Bạn tôi tưởng NPC trong game là người thật lồng tiếng – tôi cười vì đó là giọng AI clone miễn phí

Tuần trước, đang cày dungeon cùng team, thằng bạn tôi bỗng hét vào mic: “NPC này lồng tiếng thật à? Nghe tự nhiên vãi!”

Tôi cười không nổi. Vì đó là giọng tôi tự tạo bằng nhân bản giọng nói miễn phí – mất chưa tới mười phút.

Nói thật, nửa năm trước tôi cũng không tin nổi. Nhưng từ khi mò được trang chuyển văn bản thành giọng nói này, cả dự án game của tôi đổi đời.

Từ “giọng máy” đến “giọng người” – chỉ cách một cú clone

Hồi xưa tôi cũng dùng mấy dịch vụ TTS của mấy ông lớn. Hiệu quả thì… bạn biết đấy, nghe phát biết AI ngay, nhất là khi có nhiều nhân vật, giọng nào cũng như nhau, người chơi chê ồn ào.

Sau đó tôi thử tạo giọng nói miễn phí online, tự thu âm ba câu làm mẫu, rồi gán cho mỗi NPC một chất giọng riêng – ông trưởng làng thì trầm khàn, cô nàng elf thì trong trẻo kèm chút ngân, tên phản diện thì ép giọng xuống thêm hơi.

Kết quả là thằng bạn tôi vào game tưởng tôi thuê diễn viên lồng tiếng.

Thú thật, công cụ này thông minh hơn tôi tưởng. Nó không chỉ đổi cao độ, mà còn học được cả ngữ điệu, chỗ ngừng, cả hơi thở. Tôi tách một đoạn thoại, mỗi câu gắn nhãn cảm xúc khác nhau – thành quả có cả “diễn xuất” luôn.

Những cú vấp: đừng coi clone như “máy ghi âm”

Lần đầu dùng, tôi tham lam, muốn clone năm nhân vật một lúc.

Kết quả? Giọng mờ hết, như năm người dùng chung một cái miệng. Sau mới hiểu, nhân bản giọng nói AI miễn phí cần bạn cung cấp đủ audio mẫu – mỗi nhân vật ít nhất 15 giây giọng sạch, tốt nhất là cùng một trạng thái cảm xúc.

Có lần tôi lấy thẳng audio trong game ra clone, kết quả là cảnh báo bản quyền làm tôi suýt đứng tim.

Giờ tôi toàn tự thu, hoặc dùng mấy giọng mẫu có sẵn trong trang. Đúng vậy, voice clone không cần đăng ký này mở ra dùng luôn, thu xong kéo vào là chạy, sướng.

Chiến thuật lồng tiếng nhiều nhân vật

Quy trình tôi đang dùng để lồng tiếng NPC trong game:

Viết thoại trước, chia theo nhân vật, mỗi đứa chọn một giọng nền (trang có sẵn vài chục preset, đủ dùng), rồi tinh chỉnh tốc độ, cao độ, cường độ cảm xúc.

Bước quan trọng nhất là “neo nhân vật” – cùng một nhân vật, tất cả các câu thoại đều dùng chung một model clone, đừng trộn lung tung.

À, cái tính năng đọc văn bản bằng giọng nói AI hợp với thoại dài lắm, nó tự động ngắt câu, tự nhiên hơn tôi gõ dấu phẩy tay nhiều.

Sự thật đằng sau chữ “miễn phí”

Chắc bạn thắc mắc: miễn phí vĩnh viễn á? Thiệt hả?

Tôi dùng hơn một tháng, chưa tốn xu nào, cũng chưa thấy tường phí chặn. Nhưng lưu ý, bản miễn phí có giới hạn ký tự mỗi ngày – đủ để bạn lồng tiếng cho hai ba giờ audio.

Ngoài ra, bản giọng nói AI miễn phí này chất lượng tối đa 44.1kHz, làm hiệu ứng game thì ngon, nhưng nếu tính làm radio play thì nên dùng tạo giọng nói không cần đăng ký thử nhiều model.

Dù sao, công cụ chính của tôi hiện tại là trang chủ tạo giọng nói miễn phí này – ổn định, không quảng cáo.

Demo thực chiến: lồng tiếng cho NPC “mèo lười”

Tuần trước tôi nhận yêu cầu mới – một NPC mèo, thoại vừa kiêu vừa dính người, kiểu “Hừ, ta mèo đâu có cố tình đợi ngươi!”

Ban đầu tôi dùng preset “giọng nữ trẻ” – kết quả ngọt quá, không có cái vẻ “ngại ngùng” của mèo. Sau tôi tự thu một đoạn mình nhại giọng mèo, khoảng 20 giây, rồi clone.

Giọng tạo ra làm tôi sững vài giây – chữ “Hừ” kéo dài với âm cuối lên cao, kèm một chút tiếng mũi khó nhận ra, đúng kiểu mèo luôn.

Tôi đưa vào game, đứa đồng nghiệp đi ngang hỏi: “Lồng tiếng này thuê ai vậy?” Tôi bảo AI, nó nhìn màn hình hồi lâu, cuối cùng thốt: “Thì ra AI cũng biết diễn.”

Xử lý chi tiết “cảm xúc”

Nhiều hướng dẫn không nói với bạn: khi clone giọng, nhãn cảm xúc quan trọng hơn cả chất giọng.

Ví dụ cùng câu “Cuối cùng ngươi cũng đến”, gắn nhãn “ngạc nhiên” và “tủi thân” – kết quả khác nhau một trời một vực. Tôi có thói quen thêm gợi ý cảm xúc trước mỗi câu thoại, kiểu “[vui] Cuối cùng ngươi cũng đến” – công cụ này hiểu được.

Mẹo nhỏ: muốn giọng nhân vật nghe như “hụt hơi”, bạn thêm dấu ba chấm cuối câu, TTS tự động kéo dài âm cuối. Tôi thử rồi, tự nhiên hơn chỉnh thông số hơi thở tay nhiều.

Những câu hỏi thường gặp

Giọng clone có bị “điện tử” không?

Câu hay. Lúc đầu tôi cũng lo, nhưng dùng thực tế, chỉ cần audio mẫu sạch, giọng clone ở tốc độ bình thường gần như không nghe ra tổng hợp. Thỉnh thoảng có chỗ ngắt hơi không tự nhiên, tôi thêm dấu phẩy hoặc chấm câu cho TTS “thở” thêm.

Nhiều nhân vật đối thoại, làm sao chuyển giọng mượt?

Tôi thường tạo riêng file audio cho mỗi nhân vật, rồi trong engine game phát theo điều kiện kích hoạt. Như vậy chuyển đổi không lag, và mỗi nhân vật có đường cảm xúc riêng.

Công cụ này hát được không?

Được. Chế độ nhân bản giọng nói hát, tôi thử cover một bài demo thành giọng nữ, nghe cũng tạm. Nhưng hát khó hơn nói, cần audio mẫu dài hơn, và chỉnh cao độ sau đó vẫn phải làm.

Kết

Giờ bạn tôi hỏi “NPC này lồng tiếng ai vậy”, tôi trả lời “một AI miễn phí, tên là nền tảng nhân bản giọng nói miễn phí”. Tụi nó không tin, tôi demo ngay tại chỗ – thu hai câu, clone, tạo đoạn thoại mới, tổng cộng chưa đầy hai phút.

Bạn thử nghĩ, mười năm trước muốn có giọng như vậy phải tốn bao nhiêu tiền thuê diễn viên?

Còn bạn, có nhân vật game nào bạn muốn thử lồng tiếng bằng chính giọng của mình không?