Giọng đọc quyết định người xem có chịu nghe hết video người dẫn ảo hay không, và với tiếng Việt, ba việc cần làm đúng là chọn giọng miền hợp với người xem, sửa phát âm những chữ máy hay đọc sai, và chỉnh tốc độ cho vừa tai. Hình nhân vật đẹp đến đâu mà giọng đọc lơ lớ, ngắt sai chỗ, đọc tên sản phẩm thành tiếng lạ thì người xem sẽ tắt video sau một phút.
Bài này dành cho người làm video đào tạo, bài giảng, bản tin nội bộ bằng người dẫn ảo. Phần công cụ tạo giọng nói nói chung là chuyện của các trang chuyên về giọng nói như AI Giọng Nói; ở đây chỉ bàn góc người dẫn: giọng nào hợp với nhân vật và người nghe, cách soát và sửa phát âm thành quy trình, và những điều cần tránh khi chọn giọng vùng miền.
Vì sao giọng tiếng Việt khó hơn nhiều người nghĩ
Tiếng Việt là ngôn ngữ có thanh điệu: cùng một âm tiết, đổi thanh là đổi nghĩa. Giọng tổng hợp chỉ cần đặt thanh hơi lệch là người nghe phải đoán, và nghe năm phút đoán liên tục rất mệt. Thêm vào đó, cách phát âm khác nhau rõ giữa các vùng: có vùng phân biệt rõ thanh hỏi và thanh ngã, có vùng gần như không; có vùng đọc phụ âm đầu khác hẳn chữ viết. Một giọng đọc được đánh giá là chuẩn ở Hà Nội có thể nghe xa lạ với người ở Cần Thơ, và ngược lại.
Khó khăn thứ hai là chữ viết trong văn bản công việc không phải lúc nào cũng là tiếng Việt thuần. Tên sản phẩm có chữ nước ngoài, mã hàng, viết tắt tên phòng ban, đơn vị đo, tên riêng của người và địa danh đều là chỗ giọng máy dễ vấp. Video đào tạo lại chứa đúng những thứ đó với mật độ dày.
Khó khăn thứ ba nằm ở ngữ điệu. Câu hỏi, câu nhấn mạnh, câu liệt kê cần lên xuống khác nhau. Các giọng tổng hợp hiện nay đã tốt hơn nhiều so với vài năm trước, nhưng vẫn có xu hướng đọc đều, nhất là với câu dài. Chất lượng khác nhau nhiều giữa các nền tảng và giữa các giọng trong cùng nền tảng, nên cách duy nhất là nghe thử bằng chính kịch bản của bạn chứ không dựa vào đoạn mẫu nền tảng đưa ra.
Chọn giọng miền theo người xem, không theo sở thích người làm
Không có giọng miền nào đúng hơn giọng nào. Câu hỏi đúng là người xem chủ yếu là ai và họ nghe giọng nào dễ nhất. Bảng dưới là cách cân nhắc cho vài tình huống thường gặp.
| Tình huống | Gợi ý chọn giọng | Ghi chú |
|---|---|---|
| Công ty có nhân viên chủ yếu ở một vùng | Giọng gần với vùng đó | Người nghe tiếp thu nhanh hơn, cảm thấy gần gũi |
| Công ty có chi nhánh khắp cả nước | Một giọng rõ, tốc độ vừa phải cho bản chung; có thể làm thêm bản giọng khác cho chi nhánh lớn | Giữ cùng nhân vật, chỉ đổi giọng, nội dung giống hệt |
| Video bài giảng cho học sinh một trường | Giọng gần với giọng giáo viên và học sinh đang nghe hằng ngày | Tránh để học sinh phải làm quen giọng lạ khi đang học kiến thức mới |
| Hướng dẫn sản phẩm cho khách cả nước | Giọng rõ, trung tính, thử với người nghe ở nhiều vùng | Hỏi ý kiến vài khách thật trước khi làm cả bộ |
| Nhân vật thương hiệu đã có giọng quen | Giữ nguyên giọng đó | Đổi giọng giữa chừng làm nhân vật mất nhận diện |
Một điều cần tránh: dùng giọng vùng miền để tạo hiệu ứng hài hước hoặc gán cho vai "người chậm hiểu" trong video tình huống. Cách làm này dễ xúc phạm người xem đến từ vùng đó và đi ngược mục đích đào tạo. Nếu video có hai nhân vật đối thoại, chọn giọng theo vai trò hợp lý, không theo khuôn mẫu.
Lập bảng phát âm riêng cho công ty
Cách hiệu quả nhất để giọng đọc không vấp là xây một bảng phát âm dùng chung cho mọi video, thay vì sửa từng chỗ mỗi lần xuất bản. Các bước:
- Gom danh sách chữ dễ đọc sai từ các kịch bản đã có: tên công ty, tên sản phẩm, tên phần mềm nội bộ, chữ viết tắt, thuật ngữ chuyên ngành, tên chi nhánh và địa danh.
- Cho giọng đọc thử từng chữ trong một câu ngắn, ghi lại chữ nào đọc sai và sai thế nào.
- Với mỗi chữ sai, quyết định cách đọc chuẩn của công ty. Ví dụ tên sản phẩm có chữ tiếng Anh: đọc theo kiểu tiếng Anh, đọc theo kiểu phiên âm Việt, hay đọc từng chữ cái. Thống nhất một cách.
- Ghi cách viết thay thế để máy đọc đúng, ví dụ viết theo phiên âm tiếng Việt trong kịch bản. Nếu nền tảng có tính năng từ điển phát âm hoặc thay thế từ, nhập vào đó để áp cho mọi video.
- Lưu bảng thành tệp chung, ghi ngày cập nhật, người nào thêm chữ mới phải nghe thử trước khi đưa vào.
- Mỗi khi có sản phẩm mới hay đổi tên phòng ban, thêm ngay vào bảng trước khi viết kịch bản.
Tính năng từ điển phát âm khác nhau giữa các nền tảng và thay đổi theo phiên bản, nên hãy kiểm tài liệu hiện hành của công cụ bạn dùng. Nếu nền tảng không hỗ trợ, bảng phát âm vẫn có giá trị: người viết kịch bản tra bảng và viết sẵn dạng phiên âm, chữ trên màn hình giữ nguyên cách viết chuẩn.
Năm nhóm chữ máy hay đọc sai và cách xử lý
Chữ viết tắt. Viết tắt tên phòng ban, tên quy trình, tên chức danh có thể bị đọc thành một từ vô nghĩa hoặc đọc từng chữ cái theo kiểu nước ngoài. Trong lời dẫn, nói đầy đủ ở lần đầu, các lần sau dùng cách gọi ngắn mà người trong công ty vẫn nói hằng ngày.
Tên riêng người và địa danh. Tên người thường không có vấn đề, nhưng tên ghép lạ, tên có chữ ít gặp, địa danh trùng chữ với từ thường có thể bị nhấn sai. Video đào tạo nên hạn chế nêu tên người thật; nếu cần, nghe lại riêng từng tên.
Chữ nước ngoài lẫn trong câu Việt. Tên phần mềm, thuật ngữ kỹ thuật, tên chức năng trên giao diện thường giữ nguyên tiếng Anh. Giọng tiếng Việt đọc chữ tiếng Anh theo nhiều cách, có khi nghe như một từ Việt khác hẳn. Đây là nhóm cần đưa vào bảng phát âm sớm nhất.
Số, đơn vị và ký hiệu. Số thập phân, phân số, số có dấu chấm ngăn cách hàng nghìn, đơn vị như mét vuông hay ki-lô-gam viết tắt, ký hiệu phần trăm, dấu gạch ngang giữa hai số. Viết thành chữ trong kịch bản với những số quan trọng.
Từ đồng tự khác nghĩa. Một số từ viết giống nhau nhưng đọc khác nhau tuỳ ngữ cảnh, hoặc từ Hán Việt ít dùng. Giọng máy chọn một cách đọc mặc định. Khi nghe thấy sai, đổi sang từ đồng nghĩa thông dụng hơn thay vì cố ép máy đọc đúng.
Tốc độ, khoảng nghỉ và độ dài câu
Tốc độ mặc định của nhiều giọng tổng hợp hơi nhanh so với nhịp nghe để học. Video đào tạo và bài giảng nên chậm hơn một chút so với video giới thiệu sản phẩm, vì người xem vừa nghe vừa phải nhớ thao tác. Cách kiểm đơn giản: nhờ một người chưa biết nội dung xem thử, nếu họ phải dừng video để kịp hiểu nhiều lần thì giọng đang quá nhanh hoặc câu đang quá dày.
Khoảng nghỉ quan trọng không kém tốc độ. Giọng đọc liền mạch không nghỉ khiến người nghe không biết ý nào là ý chính. Nghỉ sau câu quan trọng, nghỉ khi chuyển cảnh, nghỉ trước khi nêu con số. Nếu nền tảng cho chèn khoảng nghỉ, dùng nó; nếu không, tách câu ngắn và dùng dấu chấm thay dấu phẩy.
Độ dài câu ảnh hưởng trực tiếp đến ngữ điệu. Câu ngắn được đọc với ngữ điệu tự nhiên hơn, câu dài hay bị đọc phẳng ở nửa sau. Nếu một đoạn nghe vẫn đều đều dù đã chỉnh tốc độ, thường lỗi nằm ở kịch bản chứ không ở giọng. Phần viết kịch bản cho người dẫn ảo có bài riêng trong danh mục này.
Giọng có sẵn, giọng của chính mình và những điều không được làm
Giọng có sẵn của nền tảng. Đây là lựa chọn đơn giản nhất. Trước khi dùng cho video phát hành rộng hoặc có mục đích thương mại, đọc điều khoản về quyền sử dụng giọng đó: có được dùng cho video quảng cáo không, có giới hạn kênh phát không, khi ngừng dùng dịch vụ thì video cũ còn được giữ không.
Giọng nhân bản từ chính bạn. Một số người làm video bài giảng muốn người dẫn ảo nói bằng giọng của chính mình để học viên thấy quen. Việc này hợp lý nếu đó đúng là giọng của bạn và bạn hiểu rủi ro bị lấy cắp mẫu giọng. Cách lưu mẫu, điều khoản với nền tảng và việc thu hồi được bàn kỹ ở danh mục bản sao số của chính mình.
Giọng của đồng nghiệp hay người khác. Chỉ khi người đó đồng ý bằng văn bản, ghi rõ dùng cho video nào, trong bao lâu, và có quyền rút lại. Giọng nói gắn với danh tính một người; dùng giọng người khác không xin phép, kể cả nội bộ, là sai về đạo đức và có thể vi phạm quy định hiện hành về dữ liệu cá nhân.
Không bắt chước giọng người nổi tiếng. Không chọn hoặc dựng giọng giống một người dẫn chương trình, ca sĩ, chính khách hay người có ảnh hưởng nào để tạo sức hút. Ngay cả khi chỉ "na ná", người xem có thể hiểu nhầm người đó đứng sau nội dung.
Nghe duyệt giọng trước khi phát: ai nghe, nghe cái gì
Người viết kịch bản là người kém nhất trong việc phát hiện lỗi phát âm, vì họ biết trước câu đó phải nghe thế nào và tai tự điền vào chỗ sai. Cần một lượt nghe duyệt riêng, tốt nhất do người khác làm, theo danh sách sau:
- Nghe trọn video một lần không nhìn màn hình, chỉ bằng tai, như người xem vừa nghe vừa làm việc khác. Ghi lại mọi chỗ phải đoán nghĩa.
- Nghe riêng các đoạn có tên sản phẩm, tên phần mềm, chữ nước ngoài, đối chiếu với bảng phát âm của công ty.
- Nghe riêng các đoạn có số, ngày tháng, đơn vị, so với số hiển thị trên màn hình xem có khớp không.
- Để ý các câu hỏi trong lời dẫn: giọng có lên ở cuối câu hay đọc như câu kể.
- Nhờ một người ở vùng miền khác với giọng đọc nghe thử một đoạn ngắn, hỏi họ có nghe rõ không.
- Ghi mọi lỗi vào cùng một tệp theo mốc thời gian trong video, để người sửa tìm nhanh và để bổ sung bảng phát âm.
Lượt nghe duyệt này thường chỉ mất vài phút cho mỗi video năm phút nhưng bắt được phần lớn lỗi khiến người xem khó chịu. Lỗi nào lặp lại ở nhiều video thì đưa ngay vào bảng phát âm để lần sau không phải sửa tay nữa. Sau vài tháng, danh sách lỗi mới sẽ ngắn dần, đó là dấu hiệu quy trình đang chạy đúng.
Câu hỏi thường gặp
Nên chọn giọng Bắc hay giọng Nam cho người dẫn ảo?
Chọn theo người xem chứ không theo sở thích người làm. Nhân viên hay học viên chủ yếu ở vùng nào thì ưu tiên giọng gần với vùng đó. Công ty có chi nhánh cả nước có thể làm một bản giọng rõ, tốc độ vừa phải và thêm bản giọng khác cho chi nhánh lớn.
Làm sao để người dẫn ảo đọc đúng tên sản phẩm tiếng Anh?
Thống nhất một cách đọc chuẩn cho công ty, rồi viết dạng phiên âm trong kịch bản hoặc nhập vào tính năng từ điển phát âm nếu nền tảng có. Chữ trên màn hình vẫn giữ cách viết gốc. Lưu tất cả vào một bảng phát âm dùng chung.
Giọng đọc AI nghe đều đều, sửa thế nào?
Thường lỗi nằm ở kịch bản: câu quá dài, ít dấu chấm, không có khoảng nghỉ. Tách câu ngắn, thêm nghỉ sau ý quan trọng và khi chuyển cảnh, giảm tốc độ một chút. Nếu vẫn đều, thử giọng khác trong nền tảng bằng chính kịch bản của bạn.
Có được dùng giọng của đồng nghiệp cho người dẫn ảo không?
Chỉ khi người đó đồng ý bằng văn bản, ghi rõ mục đích, phạm vi video, thời hạn và quyền rút lại. Giọng nói gắn với danh tính cá nhân, không được tự ý dùng kể cả cho video nội bộ.
Tốc độ đọc bao nhiêu là vừa cho video đào tạo?
Không có con số chung cho mọi giọng. Video đào tạo nên chậm hơn một chút so với video giới thiệu sản phẩm. Cách kiểm thực tế là nhờ người chưa biết nội dung xem thử; họ phải dừng lại nhiều lần để kịp hiểu thì nên giảm tốc độ.
Dùng giọng vùng miền cho nhân vật hài trong video có sao không?
Nên tránh. Gán giọng một vùng cho vai hài hay vai chậm hiểu dễ xúc phạm người xem đến từ vùng đó và làm hỏng mục đích của video. Chọn giọng theo vai trò hợp lý thay vì theo khuôn mẫu.