợp tác thương mại nào. Bản thân ViralCut là một dự án mã nguồn mở tuân theo giấy phép Apache-2.0 và không có quan hệ trực thuộc nào với các chủ sở hữu nhãn hiệu nêu trên. Khi sử dụng các API và dịch vụ liên quan trong môi trường sản xuất, độc giả cần tự tuân thủ điều khoản dịch vụ, quy định về dữ liệu và tiêu chuẩn bản quyền của từng nền tảng.
IX. Gợi ý bắt đầu và tổng kết
Nếu bạn dự định tích hợp chuỗi công cụ theo hướng "AI + nội dung" trong năm 2026, ViralCut gần như là dự án mã nguồn mở duy nhất trên GitHub hiện nay đồng thời làm đúng cả ba việc: MCP, kỹ thuật hóa video và vận hành phân phối. Thành công viral của dự án không phải ngẫu nhiên, mà về bản chất là giao điểm của ba cơ hội: "công cụ AI phân mảnh × truyền thông tự thân công nghiệp hóa × hệ sinh thái MCP trưởng thành".
Lộ trình bắt đầu được đề xuất: trước tiên chạy thử quy trình mẫu bằng Docker Compose → tích hợp các mô hình AI hiện có → chuyển SOP hiện tại thành DAG → kết nối tài khoản nền tảng riêng → tích lũy cơ sở dữ liệu vector về các video viral. Trong vòng ba ngày, bạn có thể xây dựng "nhà máy tự động hóa video ngắn" của riêng mình.
Địa chỉ kho GitHub: https://github.com/viralcut/viralcut