Khách nhắn “giọng chị đọc hay vậy, thuê MC nào thế?” — sự thật về lồng tiếng video sản phẩm
11 giờ đêm thứ Tư, thằng Hùng bên shop gia dụng nhắn mình đúng một câu: “Giọng trong clip nồi chiên của mày là ai đọc vậy?”
Mình trả lời: AI. Nó gửi liền ba dấu hỏi. “Đùa à, chỗ lấy hơi với chỗ ngắt câu y như người thật.”
Thật ra mình hiểu phản ứng đó. Cách đây hai năm mình cũng từng thử mấy tool đọc văn bản, nghe như tổng đài thông báo số dư, gắn vào clip bán hàng thì tỉ lệ xem hết clip rớt thảm. Nên lần này nó khen, mình cũng hơi… khoái. Mình dùng nhân bản giọng nói miễn phí, lấy ba phút ghi âm của chính mình để luyện ra một giọng, xong đem đi đọc hết đống clip sau đó.
Lồng tiếng dở còn chết hơn hình mờ
Ai làm TikTok Shop hay Shopee cũng biết: ảnh bìa, mô tả, video — bộ ba không thể thiếu. Hai cái đầu còn cứu được bằng chỉnh ảnh. Nhưng video vừa mở miệng là lộ ngay.
Mình xem không biết bao nhiêu clip kiểu này: dựng sạch sẽ, nhạc nền ổn, tới lúc giọng đọc vang lên thì đều đều, máy móc, từ nào cũng gằn giống nhau như đang đọc hướng dẫn sử dụng. Người ta lướt qua chỉ mất 1,5 giây.
Vấn đề nằm ở chỗ: thuê MC thật thì đắt, mà còn chậm. Một clip 30 giây, giá thường rơi vào 300–800 nghìn, sửa kịch bản tính thêm. Shop nào ngày nào cũng phải ra năm clip thì chịu sao nổi. Còn giọng máy thì khó nghe. Khoảng giữa hai cái đó — chính là chỗ mấy tool chuyển văn bản thành giọng nói miễn phí ngày nay sống được.
Mấy lần mình ăn hành vì hai chữ “miễn phí”
Nói luôn cho nhanh: đồ miễn phí, thứ đắt nhất thường là thời gian của bạn.
Mình thử qua chắc phải bảy tám tool. Có cái ghi text to speech tiếng việt miễn phí, vào thì chỉ cho đọc 30 giây, quá là phải nạp tiền. Có cái quảng cáo là giọng nói AI miễn phí, nhưng bắt đăng ký, xác minh số điện thoại, xác minh danh tính — làm xong hết quy trình thì clip của mình cũng dựng xong rồi. Có cái xuất ra file dính tiếng nước, hoặc cứ 10 giây chèn một câu “audio được tạo bởi…”.
Sau đó đứa bạn gửi cho mình link VoxClone. Lần đầu mở mình vẫn cảnh giác, vì thấy ghi nhân bản giọng nói miễn phí vĩnh viễn — thời buổi này ai tin. Nhưng vào thử thì đúng là không cần tài khoản: ghi âm hoặc tải file lên, đợi vài phút, giọng ra. Cái khoản voice clone không cần đăng ký này với mình là bắt buộc — mình hay qua công ty khách sửa kịch bản gấp, ngồi máy người ta, chẳng lẽ vì một câu đọc mà phải đi đăng ký nick.
Cách nó chạy cũng không có gì phức tạp: bạn đưa một đoạn giọng sạch, nó học âm sắc đó, rồi bạn quăng kịch bản vào, nó đọc bằng giọng của bạn. Phần chuyển văn bản thành âm thanh miễn phí, mình thấy xử lý ngắt câu tiếng Việt tốt hơn mình nghĩ — mấy từ “à”, “nha”, “đấy” không bị đọc cứng như trước nữa.
Quy trình mình đang dùng để lồng tiếng video bán hàng
Gọn lại bốn bước:
- Viết lời thoại, ngắt theo nhịp lấy hơi, mỗi câu đừng quá 20 chữ
- Quăng kịch bản vào chuyển văn bản thành giọng nói, chọn giọng mình đã luyện
- Xuất file, kéo vào CapCut, canh khớp hình
- Câu chốt lợi ích thì chèn tay khoảng 0,2 giây nghỉ
Nghe đơn giản, nhưng có mấy chi tiết đáng nói.
Thứ nhất, kịch bản phải viết bằng “tiếng người”. Bạn viết “sản phẩm được chế tác từ chất liệu inox 304 cao cấp” thì AI đọc ra thảm họa. Đổi thành “ruột nồi là inox 304, đun nước sôi không mùi” — vẫn giọng đó, nghe sống liền. Nếu bạn chỉ cần một chỗ để đọc văn bản bằng giọng nói AI rồi nghe thử nhịp câu, vậy là đủ xài.
Thứ hai, đừng mong một lần là xong. Mình thường tạo hai ba bản rồi chọn bản nghe dễ chịu nhất. Vì không tốn tiền nên mình cứ tạo tới khi nào ra được giọng đọc hay miễn phí đúng ý mới thôi — cái này sướng hơn hẳn mấy tool tính tiền theo lần.
Thứ ba, file mẫu phải sạch. Lần đầu mình ghi giữa phòng khách, tiếng máy lạnh bị học luôn vào, đọc ra chữ nào cũng kèm một tiếng “ù”. Sau đó mình chui vào phòng kín, ghi lại, khác hẳn. Cái này mấy bài hướng dẫn khác cũng có nhắc.
Còn chuyện này khá thú vị. Một đứa bạn bán đồ thú cưng, giọng nó hơi cao, không hợp kiểu “dịu dàng” khi bán hạt cho mèo. Nó dùng voice cloning tiếng việt hạ tông giọng mình xuống, trộn thêm chút giọng vợ nó, ra một giọng lơ lửng giữa hai người — không đụng chuyện bản quyền, mà ấm hơn giọng máy hoàn toàn. Mình còn dùng để thu âm audiobook bằng AI miễn phí cho mấy file đọc truyện ngắn nữa; hai năm trước mình không dám nghĩ tới.
Mấy câu bị hỏi nhiều nhất
Nhân bản giọng nói có khó không? Mình mù công nghệ.
Không khó thật. Bạn không cần biết model, không cần card đồ họa, không cần chạy code. Tải lên một đoạn giọng sạch dài 1–3 phút, phần còn lại để nó lo. Trong mấy phần mềm nhân bản giọng nói miễn phí mình từng thử, VoxClone là cái có quy trình ngắn nhất — mở web là dùng, không cần đăng ký.
Đồ miễn phí, lỡ mai nó thu tiền hoặc đóng thì sao?
Lo vậy là đúng. Cách mình làm: đoạn ghi âm gốc quan trọng thì lưu một bản trong máy. Có đổi tool thì luyện lại, mất cùng lắm mười mấy phút. Còn hiện tại thì nó vẫn ghi là miễn phí vĩnh viễn, mình xài gần nửa năm chưa bị giới hạn số lần hay độ dài.
Audio tạo ra dùng thương mại được không? Nền tảng có đánh bản quyền không?
Mình dùng thẳng trong clip của shop, tới giờ chưa gặp vấn đề gì — vì giọng là của chính mình, hiểu đơn giản là mình tự cho phép mình. Nhưng nếu bạn nhân bản giọng người khác thì phải có sự đồng ý, chuyện này không bàn cãi. Ngoài ra nếu bạn biết code thì nó có API tổng hợp giọng nói miễn phí để gọi, làm hàng loạt lời đọc cho nhiều mã sản phẩm thì rất khoẻ; phần này mình chưa đào sâu, tính tháng sau thử.
Còn lại thì…
Quay lại chuyện thằng Hùng. Hôm đó mình giải thích xong, nó im một lúc rồi hỏi: “Vậy tao dùng giọng tao được không?”
Mình nói được chứ, vào https://vi.web666.cc/ thử đi, mười phút là biết ngay. Sáng hôm sau nó gửi mình một file 20 giây, giọng nó đang đọc điểm bán của trà nhà nó. Nghe giọng điệu khá là tự mãn.
Nên nếu bạn cũng đang đau đầu vì khoản lồng tiếng video bằng AI miễn phí cho clip sản phẩm — đừng lăn tăn chuyện thuê MC nữa, bỏ ra mười phút ghi âm giọng mình rồi thử. Miễn phí mà, sai thì làm lại, gần như không mất gì. Cái khó chưa bao giờ nằm ở tool. Nó nằm ở chỗ bạn có chịu sửa lời thoại cho ra “tiếng người” hay không.