Khâu giọng đọc: khi nào dùng giọng máy, khi nào tự nói

Có những video mình tự nói. Có những video mình để máy đọc. Hồi đầu mình cứ nghĩ giọng máy là "giả", dùng là mất chất — làm rồi mới thấy chuyện nằm ở loại nội dung, chứ không ở máy hay người.

Ba nền tảng mình đã dùng

AI33 — giao diện tiếng Việt, và quan trọng nhất với mình: nhân bản được giọng của chính mình. Mình đưa vài đoạn ghi âm giọng mình, nền tảng tạo ra một giọng đọc nghe ra là mình. Từ đó viết chữ xong là có lời đọc, không phải ngồi thu lại từng câu.

ElevenLabs — mạnh ở nhiều thứ tiếng, độ tự nhiên cao, thư viện giọng có sẵn nhiều. Hợp khi làm nội dung tiếng Anh.

MiniMax Audio — thêm một lựa chọn giọng, chi phí mềm hơn, cũng có nhân bản giọng.

Cả ba đều làm được việc. Chọn cái nào phụ thuộc kênh nói tiếng gì và mình chịu được giao diện nào.

Hai cái bẫy mình đã vấp

Bẫy thứ nhất: số viết bằng chữ số. Viết "45.000đ" thì máy đọc mỗi nơi một kiểu, có khi thành "bốn mươi lăm nghìn đồng", có khi thành "bốn năm nghìn". Mình phải viết thẳng ra chữ trong bản gửi cho máy: bốn mươi lăm nghìn đồng. Tương tự, khi liệt kê thì phải viết rõ "thứ nhất", "thứ hai" — chứ gạch đầu dòng thì máy đọc liền một mạch, người nghe không biết đang sang ý mới.

Bẫy thứ hai: câu quá dài. Câu dài thì máy đọc một hơi không có chỗ nghỉ, nghe rất mệt. Mình cắt câu ngắn lại, chỗ nào muốn nghỉ thì tách thành câu riêng.

Bản viết cho máy đọc thành tiếng và bản viết cho người đọc bằng mắt là hai bản khác nhau. Mình học điều này sau vài lần nghe lại thấy sai mà phải làm lại từ đầu.

Khi nào mình vẫn tự nói

Mình tự nói khi đoạn đó là chuyện của mình và có cảm xúc: kể một quyết định khó, nói về con, nói về chuyện tiền nong trong nhà. Giọng máy đọc đúng chữ nhưng không có chỗ nghẹn, chỗ chùng xuống — mà mấy chỗ ấy mới là chỗ người nghe tin mình.

Mình để máy đọc khi đoạn đó là thông tin: hướng dẫn từng bước, đọc số liệu, phần dẫn chuyển giữa các cảnh. Những đoạn này đọc đều giọng lại dễ nghe hơn.

Một điều về sự trung thực

Giọng nhân bản là giọng của chính mình, nên mình không thấy có gì phải giấu. Nhưng mình tự đặt một luật: không dùng giọng nhân bản để nói những câu mình không thật sự nghĩ. Công cụ chỉ tiết kiệm thời gian ngồi thu, không phải để nói thay mình điều mình không tin.

Và nếu video có phần hình ảnh do AI tạo ra trông như thật, thì khi đăng lên YouTube phải khai báo — phần đó mình nói kỹ trong bài về hình ảnh và video AI.

Nếu mới bắt đầu

Đừng vội trả tiền. Thu thử bằng chính điện thoại của mình trước: cắm tai nghe có mic, ngồi phòng kín, nói một đoạn hai phút rồi nghe lại. Nếu nghe được và mình không ngại nói, thì chưa cần giọng máy chút nào.

Giọng máy đáng tiền khi mình bắt đầu đăng đều — lúc đó cái tốn nhất là thời gian ngồi thu đi thu lại, hơn cả tiền.