Lồng tiếng bằng giọng đọc AI hợp với video đào tạo nội bộ, video hướng dẫn sản phẩm, bài giảng trực tuyến và lời dẫn đơn giản; nó chưa hợp với phim truyện cần diễn xuất. Chất lượng bản lồng tiếng AI phụ thuộc phần lớn vào kịch bản tiếng Việt bạn đưa cho máy đọc: viết cho tai, khớp thời lượng, đánh dấu chỗ máy dễ đọc sai, rồi nghe kiểm từng câu.
Bài này dành cho biên dịch viên được khách nhờ làm luôn phần âm thanh, người làm đào tạo trong doanh nghiệp, và nhóm sản xuất nội dung nhỏ. Phần công cụ giọng nói có site riêng là AI Giọng Nói trong cùng hệ; ở đây tập trung vào phần việc của người dịch: kịch bản, chọn giọng phù hợp, soát lỗi, và chuyện xin phép khi dùng giọng của người thật.
Khi nào dùng giọng đọc AI, khi nào cần người đọc thật
Quyết định này nên bàn với khách từ đầu, vì nó ảnh hưởng cách bạn viết kịch bản và thời gian làm. Bảng dưới là gợi ý theo loại nội dung, không phải quy tắc cứng.
| Loại nội dung | Giọng AI | Người đọc thật |
|---|---|---|
| Video đào tạo nội bộ, hướng dẫn thao tác | Thường hợp, sửa nhanh khi quy trình đổi | Khi công ty muốn giọng quen của người hướng dẫn |
| Bài giảng trực tuyến nhiều chương | Hợp nếu nội dung chủ yếu giải thích | Khi cần nhấn nhá, kể chuyện, tương tác |
| Video giới thiệu sản phẩm ngắn | Dùng được cho bản nháp hoặc bản nội bộ | Khi phát hành rộng, cần giọng có cá tính |
| Phim truyện, phim hoạt hình | Chưa hợp, khó diễn cảm xúc và khớp khẩu hình | Gần như bắt buộc |
| Nội dung y tế, an toàn lao động | Dùng được nếu soát rất kỹ từng thuật ngữ | Nên có người duyệt chuyên môn dù dùng giọng nào |
Một lợi thế thật của giọng AI là sửa rẻ. Khi quy trình trong video đào tạo thay đổi một bước, bạn chỉ sửa câu đó và cho máy đọc lại, không phải gọi người đọc vào phòng thu. Đây là lý do nhiều doanh nghiệp chọn giọng AI cho tài liệu nội bộ cập nhật thường xuyên.
Viết kịch bản dịch cho máy đọc
Kịch bản cho giọng AI khác kịch bản cho người đọc ở chỗ máy không tự ngắt nghỉ theo nghĩa, không tự biết chỗ nào cần nhấn. Câu dài nhiều mệnh đề với người đọc thật vẫn ổn vì họ tự lấy hơi; với máy, câu dài thường bị đọc một mạch, nghe đều đều. Hãy tách câu ngắn, mỗi câu một ý, đặt dấu phẩy ở đúng chỗ muốn máy nghỉ.
Câu dịch cũng phải vừa thời lượng của đoạn hình. Video đào tạo thường có thao tác trên màn hình: bấm nút, kéo thả, mở trình đơn. Lời đọc phải nói tới thao tác đúng lúc thao tác hiện ra. Tiếng Việt đọc thường dài hơn tiếng Anh ở một số câu kỹ thuật vì phải giải thích thuật ngữ, nên đo thời lượng từng đoạn ngay khi viết, đừng để đến khi ghép mới phát hiện lời chạy trước hình.
Văn phong cũng cần đổi. Bản gốc tiếng Anh của video đào tạo hay dùng câu mệnh lệnh ngắn kiểu "Click Save". Dịch thẳng thành "Nhấp Lưu" nghe cộc khi đọc thành tiếng; "Bạn bấm nút Lưu" hoặc "Tiếp theo, bấm Lưu" tự nhiên hơn. Chọn cách xưng hô với người xem từ đầu và giữ nguyên cả bộ video.
Những chỗ giọng đọc AI tiếng Việt hay đọc sai
Giọng tổng hợp tiếng Việt đã tốt hơn nhiều, nhưng vẫn có những chỗ hay sai mà người dịch nên đánh dấu và nghe kỹ. Kiểm phiên bản công cụ hiện hành vì mỗi lần cập nhật có thể đổi cách đọc.
- Từ viết tắt: máy có thể đọc thành chữ, đọc từng chữ cái theo kiểu tiếng Anh hay tiếng Việt. Viết rõ cách muốn đọc trong kịch bản đọc, ví dụ viết bằng chữ cách phát âm mong muốn.
- Con số, ngày tháng, đơn vị: "1/2" có thể là ngày mùng một tháng hai hoặc một phần hai; "10m" có thể là mười mét hay mười phút. Viết bằng chữ những chỗ dễ nhầm.
- Từ tiếng Anh giữ nguyên trong câu tiếng Việt: tên phần mềm, tên nút bấm. Máy đọc kiểu Việt hoá hoặc kiểu Anh tuỳ công cụ; thống nhất một cách và kiểm từng lần xuất hiện.
- Thanh điệu ở từ hiếm, từ địa phương, tên riêng: máy có thể đọc lệch dấu hoặc ngắt sai giữa hai âm tiết.
- Từ đồng tự khác nghĩa trong ngữ cảnh: máy đọc đúng chữ nhưng nhấn sai, làm câu nghe như hỏi thay vì khẳng định.
- Câu có dấu ngoặc, dấu gạch ngang: máy có thể bỏ qua hoặc đọc ngắt quãng lạ.
Cách làm hiệu quả là giữ hai bản kịch bản: bản dịch chuẩn để giao làm phụ đề và lưu trữ, bản đọc đã sửa cách viết cho máy đọc đúng. Đừng đem bản đọc, với các con số viết bằng chữ và cách phát âm ghi tay, đi làm phụ đề. Đặt tên tệp phân biệt rõ hai bản để người làm tiếp không lấy nhầm.
Chọn giọng và thiết lập trước khi đọc cả bộ
Chọn giọng sai làm hỏng cả bộ video dù từng câu đều đúng. Mất nửa ngày thử giọng ở đầu dự án là rẻ so với làm lại.
- Hỏi khách khán giả là ai, ở vùng nào, độ tuổi nào. Giọng Bắc, giọng Nam, giọng trẻ, giọng trầm tạo cảm giác rất khác với cùng một nội dung.
- Chọn hai hoặc ba giọng ứng viên, cho đọc cùng một đoạn mẫu khoảng một phút có đủ thuật ngữ, con số và tên riêng của dự án.
- Gửi khách nghe đoạn mẫu và chốt một giọng bằng văn bản, kèm tốc độ đọc và độ nghỉ giữa câu.
- Ghi lại toàn bộ thiết lập đã dùng: giọng, tốc độ, cao độ, phiên bản công cụ. Khi phải đọc lại một câu sau vài tháng, thiết lập khác đi một chút là nghe lệch ngay.
- Đọc cả bộ, nghe từng câu, đánh dấu câu lỗi, sửa kịch bản đọc rồi cho đọc lại riêng câu đó.
Nếu công cụ có nhiều giọng nghe gần giống nhau, hãy đặt tên giọng đã chốt trong tài liệu dự án thật rõ để người làm tiếp không chọn nhầm.
Khi lời đọc dài hơn đoạn hình
Sửa câu trước, chỉnh tốc độ sau. Phản xạ đầu tiên của nhiều người là tăng tốc độ đọc cho câu dài. Tăng nhẹ thì được, nhưng tăng quá tay làm giọng máy nghe gấp gáp và khác hẳn các câu xung quanh. Sửa câu cho ngắn lại luôn là cách sạch hơn: bỏ phần nhắc lại điều hình đã cho thấy, đổi cụm dài thành từ ngắn.
Dời lời sang khoảng hình trống bên cạnh. Video đào tạo thường có những đoạn chỉ có thao tác, không lời. Một phần câu có thể dời sang đó, miễn không nói trước điều chưa hiện ra. Ghi rõ trong kịch bản đọc đoạn nào bắt đầu ở mã thời gian nào.
Đề nghị khách kéo dài cảnh. Khi người dựng hình còn làm việc với dự án, kéo dài vài giây ở một cảnh tĩnh thường dễ hơn ép lời. Đây là đề nghị nên đưa ra sớm, kèm danh sách những chỗ cần thêm thời gian.
Không cắt thông tin an toàn. Với video hướng dẫn vận hành máy, an toàn lao động hay quy trình vệ sinh, những câu cảnh báo phải được đọc đủ, dù phải xin thêm thời gian hình. Cắt bớt câu cảnh báo cho vừa hình là đánh đổi không nên làm.
Nghe lại cả đoạn sau khi sửa. Sửa một câu có thể làm câu sau bị đẩy lệch. Sau mỗi lần chỉnh, nghe lại cả đoạn liền mạch, không chỉ câu vừa sửa.
Giọng của người thật: chỉ dùng khi có đồng ý bằng văn bản
Nhiều công cụ cho phép tạo giọng đọc mô phỏng giọng một người cụ thể từ vài phút ghi âm. Với video đào tạo, khách đôi khi muốn dùng giọng của giám đốc hay của người hướng dẫn quen thuộc. Việc này chỉ nên làm khi chính người có giọng đó đồng ý bằng văn bản, biết rõ giọng sẽ dùng cho nội dung gì, trong bao lâu, và có quyền rút lại.
Không tạo giọng mô phỏng diễn viên, ca sĩ, người dẫn chương trình nổi tiếng, hay giọng của diễn viên lồng tiếng gốc trong phim, kể cả khi khách đề nghị và kể cả cho bản nháp. Ngoài chuyện quyền của người có giọng, việc này dễ khiến người xem tưởng người đó đã nói những lời ấy. Quy định pháp lý về giọng nói và nội dung tổng hợp đang thay đổi; khi gặp trường hợp chưa rõ, hãy hỏi luật sư, và có thể đọc thêm ở AI Bản Quyền trong cùng hệ.
Với video phát hành ra ngoài, nên ghi rõ giọng đọc được tạo bằng công cụ tổng hợp ở phần thông tin video hoặc phần giới thiệu. Ghi chú này không tốn gì mà giữ được lòng tin của người xem.
Bảo mật kịch bản và danh sách nghe kiểm cuối
Kịch bản video đào tạo nội bộ thường chứa quy trình, tên hệ thống, đôi khi số liệu của công ty. Trước khi đưa vào công cụ giọng nói trực tuyến, kiểm hợp đồng và chính sách của khách; khi được phép, bỏ tên khách hàng, tên nhân viên và số liệu không cần đọc. Sau đó nghe kiểm theo danh sách:
- Nghe trọn từng video cùng hình ở tốc độ thật, không chỉ nghe tệp âm thanh rời.
- Mọi thuật ngữ, tên nút, tên phần mềm đọc đúng và giống nhau ở mọi chỗ.
- Con số, ngày tháng, đơn vị đọc đúng nghĩa.
- Lời không chạy trước hoặc chạy sau thao tác trên hình quá một nhịp.
- Không có câu bị nuốt chữ, đọc lặp, hay nghỉ bất thường giữa câu.
- Mức âm lượng và tốc độ đều nhau giữa các video trong bộ.
- Đã lưu kịch bản đọc, thiết lập giọng và tệp âm thanh theo nơi khách chỉ định.
Người nghe kiểm tốt nhất là một người chưa đọc kịch bản. Người viết kịch bản tự nghe thường "nghe ra" câu đúng vì đã thuộc lòng, bỏ qua chỗ máy đọc sai.
Câu hỏi thường gặp
Giọng đọc AI tiếng Việt đã đủ tốt để lồng tiếng phim chưa?
Với phim truyện cần diễn xuất, cảm xúc và khớp khẩu hình thì giọng AI vẫn khó thay diễn viên. Với video đào tạo, hướng dẫn thao tác, bài giảng giải thích thì giọng AI đã dùng được nếu kịch bản viết cho tai và được nghe kiểm kỹ.
Làm sao để giọng AI đọc đúng từ viết tắt và con số?
Giữ một bản kịch bản đọc riêng, trong đó viết bằng chữ những con số, ngày tháng, đơn vị và từ viết tắt dễ đọc sai. Bản dịch chuẩn dùng cho phụ đề và lưu trữ thì vẫn giữ cách viết bình thường.
Có được dùng giọng mô phỏng của giám đốc công ty cho video đào tạo không?
Chỉ khi chính người đó đồng ý bằng văn bản, biết rõ phạm vi sử dụng, thời hạn và có quyền rút lại. Không tạo giọng mô phỏng người nổi tiếng hay diễn viên gốc. Trường hợp chưa rõ nên hỏi luật sư.
Nên chọn giọng Bắc hay giọng Nam cho video đào tạo?
Tuỳ khán giả chính của khách. Cách làm an toàn là cho hai ba giọng đọc cùng một đoạn mẫu có đủ thuật ngữ của dự án, gửi khách nghe và chốt bằng văn bản trước khi đọc cả bộ.
Người dịch có cần biết dùng công cụ giọng nói không?
Không bắt buộc, nhưng hiểu cách máy đọc giúp bạn viết kịch bản đọc đúng ngay từ đầu. Nhiều khách giao luôn cả phần âm thanh cho người dịch, nên biết thử giọng, chỉnh tốc độ và nghe kiểm là một kỹ năng có ích.
Có cần ghi chú cho người xem rằng giọng đọc là giọng tổng hợp không?
Nên ghi, nhất là với video phát hành ra ngoài. Một dòng trong phần thông tin hay phần giới thiệu video là đủ. Việc này giữ lòng tin của người xem và tránh hiểu nhầm rằng một người thật đã đọc.