Nhân bản giọng nói miễn phí có thật sự ổn? Tôi thử với bài giảng, kết quả bất ngờ

Tuần trước, tôi đang gấp rút làm một khóa học online, thu âm phần thuyết minh cho hơn 20 slide PowerPoint, đến mức khản cả giọng. Đứa bạn cùng phòng liếc mắt nhìn tôi, rồi dí điện thoại vào mặt: “Dùng cái này đi, khỏi cần thu âm cực khổ.” Tôi cười khẩy, trong đầu chỉ có hai chữ: xàm xí. Đồ miễn phí thì hoặc là bắt nhập số điện thoại, hoặc là phát ra cái giọng robot đều đều như tụng kinh, nghe xong buồn ngủ hơn cả giảng bài.

Nhưng mà, hết nước rồi, tôi bấm vào trang nhân bản giọng nói miễn phí. Và… ừm, tôi sai rồi, sai một cách ngoạn mục.

Lần đầu mở ra, tôi tưởng vào nhầm web lừa đảo

Giao diện sạch sẽ đến mức đáng ngờ. Không pop-up, không “đăng ký để nhận 5 phút dùng thử”, thậm chí không có nút đăng nhập nào. Tôi ngớ người ra vài giây, tự hỏi: chẳng lẽ đây là đồ án sinh viên làm xong rồi bỏ bê?

Thử dán một đoạn văn xuôi trong sách giáo khoa, chọn giọng mặc định, bấm “Tạo”. Chưa đầy mười giây, file audio đã hiện ra. Tôi đeo tai nghe vào, nghe một lúc rồi… ơ, cái này miễn phí thật á? Ngắt nghỉ, ngữ điệu, nhấn nhá – tự nhiên hơn tôi tưởng tượng rất nhiều, không hề có cái kiểu đọc bản tin nhà nước cứng nhắc.

Lướt xuống phần bài viết và cập nhật, tôi thấy web này cập nhật khá đều, mà cuối trang ghi rõ ràng “miễn phí vĩnh viễn”. Được rồi, tôi công nhận, ấn tượng đầu tiên của tôi đã bị lật kèo hoàn toàn.

Thử với bài giảng thật, nỗi sợ “giọng điện tử” không hề xuất hiện

Tôi upload một đoạn audio tôi tự thu, dài khoảng ba phút, để thử nhân bản giọng của chính mình. Quá trình nhanh hơn tôi tưởng: tải lên, phân tích, tạo giọng – cứ thế trôi tuồn tuột.

Điều làm tôi bất ngờ nhất là chất lượng giọng sau khi nhân bản. Giọng tôi hơi khàn, pha chút giọng địa phương miền Trung, thế mà nó học được đến bảy tám phần. Đặc biệt – không hề có cái đuôi “điện tử” mà mấy phần mềm TTS khác hay mắc phải. Trước đây tôi từng dùng vài công cụ chuyển văn bản thành giọng nói miễn phí, cứ đến cuối câu dài là giọng nó phiêu phiêu, còn cái này thì vững vàng.

Tôi còn thử một câu đùa: “Công thức này không nhớ cũng được, thi thì được mang phao.” Nó đọc với cái giọng đểu đểu của một người từng trải. Kiểu đó không chỉ là giống, mà là có hồn ấy chứ.

Cái tội “bắt đăng ký” – web này né luôn

Thành thật mà nói, máy tôi đang cài ít nhất năm phần mềm gọi là “AI đọc văn bản miễn phí”, nhưng đứa nào cũng bắt đăng ký, có đứa còn ép buộc liên kết thẻ ngân hàng. Riêng khoản đó, tôi đã muốn chửi từ lâu.

Trang tạo giọng nói miễn phí này thì khỏi cần đăng ký, mở ra là dùng. Tôi thử copy một đoạn giáo án dài năm trăm chữ, dán vào, chọn giọng, bấm tạo – không đụng đến nút “đăng nhập” dù chỉ một lần. Cảm giác này, nói thật, giống hồi những năm 2000 lên mạng – thuần khiết và sạch sẽ.

Mà nó không phải kiểu “nghe thử một phút rồi khóa” đâu nhé. Tôi tạo liên tiếp sáu đoạn audio, đoạn nào cũng xuất ra đầy đủ, không gặp giới hạn nào. Riêng vụ voice clone không cần đăng ký này, tôi sẵn lòng chấm thêm hai sao.

Nhân bản giọng mình – lúc đầu tôi tưởng tạch, nhưng cứu được

Lúc đầu tôi tham lam, ném thẳng vào một đoạn ghi âm có cả nhạc nền đằng sau. Kết quả là giọng clone nghe như bị bịt trong cái thùng nước – ù ù, khó chịu vô cùng.

Sau đó tôi đọc kỹ hướng dẫn trên web, mới biết là nên dùng giọng sạch, không tạp âm. Tôi thu lại một đoạn “A a a, một hai ba” thật khô, rồi clone lại lần nữa – lần này nghe thông thoáng hơn hẳn. Nên các bạn, nếu muốn thử voice cloning tiếng việt kiểu này, nhớ tìm một phòng yên tĩnh, đừng như tôi.

Thêm một mẹo nhỏ: nếu clone xong mà phát hiện một chữ nào đó đọc sai, đừng vội tạo lại cả đoạn. Cứ sửa lại chữ đó trong văn bản, rồi chỉ cần tạo riêng câu đó thôi, cuối cùng ghép lại là xong. Tính năng này không được ghi trên trang chủ, nhưng tôi test thử thì dùng được.

Ngoài đọc văn bản, nó còn… hát được

Đúng vậy, các bạn không đọc nhầm đâu. Trang web này có một trò chơi ngầm – trong mục nhân bản giọng nói miễn phí, bạn có thể upload một đoạn bạn hát a cappella, và nó sẽ dùng giọng của bạn để “hát” lại. Tôi thử bài “Chúc mừng sinh nhật”, thì giọng có hơi chênh phô, nhưng nhận ra ngay là giọng tôi. Đứa bạn tôi nghe xong cười như nắc nẻ.

Nói thật, tính năng này hợp để làm mấy clip chế, làm trò vui, chứ làm bài giảng nghiêm túc thì thôi. Nhưng mà, bạn tưởng tượng xem – một công cụ web không cần đăng ký, mà còn chiều được cả nhu cầu hơi bị “ngoài lề” như vậy, mà không thu thêm phí.

Vậy cái giá của sự miễn phí là gì? Tôi đã tự cắn trái đắng giúp bạn

Nhược điểm duy nhất là kho giọng đọc có sẵn hơi ít, chỉ khoảng mười mấy giọng. Nhưng nếu bạn chịu khó bỏ ra năm phút để thu một đoạn giọng của mình, thì giọng clone sẽ là vô hạn. Và mỗi lần tạo, thời lượng không bị giới hạn, khác hẳn mấy cái text to speech tiếng việt miễn phí khác, cứ quá hai trăm chữ là bắt trả phí.

Một cái hố nho nhỏ nữa: lúc mạng chậm, thời gian tạo có thể lâu hơn, khoảng nửa phút. Nhưng so với mấy web “xoay xoay ba phút rồi báo lỗi” mà tôi từng gặp, thế này là quá đáng khen.

So với phần mềm trả phí, khác biệt nằm ở đâu?

Tôi đang có một phần mềm đọc văn bản trả phí, mua hồi trước, mỗi tháng ba mươi tám nghìn. Cùng một đoạn bài giảng, tôi cho cả hai chạy, rồi nghe bịt mắt so sánh ba lần – nói thật, bản trả phí xử lý chỗ ngắt hơi tinh tế hơn, phân biệt được từng mili giây ngừng nghỉ, nhưng khoảng cách đó không đến mức “một trời một vực”.

Mà quan trọng hơn, bản trả phí mỗi lần tạo đều bắt tôi chỉnh tay “cường độ cảm xúc”, “đường cong tốc độ”, loay hoay cả buổi, cuối cùng kết quả chưa chắc đã ưng. Cái web miễn phí này lại đỡ đần, nó tự động xử lý nhịp điệu dựa trên dấu câu và ngữ cảnh, tôi chẳng cần động não gì.

Tất nhiên, nếu bạn làm sách nói thương mại hay lồng tiếng quảng cáo chuyên nghiệp, thì vẫn nên tìm diễn viên lồng tiếng thật. Còn với nhu cầu như làm bài giảng, cắt video ngắn, thu intro cho podcast – công cụ miễn phí này đã quá đủ, thậm chí còn vượt mong đợi.

Xử lý bài giảng hàng loạt? Tôi thử, năng suất tăng gấp đôi

Chiều hôm qua, tôi nổi hứng copy toàn bộ phần ghi chú trong slide của chương “Hàm số lượng giác”, tổng cộng mười hai mục, mỗi mục khoảng ba trăm chữ. Tôi mở một file Word, dán từng đoạn vào web, bấm tạo, rồi đi pha ly trà. Quay lại, mười hai file audio đã nằm gọn trong danh sách tải về.

Mỗi đoạn dài khoảng mười lăm đến hai mươi giây, tôi xử lý xong chưa đầy mười phút. Trước đây tự thu âm, chỉ riêng việc uống nước, hắng giọng, đọc lại mấy câu vấp là đã mất cả tiếng đồng hồ. Giờ thì kéo thẳng vào CapCut, căn theo thời gian chuyển slide, xuất ra là xong.

Chỉ có một lưu ý: trước khi tạo, nên soát lại văn bản xem có lỗi chính tả hay ký tự lạ không, như “&”, “#” – thỉnh thoảng chúng làm giọng đọc sai tùm lum. Tôi từng dính một phát, nó đọc “π≈3.14” thành “pi xấp xỉ ba phẩy một bốn”, nghe mà muốn xỉu. Sửa thành “số pi xấp xỉ 3.14” thì đọc chuẩn ngay.

Nói thật lòng

Hôm qua tôi dùng nó để lồng tiếng toàn bộ bài giảng “Hàm số lượng giác” cho tuần tới, mười hai đoạn, đoạn nào cũng trôi chảy tự nhiên. Hôm nay lên lớp, học sinh không đứa nào hỏi “cô ơi sao giọng cô khàn thế?” – vì chúng chẳng nhận ra đó là giọng AI.

Nếu các bạn cũng chán cảnh ngồi trước mic thu đi thu lại mấy chục lần, thì thử qua trang chuyển văn bản thành âm thanh miễn phí này xem sao. Dù sao cũng không cần đăng ký, không hợp thì tắt đi, chẳng mất gì. Nhưng theo kinh nghiệm của tôi, bạn sẽ dùng một lần rồi lưu vào bookmark ngay. Vì đã có đồ miễn phí ngon lành, ai lại đi mua khổ làm gì, đúng không?

Mà nếu bạn đã thử rồi, quay lại kể tôi nghe bạn dùng nó làm gì nhé. Tôi tò mò lắm, không biết ngoài chuyện làm bài giảng, người ta còn nghĩ ra trò gì với cái web này nữa.