So sánh các lựa chọn giọng đọc AI tiếng Việt (ElevenLabs, Vbee và các công cụ khác) theo trang chính thức, cách viết kịch bản để giọng AI đọc tự nhiên, xử lý số, tên riêng, và quy tắc khi nhân bản giọng.
Video không lộ mặt, video bán hàng, video giới thiệu sản phẩm đều cần giọng đọc. Tự thu âm thì mất thời gian và không phải ai cũng tự tin với giọng mình. Giọng AI tiếng Việt đã khá hơn nhiều so với vài năm trước, nhưng vẫn còn tình trạng đọc “như robot”, ngắt câu sai, đọc số và tên riêng lạ.
Bài này giúp bạn chọn công cụ phù hợp, và quan trọng hơn, viết kịch bản sao cho giọng AI đọc tự nhiên. Thông tin công cụ đối chiếu với trang chính thức ngày 27/10/2026.
Các lựa chọn giọng AI tiếng Việt
ElevenLabs
ElevenLabs là công cụ giọng AI phổ biến trên thế giới. Điểm cần biết với người Việt: không phải mô hình nào của ElevenLabs cũng hỗ trợ tiếng Việt. Theo trang trợ giúp chính thức:
- Eleven v3 (mô hình mới nhất, 74 ngôn ngữ): có tiếng Việt.
- Flash v2.5 (độ trễ thấp, 32 ngôn ngữ): có tiếng Việt.
- Multilingual v2 (29 ngôn ngữ): không có tiếng Việt trong danh sách.
Vì vậy nếu bạn thấy giọng tiếng Việt bị lơ lớ, hãy kiểm tra xem mình đang chọn mô hình nào.
Giá theo trang giá ElevenLabs:
| Gói | Giá/tháng | Credit/tháng |
|---|---|---|
| Free | $0 | 10.000 |
| Starter | $6 | 30.000 |
| Creator | $22 (tháng đầu $11) | 121.000 |
| Pro | $99 | 600.000 |
Credit được dùng chung cho mọi sản phẩm của ElevenLabs; với chuyển văn bản thành giọng nói trên giao diện, trang trợ giúp ghi 1 ký tự tốn 1 credit (chưa tính hệ số nhân của từng tính năng). Giá chưa gồm thuế. Trước khi dùng giọng cho video quảng cáo, hãy đọc điều khoản về quyền dùng thương mại của gói bạn chọn.
Vbee AIVoice
Vbee là công cụ giọng đọc của Việt Nam, có giọng tiếng Việt theo nhiều vùng miền. Ưu điểm với người Việt là giao diện tiếng Việt và thanh toán trong nước. Trang bảng giá của Vbee hiển thị số bằng mã chạy trên trình duyệt nên chúng tôi không đọc được con số khi tải tự động; hãy xem giá trực tiếp tại vbee.vn/pricing. Vbee cũng có gói cho doanh nghiệp tích hợp API, báo giá theo nhu cầu.
Giọng có sẵn trong trình dựng video
CapCut và nhiều trình dựng có sẵn tính năng chuyển chữ thành giọng nói tiếng Việt. Chất lượng thường đủ cho video ngắn, tiện vì làm luôn trong một nơi. Nhược điểm là ít giọng, ít tùy chỉnh.
Giọng nói trong video AI (Veo)
Veo 3.1 tạo được lời thoại ngay trong video, nhưng tiếng Việt chưa ổn định. Xem bài sửa lỗi Veo nói tiếng Việt.
Chọn công cụ nào?
| Nhu cầu | Gợi ý |
|---|---|
| Video ngắn, làm nhanh, ngân sách 0 | Giọng có sẵn trong trình dựng, hoặc gói miễn phí của các công cụ |
| Muốn nhiều giọng vùng miền Việt, thanh toán trong nước | Vbee |
| Muốn giọng biểu cảm, làm cả tiếng Anh | ElevenLabs với Eleven v3 |
| Cần giọng đọc gắn vào ứng dụng, tổng đài | Gói API của Vbee hoặc ElevenLabs |
Cách chọn chắc chắn nhất: lấy cùng một đoạn kịch bản 100 chữ có số, tên thương hiệu, câu hỏi, câu cảm thán, đọc thử trên 2–3 công cụ, rồi cho vài người nghe chọn mù.
Muốn có sẵn mẫu để làm theo? Kho tài nguyên miễn phí của 963X có sách nhập môn, 20 câu lệnh mẫu, checklist cài tự trả lời Messenger và bảng tra “cần gì thì dùng công cụ nào”.
Nhận tài nguyên miễn phíViết kịch bản để giọng AI đọc tự nhiên
Phần lớn lỗi “nghe như robot” đến từ kịch bản viết để đọc bằng mắt chứ không phải để nghe.
1. Câu ngắn
Mỗi câu một ý, tối đa khoảng 15–20 tiếng. Câu dài khiến AI ngắt hơi sai chỗ.
Viết: “Áo này vải linen. Mặc mát. Giặt máy được.” Thay vì: “Áo này được làm từ chất liệu vải linen mang lại cảm giác thoáng mát và có thể giặt máy dễ dàng.”
2. Viết số bằng chữ
- “99k” → “chín mươi chín nghìn”.
- “2–3 ngày” → “hai đến ba ngày”.
- “50%” → “năm mươi phần trăm”.
- Số điện thoại: tách nhóm và viết bằng chữ, hoặc tốt nhất là hiển thị trên màn hình thay vì đọc.
3. Tên riêng, tiếng Anh
Viết phiên âm theo cách bạn muốn nghe: “Ship COD” có thể đổi thành “giao hàng thu tiền tận nơi”, “Shopee” thường được đọc đúng nhưng hãy nghe thử.
4. Dùng dấu câu để điều khiển nhịp
- Dấu phẩy: ngắt ngắn.
- Dấu chấm: ngắt dài hơn.
- Dấu ba chấm: ngập ngừng, tạo tò mò.
- Xuống dòng giữa các ý để dễ chỉnh từng đoạn.
5. Viết như nói
Dùng “mình”, “bạn”, “nha”, “nè” nếu hợp với thương hiệu. Tránh văn bản hành chính.
Quy trình làm voice-over 60 giây
- Viết kịch bản khoảng 150–170 chữ (tốc độ đọc tiếng Việt bình thường).
- Chuẩn hóa số, tên riêng theo các quy tắc trên.
- Tạo giọng theo từng đoạn 2–3 câu thay vì cả bài một lần, để dễ sửa.
- Nghe lại bằng tai nghe, đánh dấu chỗ sai dấu, ngắt sai.
- Sửa chữ (thêm dấu phẩy, đổi từ), tạo lại đoạn đó.
- Ghép vào video, thêm nhạc nền nhỏ hơn giọng.
- Thêm phụ đề, vì nhiều người xem không bật tiếng.
Nhân bản giọng: được và không được
Nhiều công cụ cho phép nhân bản (clone) giọng từ một đoạn ghi âm.
- Được: nhân bản giọng của chính bạn, hoặc của người đã đồng ý bằng văn bản.
- Không được: nhân bản giọng người nổi tiếng, KOL, đối thủ, hoặc bất kỳ ai chưa đồng ý. Ngoài rủi ro pháp lý, nó vi phạm điều khoản của hầu hết công cụ và có thể bị dùng để lừa đảo.
- Ghi rõ “giọng đọc AI” trong video quảng cáo là cách làm minh bạch với khách.
Lỗi thường gặp
| Lỗi | Cách sửa |
|---|---|
| Sai thanh điệu một từ | Đổi từ đồng nghĩa, hoặc thêm dấu phẩy trước từ đó |
| Đọc số kiểu lạ | Viết số bằng chữ |
| Giọng đều đều | Câu ngắn hơn, thêm câu hỏi, câu cảm thán; thử mô hình khác |
| Giọng lơ lớ | Kiểm tra mô hình có hỗ trợ tiếng Việt không |
| Âm lượng các đoạn không đều | Chuẩn hóa âm lượng trong trình dựng |
Phụ đề, nhạc nền và chuẩn hóa âm thanh
Giọng hay đến mấy cũng có thể bị “chìm” nếu khâu hoàn thiện làm vội. Một vài thói quen nhỏ giúp video nghe chuyên nghiệp hơn:
- Phụ đề lấy từ chính kịch bản, không dùng nhận dạng giọng nói tự động rồi để nguyên. Bạn đã có văn bản chuẩn, chỉ cần chia dòng cho khớp thời gian. Phụ đề đúng dấu cũng giúp người xem không bật tiếng vẫn hiểu.
- Nhạc nền nhỏ hơn giọng rõ rệt. Khi giọng đang đọc, hạ nhạc xuống; khi không có lời, có thể tăng nhẹ.
- Dùng nhạc có giấy phép cho mục đích thương mại, hoặc nhạc trong thư viện của nền tảng bạn đăng.
- Xuất một bản nghe thử trên điện thoại, vì phần lớn khách xem bằng loa điện thoại, không phải tai nghe xịn.
- Lưu lại cài đặt giọng (tên giọng, tốc độ, mô hình) vào một ghi chú, để video sau giữ cùng một “giọng thương hiệu”.
Kết luận
Chọn công cụ chỉ là một nửa. Nửa còn lại là kịch bản viết để nghe: câu ngắn, số viết bằng chữ, dấu câu điều khiển nhịp. Thử cùng một đoạn trên vài công cụ, chọn giọng hợp thương hiệu, và chỉ nhân bản giọng khi có sự đồng ý.
Nguồn (đọc ngày 27/10/2026)
- ElevenLabs Help, các mô hình và ngôn ngữ hỗ trợ: help.elevenlabs.io
- ElevenLabs Docs, What languages do you support: elevenlabs.io/docs
- ElevenLabs, trang giá: elevenlabs.io/pricing
- Vbee, bảng giá dịch vụ: vbee.vn/pricing
