Chiều thứ Sáu tuần trước, tôi ngồi trước máy tính, tai nghe vang lên giọng của chính mình – nhưng nghe như từ cái radio cũ rè rè, lẫn tiếng khoan tường nhà hàng xóm. Tôi nhìn cái waveform trên màn hình, vừa buồn cười vừa muốn đập bàn phím.
Không phải lần đầu đâu. Tôi ấp ủ chuyện tạo một bản sao giọng nói cho podcast, để khỏi phải thu âm lại mỗi lần đọc lời thoại. Hôm đó tôi lười, tiện tay mở điện thoại quay một đoạn video tự nói chuyện trong bếp – tiếng tủ lạnh ù ù, tiếng xe ngoài đường, và cả tiếng ho của tôi. Rồi tôi hí hửng mở trang web nhân bản giọng nói miễn phí, upload, chờ đợi...
Kết quả? Giọng thì đúng là giọng tôi, nhưng mỗi chữ nghe như bị bịt một lớp chăn bông. Tiếng ồn nền bị khuếch đại thành tiếng rít, ngữ điệu của tôi cũng biến dạng luôn.
Tại sao tiếng ồn phá hỏng bản clone?
Giờ ngồi nghĩ lại, tôi hiểu rồi. Nhân bản giọng nói miễn phí hoạt động bằng cách để AI tách ra các đặc trưng giọng của bạn – cao độ, formant, tốc độ, hơi thở. Nhưng nếu bản thu có tiếng ồn, AI sẽ tưởng tiếng ồn đó cũng là một phần giọng của bạn.
Đoạn thu của tôi: tiếng tủ lạnh ù ù thành lớp nền trầm, tiếng còi xe ngoài đường thành những đốm nhiễu chói. Kết quả là giọng clone nghe như thu trong đường hầm bằng mic rẻ tiền.
Điều tức cười hơn: cũng cùng một nền tảng, tôi thu lại 30 giây trong phòng yên tĩnh, chất lượng cải thiện gấp tám lần. Cùng một công cụ clone giọng nói online, chỉ khác mỗi chỗ thu âm.
Nên đừng học theo tôi. Trước khi thu, kiếm một góc yên tĩnh, không có thì lấy chăn trùm quanh điện thoại cũng được.
Ba tool TTS miễn phí, tính khí mỗi đứa một kiểu
Sau vụ đầu, tôi thử thêm ba tool chuyển văn bản thành giọng nói khác nhau – gồm cả trang tạo giọng nói miễn phí tôi hay dùng, và hai cái khác được quảng cáo rần rần trên mạng.
Đứa đầu là một project mã nguồn mở, chạy hoàn toàn local, riêng tư tốt, nhưng đòi hỏi bản thu phải sạch tuyệt đối – hơi một chút nhiễu là xong đời. Đứa thứ hai là web có giao diện đẹp, nhưng bản free giới hạn thời lượng, và giọng clone ra nghe có vị kim loại.
So ra, trang clone giọng nói không cần đăng ký này lại ổn định nhất – không cần tài khoản, free vĩnh viễn, upload xong chờ khoảng hai phút, giọng ra sạch và tự nhiên. Tất nhiên nó cũng cần bản thu rõ, nhưng không đến mức khó tính như đứa đầu.
Sau bao lần vấp, tôi rút ra cách thu âm chuẩn
Nếu bạn muốn thử nhân bản giọng nói miễn phí, nhớ mấy điều này – toàn là máu và nước mắt của tôi:
- Thu ít nhất 30 giây – ngắn quá AI không học đủ màu giọng của bạn.
- Điện thoại để cách miệng 10–15 cm, đừng phun hơi thẳng vào mic.
- Tiếng ồn nền phải dưới -40dB. Mở app ghi âm xem waveform, lúc yên tĩnh nó phải là một đường thẳng.
- Nếu chỗ thu ồn quá, thu xong thì dùng phần mềm khử noise, nhưng đừng khử mạnh tay – giọng sẽ nghe giả.
Lần sau tôi thu trong phòng yên, clone lại, kết quả làm tôi bất ngờ – ngay cả cái tiếng thở nhẹ khi nói cũng được giữ nguyên.
Ngoài nói chuyện, còn đọc văn bản và hát được
Không chỉ nói chuyện, tôi còn thử dùng giọng clone để đọc văn bản – dán một đoạn bài viết vào trang đọc văn bản bằng giọng nói AI, chọn tốc độ và cảm xúc, kết quả cứ như chính tôi đang đọc.
Thậm chí có người còn dùng clone giọng để hát – thu một đoạn hát mộc, AI học màu giọng, rồi nhập lời bài hát, nó sẽ hát bằng giọng của bạn. Tất nhiên hát khó hơn nói nhiều, cần bản thu sạch hơn, và âm vực phải bao phủ quãng giọng bạn hay hát.
Đừng kỳ vọng nó hát hay như ca sĩ chuyên nghiệp – nghe giống bạn hát ở quán karaoke, lệch tông tí nhưng vẫn nhận ra là bạn.
Về chuyện free và vĩnh viễn, tôi nói thật
Ngoài kia nhiều web quảng cáo “nhân bản giọng nói miễn phí” nhưng thực ra giới hạn số lần, bắt đăng ký, hoặc xuất file có watermark. Còn trang web chuyển văn bản thành giọng nói miễn phí này thì đúng nghĩa – upload, tải về, không cần email.
Tôi từng dùng mấy tool yêu cầu đăng ký, dù chức năng tương tự, nhưng trong lòng cứ thấy không yên – biết đâu giọng của mình bị đem đi làm gì.
Tất nhiên, tool free có nhược điểm – thời gian xử lý lâu hơn, giờ cao điểm phải xếp hàng, nhưng với tôi, chuyện đó chấp nhận được.
Một lỗi nữa tôi dính: khoảng cách mic và âm bật hơi
Kể thêm chi tiết. Sau khi thu trong phòng yên, tôi vẫn nghe tiếng “phù phù” trong bản clone. Hóa ra do tôi để mic quá gần, mấy âm “p”, “b” phun hơi thẳng vào đầu thu.
Cách xử lý đơn giản: đặt điện thoại lên bàn, ngồi cách 30 cm, hơi nghiêng đầu sang bên khi nói. Hoặc dùng mic cài áo, nhưng mic rẻ tiền dễ bị nhiễu điện, lại thêm phiền.
Tôi cuối cùng dùng cái mic của tai nghe cũ, cắm vào laptop, kết quả sạch bất ngờ – hơn hẳn mic điện thoại.
Tốc độ nói và cảm xúc ảnh hưởng đến bản clone
Một chi tiết nữa: khi thu âm để clone, tốc độ và cảm xúc ảnh hưởng trực tiếp đến phong cách AI học được.
Tôi thử thu 30 giây với giọng chậm, đều đều – clone ra đọc văn bản cũng chậm rãi, như đọc bản tin. Sau đó tôi thu lại với giọng trò chuyện tự nhiên, có ngắt nghỉ, có lên giọng – clone đọc podcast nghe tự nhiên hẳn.
Nên nếu bạn muốn dùng giọng clone để đọc lời thoại, đừng đọc như đọc bài, cứ nói chuyện như với bạn bè – AI sẽ học được ngữ điệu sống động hơn.
Lời cuối từ đáy lòng
Mất cả buổi chiều, thứ tôi học được không phải là cách clone giọng, mà là – công cụ tốt đến mấy cũng không thay được một căn phòng yên tĩnh. Bạn đã sẵn sàng thu âm chưa? Ghé thử trang chuyển văn bản thành âm thanh miễn phí, đọc thử một đoạn của chính bạn xem sao.