Giọng đọc AI tiếng Việt: chọn giọng, ngắt nghỉ, cảm xúc

Người xem có thể bỏ qua một khung hình hơi xấu, nhưng rất khó bỏ qua một giọng đọc gượng gạo. Chỉ cần vài câu đầu nghe đều đều như máy, ngón tay đã lướt sang video khác. Tin vui là giọng AI tiếng Việt ngày nay đã khá tự nhiên, và phần lớn sự khác biệt giữa "giọng robot" và "giọng nghe được" nằm ở những thứ bạn kiểm soát được: chọn giọng, cách viết văn bản, và cách chỉnh ngắt nghỉ.

Bước 1: Chọn giọng theo nội dung, không theo sở thích

Trước khi nghe thử hàng chục giọng, hãy trả lời ba câu:

• Ai đang nói? Người dẫn chuyện, nhân vật trong phim, người bán hàng, thầy cô giáo?
• Nói với ai? Học sinh tiểu học, dân văn phòng, người lớn tuổi, khách hàng trẻ?
• Không khí thế nào? Vui nhộn, ấm áp, nghiêm túc, rùng rợn?

Một vài gợi ý:

• Video giáo dục, bài giảng: giọng rõ, tốc độ vừa, ấm, không quá kịch tính.
• Review sản phẩm, quảng cáo shop: giọng năng động, nhanh hơn một chút, tươi.
• Truyện ma, truyện bí ẩn: giọng trầm, chậm, nhiều khoảng lặng.
• Kể chuyện cổ tích cho trẻ em: giọng ấm, biểu cảm rõ, có thể đổi giọng theo nhân vật.
• Tin tức, tổng hợp: giọng trung tính, đều, mạch lạc.

Giọng vùng miền

Giọng Bắc, Trung, Nam mang lại cảm giác khác nhau. Nếu kênh của bạn hướng tới khán giả một vùng, hoặc nhân vật có quê quán rõ ràng (bà bán chè Huế, anh xe ôm Sài Gòn), chọn giọng đúng vùng làm câu chuyện thật hơn hẳn. Điều quan trọng là nhất quán: một nhân vật giữ một giọng suốt series.

Bước 2: Viết văn bản để đọc, không phải để xem

Văn viết và văn nói khác nhau. Văn bản đưa cho AI đọc nên:

• Câu ngắn. Câu dài 40 chữ khiến AI đọc một hơi hoặc ngắt sai chỗ. Chia thành 2–3 câu.
• Từ ngữ đời thường. "Bạn thử nghĩ xem" tự nhiên hơn "Hãy thực hiện việc suy ngẫm".
• Ít dấu ngoặc, ít ký hiệu. Dấu gạch chéo, ngoặc đơn, ký hiệu % hay & có thể bị đọc sai hoặc bỏ qua.
• Có từ nối của văn nói: "mà", "thì", "đấy", "nhé", "nè" giúp giọng có hồn.

Thử đọc to văn bản của chính bạn. Chỗ nào bạn vấp, AI cũng sẽ vấp.

Bước 3: Ngắt nghỉ, bí quyết của giọng tự nhiên

Người thật không nói liền một mạch. Họ ngừng để lấy hơi, ngừng để nhấn mạnh, ngừng trước điều bất ngờ.

• Dấu phẩy cho ngừng ngắn, dấu chấm cho ngừng dài hơn. Thêm dấu phẩy đúng chỗ là cách đơn giản nhất để chỉnh nhịp.
• Dấu ba chấm thường tạo khoảng lặng ngập ngừng, hợp với cảnh hồi hộp hoặc suy tư.
• Xuống dòng, tách đoạn giữa các ý giúp có khoảng nghỉ lớn.
• Nếu công cụ hỗ trợ chèn khoảng lặng có độ dài cụ thể, hãy dùng ở các điểm chuyển ý.

Ví dụ:

Trước: Hôm đó trời mưa rất to và tôi đứng chờ ở bến xe buýt suốt hai tiếng mà không thấy ai đến đón.

Sau: Hôm đó, trời mưa rất to. Tôi đứng chờ ở bến xe buýt… suốt hai tiếng. Không ai đến đón.

Câu sau có nhịp, có cảm xúc, dù dùng cùng một giọng.

Bước 4: Cảm xúc và nhấn nhá

Một số công cụ cho chọn cảm xúc (vui, buồn, giận, thì thầm…) hoặc mức độ biểu cảm. Dù có hay không, bạn vẫn có thể "dẫn" cảm xúc bằng văn bản:

• Câu cảm thán, câu hỏi khiến ngữ điệu lên xuống tự nhiên hơn câu kể.
• Từ cảm thán: "Trời ơi", "Ơ kìa", "Ủa" kéo giọng ra khỏi sự đều đều.
• Tạo nhiều bản đọc cho những câu quan trọng (câu mở đầu, câu cao trào) rồi chọn bản hay nhất. Cùng một câu, mỗi lần đọc có thể khác nhau về nhấn nhá.
• Đổi tốc độ theo cảnh: nhanh hơn ở đoạn hào hứng, chậm lại ở đoạn cảm động.

Bước 5: Xử lý số, tên riêng và từ nước ngoài

Đây là chỗ giọng AI hay lỗi nhất:

• Số: viết bằng chữ khi có thể nhầm. "2/9" có thể đọc thành "hai trên chín"; viết "mùng hai tháng chín".
• Số tiền, số điện thoại: viết theo cách bạn muốn nghe, ví dụ "ba mươi lăm nghìn đồng".
• Từ viết tắt: "TP.HCM" nên viết "Thành phố Hồ Chí Minh"; "AI" có thể đọc "ây ai" hoặc "a i", thử nghe và viết lại theo phiên âm nếu cần.
• Tên thương hiệu nước ngoài: nếu đọc sai, viết theo cách đọc ("Ai-phôn") trong bản dành cho giọng đọc, còn phụ đề giữ chính tả gốc.
• Từ đồng tự khác nghĩa: nghe lại kỹ những câu có từ dễ hiểu nhầm.

Mẹo: giữ hai bản văn bản: bản để AI đọc (phiên âm, viết số bằng chữ) và bản để làm phụ đề (chính tả chuẩn).

Bước 6: Khớp giọng với hình

• Cắt giọng theo câu thay vì một file dài, để dễ chỉnh thời điểm từng câu theo cảnh.
• Để khoảng thở giữa các cảnh; đừng nhồi lời kín từ đầu đến cuối.
• Nhân vật nói trên hình cần khớp khẩu hình (lip sync), nếu không người xem sẽ thấy lệch.
• Cân âm lượng giọng với nhạc nền: giọng luôn rõ hơn nhạc. Xem thêm bài âm thanh cho video AI.

Lỗi thường gặp

1. Dán nguyên bài viết vào cho AI đọc, câu dài, nhiều ký hiệu.
2. Một giọng đều đều cho cả video 5 phút, không đổi tốc độ, không khoảng lặng.
3. Đổi giọng nhân vật giữa các tập.
4. Không nghe lại toàn bộ trước khi xuất, bỏ sót chỗ đọc sai số, sai tên.
5. Dùng giọng nhái người nổi tiếng hoặc giọng của người khác khi chưa được cho phép, vừa thiếu tôn trọng vừa có thể vướng rắc rối pháp lý.

Checklist giọng đọc

• Giọng phù hợp người nói, người nghe, không khí video?
• Văn bản viết theo kiểu văn nói, câu ngắn?
• Đã thêm dấu phẩy, dấu chấm, khoảng lặng đúng chỗ?
• Số, tên riêng, từ viết tắt đã viết lại để đọc đúng?
• Câu quan trọng đã có nhiều bản đọc để chọn?
• Giọng rõ hơn nhạc nền, khớp với khẩu hình nếu nhân vật nói trên hình?
• Đã nghe lại toàn bộ một lượt bằng tai nghe?

Làm điều này trong adayroi studio

Trong adayroi studio, bạn có thể tạo lời thoại bằng giọng AI có cảm xúc và tạo nhiều bản đọc (takes) để chọn bản ưng nhất cho từng câu. Khi nhân vật 3D nói trong Director Studio, lip sync làm khẩu hình khớp lời thoại (cả khi hát), cử chỉ tay chân đi theo lời nói, còn phụ đề tự chia câu và cảnh báo khi tốc độ đọc quá nhanh. Bạn có thể bắt đầu với tài khoản miễn phí và xem hướng dẫn tại /docs.