Tôi làm voice cloning tiếng Việt cho bot chăm sóc khách hàng và suýt mất hợp đồng vì… con mèo

Tháng trước tôi nhận một job nhỏ: làm giọng nói cho bot chăm sóc khách hàng của một shop online. Yêu cầu nghe rất đơn giản — giọng ấm, tự nhiên, "đừng máy móc quá". Tôi nghĩ bụng, chuyện nhỏ. Trên mạng thiếu gì công cụ nhân bản giọng nói miễn phí?

Rồi tôi gửi bản demo đầu tiên. Khách nghe xong, im ba giây. Rồi nhắn một câu: "Giọng này… vừa đi nhổ răng về hả anh?"

Đó là lúc tôi biết mình sắp tốn vài đêm.

Lần thử đầu tiên: tôi tưởng nhân bản giọng nói là chuyện tâm linh

Đêm đó tôi mở đại một trang web, thu một đoạn "Xin chào, tôi có thể giúp gì cho bạn ạ", đợi một lúc… và nhận về một giọng đọc mà từng chữ thì đúng, nhưng ghép lại nghe như robot bị cảm. Ngắt nghỉ cũng sai: "Xin chào, tôi có / thể giúp / gì cho bạn ạ". Nếu bot CSKH nói kiểu đó, khách gọi đến chắc cúp máy trước khi nghe hết câu.

Tôi bắt đầu hoang mang. Hay tại mình thu âm quá ẩu? Hay mấy công cụ này vốn dĩ chỉ đến thế?

Tôi thử thêm hai trang khác. Một trang bắt đăng ký, một trang giới hạn 50 ký tự mỗi lần. Đến một giờ sáng tôi vẫn ngồi đó, tự hỏi liệu giọng nói AI miễn phí có phải lúc nào cũng nghe như đang ngậm kẹo.

Rồi tôi đọc được một comment trên diễn đàn, nhắc đến VoxClone — nghe nói voice clone không cần đăng ký, miễn phí vĩnh viễn. Tôi mở thử. Giao diện sạch, không cần đăng nhập, kéo file thu âm lên là chạy.

Nhưng lần đầu vẫn toang. Trong đoạn thu có tiếng con mèo nhà tôi kêu "meo" một cái. Thế là giọng tạo ra dính luôn một âm đuôi kỳ quặc ở cuối câu. Tôi ngồi nhìn màn hình, nghĩ: xong, lại công cốc.

Lần thứ hai: hóa ra vấn đề nằm ở ba thứ nhỏ xíu

Sáng hôm sau tôi làm lại, nghiêm túc hơn.

Một là chỗ thu âm. Tôi bật chế độ máy bay, đóng cửa sổ, chui vào tủ quần áo. Hơi bí thật, nhưng im. Thu khoảng 30 giây, nói chậm, rõ từng chữ.

Hai là cách ngắt câu. Tôi phát hiện khi chuyển văn bản thành giọng nói, dấu câu quan trọng hơn tôi tưởng. Câu "Xin chào tôi có thể giúp gì cho bạn" viết liền một hơi thì nó đọc như đang đuổi khách. Đổi thành "Xin chào, tôi có thể giúp gì cho bạn ạ?" — tự nhiên hẳn.

Ba là đừng tham. Lần đầu tôi nhét cả 500 chữ vào, nửa sau giọng bắt đầu trôi. Lần này tôi chỉ chuyển mười mấy câu CSKH hay dùng, mỗi câu tạo riêng rồi ghép lại. Kết quả tốt bất ngờ.

Khách nghe bản mới, gật gù: "Ừ, cái này được, nghe như người thật." Tôi thở phào. Chưa hoàn hảo, nhưng ít nhất không còn là robot cảm cúm nữa. Và quan trọng nhất — không tốn một đồng, không cần đăng ký.

Cảm giác thật khi dùng cho bot chăm sóc khách hàng

Sau đó tôi cố định quy trình: thu một đoạn giọng mẫu sạch, vào trang nhân bản giọng nói miễn phí tạo giọng, rồi chỉnh từng câu. Khách lên sóng, phản hồi ổn — ít nhất không ai phàn nàn "giọng giả quá".

Tôi cũng thử vài phần mềm khác. Có cái phải xếp hàng chờ, có cái xuất ra file dính watermark. Còn công cụ này thì đơn giản, không giới hạn ký tự rõ ràng. Tôi còn dùng nó để làm giọng đọc cho một video hướng dẫn nội bộ — muốn có giọng đọc hay miễn phí mà không phải thuê người đọc ngoài, thế là chuyển văn bản thành âm thanh miễn phí, xong trong buổi chiều.

Nói thật, mấy công cụ đọc văn bản bằng giọng nói AI giờ nhiều vô kể. Nhưng với người lười đăng ký, lười nhập thẻ, lười xem quảng cáo như tôi, tìm được một chỗ tạo giọng nói miễn phí mà dùng được ngay — vậy là đủ.

Tôi cũng từng nghĩ đến việc thu âm audiobook bằng AI miễn phí cho một dự án cá nhân, hoặc lồng tiếng video bằng AI miễn phí cho kênh TikTok. Nhưng đó là chuyện khác, để lúc nào rảnh kể tiếp.

FAQ: mấy câu tôi hay bị hỏi

Nhân bản giọng nói miễn phí có dùng thương mại được không?

Tùy công cụ. Với VoxClone tôi không thấy ghi rõ hạn chế thương mại, nhưng nếu là dự án lớn, cứ đọc kỹ điều khoản cho chắc. Tôi thì chỉ dùng cho demo khách nhỏ, chưa gặp vấn đề gì. Còn nếu bạn định làm hệ thống CSKH quy mô, nên xác nhận quyền sử dụng trước.

Giọng tạo ra có giống thật không? Cần thu bao lâu?

Giống hay không, bảy phần do bản thu, ba phần do công cụ. Lần đầu tôi thu mười mấy giây, ồn, kết quả tệ. Lần sau thu 30 giây trong phòng yên tĩnh, rõ và đều — giọng ra tự nhiên hơn hẳn. Không cần dài, nhưng phải sạch.

Text to speech tiếng Việt miễn phí có giới hạn ký tự không?

Cái tôi dùng thì chưa thấy giới hạn rõ ràng, chuyển vài trăm chữ vẫn ổn. Nhưng nhiều công cụ miễn phí khác giới hạn mỗi lần chuyển. Nếu văn bản dài, cứ chia đoạn ra xử lý — tiện thể chỉnh được ngữ điệu từng đoạn. Muốn xem thêm thì ghé trang hướng dẫn động.

Nói thẳng vài điều

Nếu bạn cũng đang cần giọng cho bot CSKH, đừng lao vào đòi "nhân bản hoàn hảo" ngay. Kiếm một chỗ yên tĩnh, lấy điện thoại thu 30 giây đọc mấy câu CSKH quen thuộc. Rồi vào VoxClone thử — không cần đăng ký, kéo file lên là chạy.

Lần đầu có thể chưa ngon. Đừng bỏ. Chỉnh lại dấu câu, thu lại một lần nữa, khả năng cao là được.

Nhân bản giọng nói, công nghệ chỉ là một nửa. Nửa còn lại là bạn hiểu bối cảnh mình đến mức nào — viết sao cho tự nhiên, ngắt câu sao cho đúng nhịp. Công cụ miễn phí đến mấy cũng không thay bạn làm được việc đó.

Thử đi. Có mất gì đâu.