Đêm qua 23h, tôi vừa up một video 3 phút lên TikTok, bạn thân nhắn: "Giọng này nghe ngon ghê, thuê ai lồng tiếng?" Tôi cười: "AI." Đối phương gửi một dấu hỏi, rồi tiếp: "Voice changer à?" Tôi nhìn màn hình giật mình – nếu nói nguyên liệu là chiếc điện thoại đã dùng 2 năm, màn hình vỡ, viền nóng ran, chắc bạn ấy sẽ block ngay.

Tin nhắn Zalo, bản ghi họp Zoom – tôi từng nghĩ素材 đã đủ

Lần đầu, tôi kéo vài tin nhắn thoại Zalo tuần trước, mỗi cái 30 giây, nghĩ "đây chính là giọng tôi, nguyên bản". Tải lên công cụ, kết quả nghe như qua层 chăn, mờ nhạt. Sau mới biết Zalo nén âm thanh để tiết kiệm dữ liệu, AI nhận được chỉ là "bánh mì nén" chứ không phải giọng thật.

Lần hai, lôi ra bản ghi họp Zoom quý trước. Có tiếng tôi nói, tiếng đồng nghiệp ho, gõ phím, chút nhiễu mic. Kết quả ghê hơn: nghe như quán net đêm khuya, vang vọng đến mức có thể làm phim ma.

Lần ba, ghi âm memo trên điện thoại khi đang đi bộ. Có tiếng gió, tiếng thang máy, tiếng ngón tay tap tap màn hình. Giọng clone ra thành một người lạ, trầm, khàn, hoàn toàn không giống tôi. Vợ nghe một giây: "Đây ai?"

Không phải điện thoại không làm được, là tôi không đối xử với ghi âm như một quá trình ghi âm chuyên nghiệp. AI không phải thần thánh, bạn ném cho nó một đống bùn nó không thể đắp thành hoa. Cửa ải của nhân bản giọng nói miễn phí không nằm ở công cụ, mà ở nguyên liệu.

Tắt điều hòa, tôi mới hiểu trọng lượng hai chữ "ghi âm"

Chiều thứ Bảy, đóng cửa, kéo rèm, tắt điều hòa, tắt quạt, bật chế độ không làm phiền. Ngay tiếng máy lạnh cũng thấy ồn.

Mở ứng dụng ghi âm mặc định, tắt hết "tăng cường giọng nói", "tối ưu theo cảnh" – những tùy chọn này dành cho gửi tin nhắn, đối với AI học giọng thì là thuốc độc, làm phẳng đặc trưng声纹. Miệng cách điện thoại một nắm tay, khoảng 20 cm. Đọc một đoạn 500 từ về chiếc bàn phím cơ mới tôi đang test. Ghi lại tận 10 lần, chọn cái ít bật mic, ít tiếng nước miếng nhất.

Trước khi upload, tôi đã bị "PTSD" bởi các trang khác: bắt đăng ký số điện thoại, bắt nhập OTP, mới 합 thành 2 đoạn đã hiện "tiếp tục vui lòng thanh toán", hay treo bảng "vĩnh viễn miễn phí" mà dùng 3 lần là biến mặt. Nhiều nơi quảng cáo tạo giọng nói miễn phí thực ra chỉ cho chọn vài giọng nam/nữ có sẵn, chứ không phải giọng của bạn. Tôi chỉ viết blog, không muốn cài phần mềm, không muốn ngồi điều chỉnh tham số hàng giờ.

Mở công cụ nhân bản giọng nói miễn phí không cần đăng ký, giao diện sạch, không tài khoản, không OTP. Kéo file lên, uống ly trà xong là xong. Giọng trả về trầm ấm hơn tin nhắn Zalo, nhưng chính xác là tôi – ngay cả tiếng thở dài đặc trưng cũng còn đó.

Cần phân biệt: nhiều người nhầm lẫn chuyển văn bản thành giọng nói (TTS) với nhân bản giọng nói. Text to speech tiếng Việt miễn phí hiện nay rất tự nhiên, nhưng đó là một "phát thanh viên chuẩn" đọc hộ bạn, chữ chính âm 둥, không mang dấu ấn cá nhân. Voice cloning tiếng Việt thì cho "bạn" đọc –声纹被吃进去, 长出一个数字分身.

Từ trang chuyển văn bản thành giọng nói miễn phí có thể chuyển sang tính năng clone ngay, dán đoạn văn bản là nghe thử. Tôi test một đoạn copy sản phẩm, lưng rùng mình – giống bản nhân đến mức sợ.

Việt Nam hiện đang siết chặt quản lý声纹、dữ liệu cá nhân (Nghị định 13/2023/NĐ-CP), nội dung AI sinh ra cũng phải gán nhãn. Tiêu chí chọn công cụ của tôi chỉ một: đừng xin số điện thoại, đừng ép thực danh, dữ liệu đừng đi lạc chỗ. Voice clone không cần đăng ký, chuyển văn bản thành âm thanh miễn phí ngay trên trình duyệt, nhẹ nhàng như vậy mới hợp gu.

Quy trình ghi âm – clone trên điện thoại của tôi, đơn giản đến chán

  • Dọn dẹp không gian: điều hòa, quạt, máy tạo ẩm, tiếng sửa nhà dưới tầng – tắt hết. Quá ồn thì đợi sau 23h.
  • Cài đặt: ứng dụng ghi âm gốc, tắt mọi tùy chọn "thông minh". Miệng cách máy một nắm tay.
  • Đọc: chuẩn bị 300‑500 từ, nói chậm, cắn rõ phụ âm, âm đầu âm cuối. Đừng vội, vội là hỏng.
  • Upload: vào trang chuyển văn bản thành âm thanh miễn phí, thả file vào. Không hội viên, không OTP, không "hôm nay đã hết lượt".
  • Hợp thành: chờ vài phút. Giọng của bạn đã "sống" trong trình duyệt, khi nào cần dán văn bản, lúc đó xuất audio.

Ứng dụng nhiều lắm: ghi thông báo nội bộ cho công ty (không cần tự xuất mặt), làm lồng tiếng video bằng AI miễn phí cho TikTok, Reels, YouTube Shorts, thậm chí thu âm audiobook bằng AI miễn phí để thử giọng. Sửa copy bao nhiêu lần, nó đọc bấy nhiêu lần, không tính phí thêm.

Có bạn dev hỏi có free TTS API gắn vào mini‑app không, tôi đã tìm hiểu nhưng phiên bản web đã đủ dùng hàng ngày. Nếu muốn đi sâu, bí quyết nâng cao nhân bản giọng nói có vài mẹo xử lý nhiễu nền và kịch bản động, tôi rảnh thường lật xem.

Tuần trước hội nhóm nhờ ghi thông báo sự kiện, tôi lười ra mặt, dùng cách này合成一段. Đối phương trả lời: "Thuê MC bao nhiêu? Tôi báo chi phí." Tôi trả: "Free." Đối phương im lặng.

Vậy, điện thoại ghi âm có làm được nhân bản giọng nói miễn phí không? Có. Chỉ cần bạn cho nó một lần ghi âm nghiêm túc, không phải vứt lên bàn làm việc tùy hứng. AI không có phép màu, nó chỉ trả lại thái độ bạn dành cho giọng nói của chính mình.

Hôm nay bạn thử ghi một đoạn 300 từ trong phòng yên tĩnh, upload lên công cụ xem sao – có thể bạn sẽ ngạc nhiên như tôi đấy.