Lồng tiếng bằng giọng AI dùng được tốt cho nội dung thông tin, cần nhiều ngôn ngữ và hay cập nhật: video hướng dẫn, đào tạo nội bộ, giới thiệu sản phẩm, bản nháp để duyệt nhịp dựng. Nó còn hạn chế rõ với nội dung sống bằng diễn xuất: phim truyện, hoạt hình, quảng cáo cảm xúc, những cảnh có tiếng cười, tiếng khóc, đối thoại chồng nhau. Ranh giới không cố định, công nghệ tiến nhanh, nhưng câu hỏi quyết định vẫn là: người xem có cần tin rằng đây là một con người đang cảm thấy điều mình nói hay không.
Bài này giúp bạn quyết định theo loại nội dung, giới thiệu mô hình lai giữa AI và người, các câu hỏi về đồng ý và quyền giọng nói cần trả lời trước khi bắt đầu, và danh mục kiểm một bản lồng tiếng AI trước khi phát hành. Bài không đi sâu vào cách công nghệ tổng hợp giọng hoạt động, mà đứng ở góc người ra quyết định cho một dự án cụ thể.
"Lồng tiếng AI" thực ra gồm bốn việc khác nhau
Đọc kịch bản bằng giọng tổng hợp. Bạn có kịch bản tiếng đích, công cụ chuyển thành lời đọc bằng một giọng có sẵn. Đây là dạng phổ biến nhất, hợp với voice-over cho video thông tin. Chất lượng phụ thuộc vào kịch bản: câu viết cho tai thì giọng AI đọc tự nhiên hơn nhiều so với câu viết cho mắt.
Chuyển giọng người này sang giọng người khác. Một người thật đọc với đầy đủ ngữ điệu, công cụ đổi âm sắc sang giọng khác. Cách này giữ được diễn xuất của người đọc, dùng khi cần nhiều giọng mà ít diễn viên, hoặc khi cần một giọng nhất quán đã được cấp phép.
Lồng tiếng tự động xuyên ngôn ngữ. Công cụ nhận video gốc, tự bóc lời, dịch máy và đọc lại bằng giọng mô phỏng người nói gốc ở ngôn ngữ khác. Nghe rất ấn tượng trong bản giới thiệu, nhưng gộp ba khâu dễ sai vào một: nghe, dịch, đọc. Mỗi khâu đều cần người kiểm nếu nội dung quan trọng.
Chỉnh khẩu hình bằng AI. Công cụ sửa chuyển động môi trên hình cho khớp lời mới. Giảm bớt ràng buộc khớp miệng khi dịch, nhưng là thao tác lên hình ảnh của người thật, nên câu hỏi đồng ý còn nặng hơn so với chỉ thay giọng.
Bảng chọn theo loại nội dung
Bảng dưới đây là khung tham khảo cho thời điểm hiện tại. Cột "lai" nghĩa là kết hợp AI với người, chi tiết ở mục sau.
| Loại nội dung | Giọng AI | Lai | Diễn viên thật |
|---|---|---|---|
| Video hướng dẫn sử dụng, câu hỏi thường gặp | Hợp | Khi có thuật ngữ khó | — |
| Đào tạo nội bộ hay cập nhật | Hợp, có người bản ngữ nghe kiểm | Hợp | Khi là video an toàn quan trọng |
| Bản nháp để duyệt nhịp dựng, thử kịch bản | Rất hợp | — | — |
| Video giới thiệu doanh nghiệp | Được với giọng dẫn trung tính | Hợp | Khi cần giọng thương hiệu riêng |
| Quảng cáo cảm xúc, phim thương hiệu | Hạn chế | Thận trọng | Hợp |
| Phim truyện, phim bộ, hoạt hình | Hạn chế | Một số vai phụ, quần chúng | Hợp |
| Phỏng vấn, nhân chứng thật | Không nên mô phỏng giọng người thật khi chưa có đồng ý | Giọng dịch trung tính có ghi rõ | Hợp |
Đọc bảng theo nguyên tắc: nội dung càng nhiều cảm xúc và càng gắn với một con người cụ thể, càng nên dùng người. Nội dung càng mang tính thông tin, càng cần cập nhật nhiều ngôn ngữ, giọng AI càng hợp lý. Cũng đừng quên khán giả: trẻ em và người lớn tuổi thường nhạy với giọng thiếu tự nhiên hơn người xem chỉ cần nắm thông tin.
Giọng AI tiếng Việt hay vấp ở đâu
Tiếng Việt có thanh điệu, nên ngữ điệu câu và thanh của từng chữ đan vào nhau. Giọng tổng hợp hiện nay đọc câu trần thuật khá tốt, nhưng thường vấp ở câu cảm xúc: câu hỏi ngạc nhiên, câu trách móc, câu nói đùa. Cùng một chữ "Thế à" có thể là quan tâm, hờ hững hay mỉa mai; giọng AI thường chọn một kiểu trung tính cho mọi trường hợp.
Lỗi thứ hai là đọc số, ký hiệu và từ viết tắt: "1/2" đọc là một phần hai hay mùng một tháng hai, "5%" trong một câu, mã sản phẩm, tên đơn vị đo. Lỗi thứ ba là từ mượn và tên riêng nước ngoài, mỗi chỗ một kiểu phát âm. Lỗi thứ tư là nhịp dừng: chỗ ngắt hơi rơi giữa cụm từ, làm câu nghe như đọc máy dù âm sắc rất người.
Những lỗi này khắc phục được phần lớn bằng cách chuẩn bị kịch bản cho máy đọc: viết số thành chữ theo cách muốn nghe, phiên âm tên riêng, chia câu ngắn, đánh dấu chỗ dừng. Nhưng việc chuẩn bị đó cần người hiểu cả ngôn ngữ lẫn nội dung, và vẫn cần người nghe kiểm bản cuối. "Dùng AI cho nhanh" không có nghĩa là bỏ người, mà là chuyển công của người từ phòng thu sang khâu chuẩn bị và kiểm tra.
Mô hình lai: kết hợp AI và người cho đúng chỗ
AI làm nháp, người làm bản cuối. Dùng giọng AI để dựng bản tạm, giúp đạo diễn và khách hàng duyệt nhịp dựng, độ dài kịch bản trước khi vào phòng thu. Đến khi mọi thứ đã khoá, diễn viên thật thu bản cuối. Cách này tiết kiệm nhiều buổi thu lại do kịch bản sửa muộn.
Người thu vai chính, AI hỗ trợ vai phụ. Với nội dung dài nhiều vai, một số dự án dùng giọng tổng hợp cho lời quần chúng, thông báo trong cảnh, vai rất phụ. Cần có đồng ý của những người có giọng được dùng làm mẫu, và người xem không nên nhận ra sự chênh lệch giữa các vai.
Người thu một lần, AI dùng cho cập nhật nhỏ. Video đào tạo được diễn viên thu bản đầy đủ; khi quy trình đổi vài câu, dùng giọng tổng hợp đã được diễn viên đó cấp phép để thay câu mới, thay vì gọi lại cả buổi thu. Điều kiện là hợp đồng ban đầu nói rõ việc này, phạm vi và thù lao.
AI dịch và đọc, người kiểm từng khâu. Với nội dung nhiều ngôn ngữ ít người xem, có thể cho công cụ chạy cả chuỗi, rồi người bản ngữ kiểm bản dịch, nghe bản đọc, sửa kịch bản và cho đọc lại. Thời gian của người dồn vào kiểm, không vào tạo.
AI không phải lúc nào cũng nhanh và rẻ hơn
Lý do phổ biến nhất để chọn giọng AI là tiết kiệm thời gian và chi phí. Điều này đúng với nội dung dài, giọng trung tính, ít cảm xúc. Nhưng với nội dung ngắn đòi hỏi sắc thái, bài toán có thể đảo ngược: người chuẩn bị kịch bản phải thử đi thử lại ngữ điệu từng câu, đổi cách viết, đổi dấu câu để giọng AI nhấn đúng chỗ, trong khi một diễn viên có nghề đọc đúng ngay sau hai ba lần thu. Thời gian tiết kiệm ở phòng thu có thể bị tiêu hết ở bàn chỉnh sửa.
Một chi phí ẩn khác là kiểm tra. Bản đọc của người thật thường sai theo kiểu dễ đoán và người đọc tự sửa khi thấy vấp; giọng AI có thể đọc trơn tru một câu sai nghĩa hoặc đọc sai một con số mà không có dấu hiệu gì. Người kiểm phải nghe từng chữ với sự chú ý cao, không thể nghe lướt.
Cách tính hợp lý là thử trên một đoạn mẫu của chính dự án, ghi lại tổng thời gian từ kịch bản tới bản đạt yêu cầu theo cả hai cách, rồi nhân lên theo độ dài. Con số thật của dự án bạn đáng tin hơn mọi lời giới thiệu chung về công cụ.
Đồng ý, quyền giọng nói và minh bạch với người xem
Giọng nói gắn với một con người cụ thể. Dùng giọng tổng hợp có sẵn trong công cụ là một chuyện; nhân bản giọng của một người thật, kể cả giọng của chính diễn viên trong video gốc để "nói" ngôn ngữ khác, là chuyện khác hẳn và cần sự đồng ý rõ ràng của người đó, bằng văn bản, có phạm vi sử dụng. Nhiều nơi đang siết dần vấn đề này: thoả thuận giữa nghiệp đoàn diễn viên Mỹ SAG-AFTRA và các hãng phim sau cuộc đình công năm 2023 đưa vào yêu cầu về đồng ý và thù lao khi tạo bản sao kỹ thuật số của diễn viên; bang Tennessee của Mỹ năm 2024 ban hành luật bảo vệ giọng nói và hình ảnh cá nhân trước việc mô phỏng trái phép.
Ở Việt Nam, khung pháp lý cho giọng nói tổng hợp vẫn đang phát triển; bảo vệ dựa vào các quy định về quyền nhân thân, quyền của người biểu diễn và hợp đồng giữa các bên. Vì vậy cách an toàn là thoả thuận rõ trong hợp đồng trước khi dùng giọng của bất kỳ ai làm mẫu, và hỏi luật sư khi dự án có quy mô lớn hoặc dùng giọng người nổi tiếng.
Về phía người xem, minh bạch là thực hành tốt: ghi rõ khi lời trong video là giọng tổng hợp, nhất là với phỏng vấn, tin tức, nội dung mà người xem tin rằng họ đang nghe chính người trên hình nói. Đạo luật AI của Liên minh châu Âu thông qua năm 2024 cũng có nghĩa vụ minh bạch đối với nội dung âm thanh, hình ảnh được tạo hoặc chỉnh sửa giống người thật; nếu nội dung của bạn phát hành ở thị trường đó, cần kiểm yêu cầu hiện hành.
Danh mục kiểm một bản lồng tiếng AI trước khi phát hành
Dù dùng giọng AI ở mức nào, bản cuối nên đi qua danh mục dưới đây, do một người bản ngữ không tham gia làm kịch bản thực hiện.
- Nghe toàn bộ cùng hình, đánh dấu mọi chỗ lời nói lệch với hình ảnh hoặc thao tác trên hình.
- Kiểm riêng mọi con số, đơn vị đo, ngày tháng, mã sản phẩm, từ viết tắt.
- Kiểm tên riêng và thuật ngữ theo bảng đã thống nhất.
- Nghe các câu hỏi, câu cảm: ngữ điệu có đúng ý không, có câu nào nghe như mỉa mai ngoài ý muốn không.
- Kiểm nhịp dừng: chỗ ngắt hơi có rơi giữa cụm từ không.
- Xác nhận có văn bản đồng ý cho mọi giọng người thật được dùng làm mẫu, và phạm vi đồng ý bao trùm lần phát hành này.
- Kiểm xem kịch bản, tài liệu đưa lên công cụ có thông tin mật không, và điều khoản của công cụ về lưu trữ dữ liệu.
Nếu bạn đang cân nhắc dùng giọng AI cho một dự án, có thể gửi yêu cầu trong mẫu đăng ký kèm mô tả nội dung và số ngôn ngữ cần làm; Dịch Hay sẽ đề xuất phần nào hợp với giọng AI, phần nào nên giữ cho người, kèm quy trình kiểm cụ thể.
Câu hỏi thường gặp
Giọng AI có thay thế hoàn toàn diễn viên lồng tiếng không?
Với nội dung thông tin, đào tạo, hướng dẫn, giọng AI đã thay được phần lớn công việc đọc, nhưng vẫn cần người chuẩn bị kịch bản và kiểm. Với phim, hoạt hình, quảng cáo cảm xúc, diễn viên thật vẫn cho kết quả đáng tin hơn. Ranh giới này dịch chuyển theo công nghệ, nên nên thử trên đoạn mẫu của chính dự án.
Có được dùng giọng của diễn viên gốc để nói tiếng Việt bằng AI không?
Chỉ khi có sự đồng ý rõ ràng của người đó và của bên giữ quyền đối với tác phẩm, trong phạm vi được thoả thuận. Giọng nói gắn với nhân thân, và nhiều thị trường đang có quy định hoặc thoả thuận ngành riêng về bản sao kỹ thuật số. Không nên tự làm chỉ vì công cụ cho phép.
Đưa kịch bản lên công cụ AI có rủi ro bảo mật không?
Có, nếu kịch bản chứa thông tin chưa công bố như sản phẩm mới, số liệu nội bộ, nội dung phim chưa phát hành. Cần đọc điều khoản lưu trữ và sử dụng dữ liệu của công cụ, ưu tiên phương án doanh nghiệp có cam kết không dùng dữ liệu để huấn luyện, và hỏi ý kiến bên sở hữu nội dung trước khi đưa lên.
Có cần ghi rõ video dùng giọng AI không?
Không phải nơi nào cũng bắt buộc, nhưng là thực hành tốt, đặc biệt với phỏng vấn, tin tức hoặc nội dung mà người xem tin rằng đang nghe chính người trên hình nói. Một số thị trường như Liên minh châu Âu có nghĩa vụ minh bạch đối với nội dung tổng hợp giống người thật; hãy kiểm yêu cầu hiện hành nơi phát hành.
Giọng AI tiếng Việt yếu nhất ở điểm nào?
Thường là ngữ điệu câu cảm xúc, cách đọc số và ký hiệu, tên riêng nước ngoài và chỗ ngắt hơi. Phần lớn có thể cải thiện bằng cách chuẩn bị kịch bản kỹ: viết số thành chữ, phiên âm tên, chia câu ngắn. Nhưng bản cuối vẫn cần người bản ngữ nghe kiểm.
Dùng giọng AI làm bản nháp có lợi gì?
Bản nháp bằng giọng AI giúp duyệt độ dài kịch bản và nhịp dựng trước khi vào phòng thu, phát hiện câu quá dài, chỗ lời lệch hình. Khi kịch bản đã khoá, buổi thu với diễn viên thật diễn ra nhanh hơn và ít phải thu lại, nên tổng công sức thường giảm.