5 giây clone giọng người: nhân bản giọng nói miễn phí thật sự ổn không?
Hôm qua tôi ngồi trong phòng trọ ở Quận 1, cửa sổ mở ra đường có tiếng xe máy văng qua liên tục. Mở máy ghi âm điện thoại, đọng hơi một chút rồi đọc: "Thời tiết hôm nay đẹp quá". Ghi xong, nhìn đồng hồ: 4,9 giây. Dưới 5 giây thôi. Tôi ném đoạn âm thanh này vào trang nhân bản giọng nói miễn phí mà bạn bè trong nhóm người tạo nội dung vừa chia sẻ. Trong đầu thì hơi lo lắng — ai cũng nói cần vài phút âm thanh trong là mới voice cloning tiếng Việt được chuẩn, còn 5 giây? Đùa đấy chứ?
Tôi chỉ có một đoạn 5 giây, và tôi đang cược
Thật ra tôi đang cược mà thôi. Cược thắng thì tiết kiệm được công, thua thì cũng chỉ nghe xong cười thôi.
Môi trường ghi âm là phòng ngủ, không kín tiếng, microphone là cái sẵn có trên điện thoại, chẳng có màn chắn âm, thậm chí tôi còn không định hướng miệng đúng lúc nói — chỉ để điện thoại bên cạnh màn hình máy tính, rồi hét lên một câu. Dừng lại, nhìn thời lượng: 4,9 giây. Đủ rồi, tôi đưa nó lên trang web tạo giọng nói miễn phí. Lúc đó trong đầu vẫn nghĩ: hiện nay công cụ AI clone giọng nói trực tuyến rải rác khắp nơi, nhưng mọi người đều nói phải có vài phút giọng nói trong sạch mới được, 5 giây thì sao? Có thể nào?
Trước khi upload, tôi nghe lại file một lần. Hơi thở rõ rệt, tiếng ồn nền thấp, câu cuối còn có âm nước bọt. Ngày xưa tôi chẳng dám thử với chất lượng như thế. Nhưng trang này viết rõ ràng, không cần cài plugin, không cần điền số điện thoại, tôi nghĩ: miễn phí mà sao không thử. Ôi đúng, trang còn ghi là miễn phí vĩnh viễn, tôi cười nhạt: hiện nay công cụ nào không tự xưng miễn phí, xuất file lại có dấu nước, hoặc chỉ cho tổng hợp ba mươi giây. Tôi còn lo lắng, nếu nó nuốt mất đoạn ghi âm của tôi không trả lại, hay đục tay bán giọng nói tôi đi khác nơi, thì bài này chính là bản ghi lại sự thất bại.
Chờ kết quả trong vài chục giây
Thanh tiến trình chạy, tôi đứng dậy vào bếp đổ một cốc nước.
Quay lại nhìn máy, xong rồi. Không phải chờ mấy phút, cũng không có cửa sổ bật ra yêu cầu nạp tiền. Toàn bộ quá trình chỉ là chọn file, nhấn upload, chờ tổng hợp. Thật ra trải nghiệm voice clone không cần đăng ký này có chút ngược ý tưởng — trước kia dùng các công cụ tương tự, người ta muốn bạn điền bảng hỏi, kết nối mạng xã hội, rồi xem mười mươi giây quảng cáo.
Trang kết quả xuất hiện tùy chọn nghe thử. Tôi đeo tai nghe, nhấn play trước đó còn chuẩn bị tâm lý một chút.
Giọng clone ra nghe có được không?
Phản ứng đầu tiên: Ơ?
Phản ứng thứ hai: ...thôi, đúng là giọng tôi đó.
Mô hình clone từ 5 giây, âm sắc bắt được khoảng sáu bảy phần trăm. Thói quen phát âm có chút giống, vần câu cú lên ở cuối cũng còn lại. Nhưng muốn nói nó hoàn toàn thay thế tôi nói chuyện, thì không được. Hơi thở ngắn hơn, cảm xúc phẳng hơn, giống như một người tôi bị cảm ho đọc bản thảo. Tôi cố tình nhập một đoạn văn bản buồn bã để nó đọc, kết quả nó dùng giọng "cô quản lý ký túc xá kiểm tra phòng" trầm bĩnh đọc ra, tôi gần như cười thành tiếng trước màn hình. Điều kỳ lạ nhất là tôi dùng nó đọc tên ID của mình, rõ ràng chưa từng học cách phát âm này, mà nghe lại lại vô cùng êm tai.
Tuy nhiên, khi tôi nhập một đoạn ba trăm chữ, để nó dùng giọng "tôi" đọc ra, cảm giác viển vông đột nhiên biến thành một thứ lạ mà lại có thể dùng. Làm video thì đủ, làm lồng tiếng video khóa học thì cũng đủ. Điều kiện là bạn đừng dùng nó để lừa người, cũng đừng hy vọng nó khôi phục giọng tôi bấm bàn khi tức giận. Nó giống như một chiếc máy đọc "âm sắc đúng nhưng giọng điệu bình thường".
Tôi thử lại một lần, đổi đoạn ghi âm 5 giây yên tĩnh hơn, lần này ngay cả tiếng ồn nền cũng không còn. Kết quả ổn định hơn rõ rệt, ngay cả thói quen tôi thường đọc từ "của" thành nhẹ nhàng cũng được tái lập. Vậy nên 5 giây không phải là không dùng được, là bạn phải cho nó một đoạn 5 giây "đáng nhìn" mới được.
Thử thêm công cụ tổng hợp giọng nói miễn phí, nhập văn bản xem sao
Mô hình đã xong, tôi muốn phá hoá chút gì khác.
Trang chủ bản thân chính là một công cụ chuyển văn bản thành giọng nói, tôi copy đoạn giới thiệu sản phẩm vào, chọn màu sắc giọng tôi vừa clone. Phần tạo giọng nói miễn phí này, lựa chọn không ít, không chỉ giọng của bản thân, còn có rất nhiều màu sắc có sẵn. Nếu bạn chỉ cần tìm một giọng lồng tiếng video bằng ai miễn phí cho clip ngắn, không clone cũng hoàn toàn ổn. Tôi dùng cùng một bản thảo thử ba giọng nữ có sẵn, có giọng thậm chí mang hơi thở báo thanh, so với giọng clone của tôi còn "chính thống" hơn.
Nếu bạn đang tìm text to speech tiếng việt miễn phí mà không muốn cài thêm phần mềm, trang này đáng một thử. Hiện nay có rất nhiều lựa chọn giọng nói ai miễn phí trên thị trường, nhưng không phải nơi nào cũng cho phép nhập văn bản dài mà không bị chặn.
Tôi cố tình thử văn bản dài. Tám trăm chữ dán vào, tổng hợp một lần, giữa chừng không bị ngắt câu, cũng không yêu cầu mở thành viên. Loại cảm giác đọc văn bản bằng giọng nói ai miễn phí trực tuyến này, ai từng dùng qua nền tảng "miễn phí ba phút, vượt giờ tính theo giây" đều hiểu. Tôi cố tình dán câu có tiếng Anh và số, ví dụ "Quý III năm 2024, ROI tăng 15%", nó đọc không sai, ngắt câu cũng dừng đúng chỗ nên dừng.
Bất quá, bạn muốn nói nó tinh tế hơn công cụ thương mại trả phí, thì không thực tế. Nhịp điệu vẫn có chút cứng, từ đa âm đôi khi phát sai. Nhưng làm việc thường ngày chuyển văn bản thành âm thanh miễn phí, lồng clip ngắn, làm bản thảo sách nói, cảm giác không giới hạn chuyển văn bản thành giọng nói này, đủ rồi. Nếu bạn cần một giọng đọc hay miễn phí cho video TikTok hay Reels, công cụ này cũng xứng đáng thử.
Ngoài ra, tôi từng nghĩ đến việc thu âm audiobook bằng ai miễn phí, nhưng với chất lượng hiện tại, tôi chỉ khuyên dùng nó làm bản thảo nhanh chứ chưa nên xuất bản trực tiếp.
Mọi người có thể đang thắc mắc
Câu hỏi: Ghi âm 5 giây thật sự không bao giờ thất bại sao?
Thất bại. Nếu nền có tiếng sủa, tiếng điện môi, nói ngọng, tỷ lệ thất bại cực cao. 5 giây là ngưỡng dưới, không phải giá trị chuẩn. Tốt nhất chọn môi trường yên tĩnh, phát âm rõ ràng, hiệu quả sẽ lên một bậc. Đoạn đầu tiên của tôi có tiếng xe ngoài đường, mô hình ra có chút cảm giác máy móc, đoạn thứ hai ghi âm trong sạch mới tốt lên.
Câu hỏi: Cần đăng ký mới dùng được sao?
Không cần. Từ khi upload âm thanh đến nghe thử và tải xuống, tôi không đăng ký, không kết nối điện thoại, không xác minh email. Luồng làm việc tổng hợp giọng nói không cần đăng ký hoàn thành, trực tiếp lấy file. Tất nhiên, nếu bạn lo cache trình duyệt bị mất, hãy tự lưu âm thanh và văn bản, nó không bắt buộc bạn để lại bất kỳ thông tin cá nhân nào.
Mấy điều tôi muốn nói thẳng lòng
Sau khi trải qua một vòng này, suy nghĩ của tôi về công cụ clone giọng nói miễn phí vĩnh viễn đã thay đổi. Trước kia nghĩ "miễn phí" bằng "đồ chơi", bây giờ thấy nó giống như "phòng thử áo" — bạn không tốn một đồng, trước xem AI học nói như bạn có giống không, sau đó mới quyết định muốn đầu tư sâu hơn không.
Nếu bạn đang tìm phần mềm clone giọng nói miễn phí để luyện tập, hoặc muốn kết nối API tổng hợp giọng nói miễn phí làm công cụ nhỏ, trang như VoxClone thực sự hạ thấp ngưỡng vào. Nó không hứa hẹn trải nghiệm tổng hợp giọng người cấp Hollywood miễn phí, nhưng việc "từ không đến một, nghe thấy giọng nói của mình" đã trở nên không có giá nào. Cuối cùng tôi gửi một trang hướng dẫn thêm mà tôi hay mở, bên trong có những chi tiết nhỏ hơn bài này, quan tâm tự vào xem.
Còn đoạn ghi âm 4,9 giây của tôi, bây giờ vẫn còn trong tai nghe. Cười được, cũng hơi sợ hãi.