Lần đầu dùng clone giọng nói miễn phí, tôi suýt bỏ cuộc vì từ đa âm

Tối thứ Tư tuần trước, tôi nằm dài trên sofa, định ghi âm một đoạn tin nhắn thoại cho thằng bạn thân. Nhưng giọng tôi khản đặc như vịt đực, nghĩ bụng hay thử cái trò clone giọng nói xem sao. Tìm một hồi thấy trang nhân bản giọng nói miễn phí này, không cần đăng ký, bấm vào là dùng được liền.

Tôi hào hứng thu 10 giây giọng mẫu, dán vào một đoạn văn tôi vừa viết, bấm tạo. Kết quả... Ừ thì giọng cũng na ná thật, nhưng nó đọc "gia đình" thành "gia đinh", "con ngựa" thành "con ngừa", "mặt trời" thành "mặt trơi". Tôi ngồi hình dung ba giây, rồi phì cười. Đây không phải clone giọng, đây là thằng học trò đọc sai giọng địa phương chứ đâu!

Lần đầu vấp ngã: từ đa âm toàn đoán mò

Đoạn âm thanh đó tôi nghe đi nghe lại ba lần, càng nghe càng thấy kỳ. Rõ ràng trong lúc thu tôi nói "gia đình" với dấu huyền, vậy mà nó cứ đọc thành "đinh" không dấu. Tôi gào lên với cái màn hình: "Ê, mày là giọng tao mà, học theo tao đi chứ!"

Sau đó tôi mới ngộ ra. Mấy trang tạo giọng nói miễn phí kiểu này, chúng nó tách giọng bạn thành đặc trưng giọng nói, rồi ráp với văn bản. Nhưng bước phân tích văn bản, từ đa âm nó cứ chọn theo xác suất, chả hiểu ngữ cảnh gì cả. Gặp chữ "gia" nó tưởng "gia vị", gặp chữ "đinh" nó nghĩ "cây đinh". Trong khi mình nói "gia đình" thì rõ ràng là "đình" chứ!

Lúc đó tôi hơi nản, nghĩ chắc đồ miễn phí chỉ được thế thôi. Nhưng tiếc công thu âm, tiếc công dán văn bản, tôi quyết cày tiếp.

Lần thử thứ hai: hóa ra phải chỉnh dấu bằng tay

Tôi soi kỹ lại giao diện, phát hiện trong trang clone có một nút nhỏ xíu tên "Cài đặt nâng cao". Bấm vào, thấy một loạt ô cho phép gõ lại dấu cho từng chữ. Có sẵn mấy chữ hay nhầm như "gia", "đinh", "trời"... Tôi sửa "gia đình" thành "gia đình" với dấu huyền, bấm tạo lại.

Ôi trời, lần này đọc chuẩn luôn! Giọng tự nhiên hơn hẳn, còn có cái âm cuối lười biếng giống hệt tôi lúc chiều.

Tôi nhận ra, clone giọng nói tiếng việt không phải không đọc được, mà là nó mặc định không đoán ý bạn. Bạn phải nói rõ cho nó biết, trong câu này, chữ đó phát âm thế nào. Cứ như nói chuyện với một thằng bạn thông minh nhưng không có tí văn hóa xã hội, phải nói tường tận từng chữ.

Vì sao công cụ miễn phí vẫn bắt bạn tự lo dấu?

Nghĩ lại cũng hợp lý. Mấy ông lớn làm text to speech, họ đổ bao nhiêu tiền vào dữ liệu, vào người gán nhãn, mới tự động đoán được từ đa âm. Còn một trang chuyển văn bản thành giọng nói miễn phí như thế này, clone được giọng bạn, lại cho dùng online không mất phí, đã là tốt lắm rồi. Họ đưa quyền chọn dấu cho bạn, coi như là "người dùng tự quyết" vậy.

Nhưng vấn đề là, tôi một thằng dân ngu công nghệ, làm sao biết phải tự chỉnh? Lần đầu tôi cứ nghĩ "công cụ này dở", suýt nữa tắt trang đi. May mà tôi chịu khó bấm thêm vài chỗ, mới thấy cái chức năng ẩn giấu kia.

Nhiều công cụ miễn phí thực ra không tệ, chỉ là nút chức năng giấu quá sâu, hoặc hướng dẫn viết sơ sài. Người nóng tính như tôi rất dễ bỏ lỡ.

Cách chỉnh dấu chuẩn (tôi đã thử và hiệu quả)

Sau vài lần thử, tôi rút ra mấy mẹo tuy quê nhưng cực chuẩn.

Thứ nhất, gặp chữ không chắc, cứ tra Google trước rồi gõ dấu vào. Ví dụ chữ "gia" trong "gia đình" là dấu huyền, trong "gia vị" lại không dấu.

Thứ hai, nếu một câu có nhiều chữ đa âm, phải sửa từng chữ một. Ví dụ "con ngựa này chạy nhanh quá", chữ "ngựa" có dấu nặng, chữ "này" có dấu huyền, không được bỏ sót.

Thứ ba, đừng ngại mất thời gian. Bạn chỉnh dấu một lần, file âm thanh dùng được mãi. Tôi đã đem mấy bài viết cũ ra chỉnh hết, giờ trong tạo giọng nói ai miễn phí của tôi có cả đống bản đã chỉnh sẵn, lần sau chỉ việc dán văn bản vào là xong.

Sai lầm tôi gặp: gõ dấu sai còn tệ hơn không gõ

Có lần tôi lười, chỉ sửa mỗi chữ "gia" mà quên chữ "đinh". Kết quả nó đọc "gia đinh" nghe như tiếng Quảng Nam, tôi suýt sặc nước. Từ đó tôi rút kinh nghiệm, thà mất thêm hai phút rà soát toàn bộ văn bản còn hơn.

Lần khác, tôi gõ dấu bằng số 1-4 thay vì dùng dấu thanh kiểu "ˊˋ̉̃", nó không nhận, đọc sai y như cũ. Hóa ra trên trang có ghi rõ, phải dùng đúng ký tự dấu, hoặc gõ kèm chữ có dấu. Những chi tiết nhỏ này, không vấp một lần thì không bao giờ nhớ.

Lời khuyên cho người mới như tôi: đừng sợ, cứ thử đi

Tôi biết nhiều người thấy chữ "miễn phí" là tự hạ tiêu chuẩn. Nhưng nhân bản giọng nói không cần đăng ký này, độ giống giọng khá cao, chỉ mỗi tội dấu phải tự chỉnh. Bạn bỏ ra mười phút làm quen cái phần cài đặt nâng cao, sau đó mượt mà ngay.

Nó còn hỗ trợ đọc văn bản bằng giọng nói ai, bạn dán cả đoạn dài vào là nó đọc luôn, không cần thu từng câu. Đoạn tin nhắn tôi gửi bạn hôm đó, tôi chỉnh dấu xong rồi cho nó đọc cả đoạn, nghe y hệt giọng tôi lúc bình thường.

Kết thúc: tôi đã gửi tin nhắn bằng giọng AI

Loay hoay nửa tiếng, cuối cùng tôi cũng có một đoạn âm thanh ưng ý. Gửi cho thằng bạn, nó nhắn lại: "Ê, mày hết khản rồi à? Giọng y xì mày luôn!" Tôi cười, trả lời: "Tao không nói đâu, AI nói đó." Nó ngớ người một lúc, rồi hỏi tôi làm kiểu gì.

Tôi gửi link trang web chuyển văn bản thành âm thanh miễn phí, bảo nó không cần đăng ký, thu mười giây là dùng được. Hôm sau nó thử, cũng gặp đúng cái vụ từ đa âm, chạy sang hỏi tôi. Tôi đem hết kinh nghiệm xương máu kể cho nó, nó chỉnh một phát là xong.

Nếu bạn cũng muốn thử, đừng để lần đầu vấp ngã làm bạn nản. Cứ chỉnh dấu vài lần, bạn sẽ quen. Hay là giờ mở thử trang tạo giọng nói miễn phí lên, thu một đoạn giọng bạn, rồi tìm một câu có mấy chữ như "gia đình", "con ngựa", "mặt trời" mà chỉnh thử xem. Tôi cá là bạn sẽ cười như tôi lúc đó.