Chỉ 5 giây ghi âm có đủ để nhân bản giọng nói? Tôi đã tự tay thử và đây là chuyện thật
Thật lòng mà nói, lúc đầu tôi không tin. Các trang quảng cáo nhân bản giọng nói miễn phí trên mạng thì một đứa hay hơn một đứa, kiểu 'chỉ cần 5 giây là tái hiện giọng của bạn' — 5 giây? Tôi đọc một câu 'hôm nay trời đẹp quá' cũng tốn cỡ đó, clone được cái gì đây.
Nhưng tay nó ngứa. Đúng tuần trước có chuyện này, bắt buộc tôi phải tìm hiểu cho bằng được.
Khởi nguồn: kênh TikTok của bố tôi
Bố tôi nghỉ hưu rồi nghiện quay TikTok, kể mấy chuyện thời trẻ đi sửa xe đạp. Vấn đề là — bố nói giọng địa phương nặng, tự đọc lời thoại bằng giọng chuẩn thì... không nổi. Quay một video, riêng phần ghi âm thôi là mất cả tối.
Tôi nghĩ, sao không thử chuyển văn bản thành giọng nói nhỉ? Clone luôn giọng của bố, sau này chỉ cần gõ chữ. Thế là tôi lướt tới trang chủ VoxClone, thấy ghi không cần đăng ký, miễn phí vĩnh viên. Cứ thử, mất gì đâu — chi phí 'toang' bằng zero.
Quá trình test: tôi ghi gì và 'toang' mấy lần
Nói trước là có toang. Lần đầu tôi ghi bằng điện thoại cho nhanh, nền có tiếng tivi — giọng clone ra nghe lờ mờ, như nói chuyện đắp chăn. Ghi lại.
Lần thứ hai thì khôn hơn: đóng cửa sổ, tắt tivi, sát micro, bình tĩnh đọc khoảng 7 giây. Lần này... nói sao nhỉ, hai câu đầu tôi suýt không nhận ra đó là giọng mình.
Cả quá trình chừng ba phút. Không đăng ký, không tải app gì cả, làm thẳng trên trình duyệt. Khác hẳn với cái tôi từng tưởng về mấy phần mềm phải cài đủ thứ, cấu hình loằng ngoằng.
Vậy 5 giây đủ hay chưa? Kết luận của tôi
Đủ, nhưng có điều kiện.
- Môi trường yên tĩnh quan trọng hơn độ dài — 5 giây sạch sẽ đè bẹp 30 giây ồn ào
- Đọc với tốc độ đều, đừng cố gằn giọng 'diễn', clone ra mới giống 'bạn thường ngày'
- Với văn bản dài nhiều cảm xúc, nên ghi thêm chút, khoảng 10 giây sẽ ổn định hơn
Sau đó tôi thử thêm mẫu 10 giây — đoạn dài chắc chắn mượt hơn, cuối câu không bị 'bổng' lên lung tung. Nhưng chỉ cần đọc kịch bản ngắn cho video TikTok, Reels cỡ một trăm hai trăm chữ, bản 5 giây dùng thoải mái.
Mà nói thật, text to speech tiếng việt miễn phí mà đọc tròn trịa, dấu câu xử lý ổn như thế thì tôi hơi bất ngờ. Tôi từng thử mấy công cụ nước ngoài, đọc tiếng Việt nghe như robot thập niên 90.
Ngoài lồng tiếng, mấy tình huống này tôi không ngờ tới
Thử xong bị 'nghiện', tôi ngồi liệt kê xem mình dùng được vào đâu:
- Làm bản audio những tin nhắn, thư cho bố mẹ, để chính giọng của họ đọc lên
- Xuất hàng loạt audio cho bài giảng, kịch bản video — không giới hạn ký tự, hợp với thằng hay trì hoãn như tôi
- Đọc truyện tranh cho con nhỏ, thay giọng liên tục, bé nghe nghiêm túc ghê
Còn một cái 'lệch' nữa: thằng bạn làm app, nó nhét luôn API chuyển văn bản thành âm thanh miễn phí vào làm tính năng thông báo, tiết kiệm được một khoản ngân sách, cười xỉu.
Mấy bạn làm nội dung thì khỏi nói — lồng tiếng video bằng ai miễn phí cho video ngắn, hoặc thu âm audiobook bằng ai miễn phí để test giọng đọc trước khi đầu tư thu studio, đều hợp cả. Muốn giọng đọc hay miễn phí mà không muốn vất vả, cứ lên trang dynamic xem cách người khác dùng, nhiều mẹo lắm.
FAQ: mấy câu các bạn chắc sẽ hỏi
Clone giọng của mình có rủi ro gì không?
Chỉ clone giọng của chính mình, hoặc giọng của người đã đồng ý rõ ràng, thì không sao. Đừng bao giờ lấy giọng người khác để làm chuyện xấu — ranh giới này phải có.
Thật sự miễn phí? Sau này có bắt trả tiền không?
Tôi dùng hai tuần rồi, chưa gặp tường phí nào. Voice clone không cần đăng ký, đọc văn bản bằng giọng nói ai — đều dùng được thẳng tay. Dĩ nhiên chuyện dài hạn của mấy trang công cụ thì ai mà biết được, còn miễn phí thì cứ tận dụng.
Hỗ trợ tiếng Việt thế nào?
Tiếng Việt là 'mặt trận chính', đọc chuẩn dấu hơn mấy công cụ nước ngoài tôi từng thử nhiều. Tiếng Anh cũng đọc được, hơi kiểu 'người dẫn chương trình' một chút nhưng nghe ổn.
Chốt lại
5 giây, đủ hay chưa, câu trả lời phụ thuộc vào 5 giây đó sạch hay không. Lời khuyên của tôi ngắn gọn: hôm nay tìm một góc yên tĩnh, ghi đoạn mình đọc bằng điện thoại, thả vào VoxClone nghe thử — nghe một lần trực quan hơn tự đoán cả trăm lần.
À, nếu nhà bạn cũng có một ông bố mê quay video ngắn như bố tôi, hãy clone giúp ông ấy một giọng đọc đi. Ông ấy sẽ khoe khắp nơi cho mà xem.