Muốn nhân bản giọng nói của chính mình cho tốt, phần quyết định không nằm ở công cụ mà ở bản ghi mẫu: một bản ghi sạch, đều, đúng cách bạn nói thật sẽ cho giọng nhân bản nghe tự nhiên; bản ghi ồn, gượng, đọc như đọc diễn văn sẽ cho ra một giọng giống bạn nhưng không phải bạn.
Bài này đi qua bốn phần: chuẩn bị phòng và thiết bị ở mức tối thiểu, viết đoạn đọc mẫu cho giọng Việt có thanh điệu, thử giọng nhân bản bằng một bộ câu kiểm, và giữ bản ghi mẫu an toàn sau khi xong. Hướng dẫn chỉ dành cho giọng của chính bạn. Nhân bản giọng người khác cần sự đồng ý bằng văn bản của họ, và giọng của người nổi tiếng hay người không đồng ý thì không làm.
Phòng và thiết bị: đủ dùng là được
Chọn chỗ ít vang hơn chỗ yên tĩnh. Một căn phòng trống tường trơn sẽ vang, và giọng nhân bản sẽ học luôn tiếng vang đó. Tủ quần áo nhiều đồ treo, góc phòng có rèm dày, gầm cầu thang có chăn gối thường cho bản ghi tốt hơn phòng khách rộng. Thử bằng cách vỗ tay một cái: nghe tiếng dội lại rõ là chưa ổn.
Tránh giờ ồn. Ở thành phố, tiếng xe máy, tiếng loa, tiếng máy lạnh nhà bên là thứ khó lọc nhất. Ghi âm sáng sớm hoặc khuya, tắt quạt, rút điện tủ lạnh nếu đặt gần, tắt thông báo điện thoại. Mưa lớn trên mái tôn thì đành đợi hôm khác.
Micro rời là đủ, không cần đắt. Micro cài áo có dây hoặc micro để bàn loại phổ thông thường tốt hơn micro trong máy tính xách tay vì đặt gần miệng. Điện thoại đời mới ghi âm trong phòng ít vang cũng cho kết quả dùng được. Quan trọng là giữ cùng một thiết bị, cùng một khoảng cách cho toàn bộ bản ghi.
Giữ khoảng cách và mức âm ổn định. Đặt micro cách miệng khoảng một gang tay, hơi lệch sang bên để tránh tiếng phì hơi ở các âm "p", "b". Thử mức âm sao cho lúc nói to nhất cũng không bị rè. Một bản ghi lúc to lúc nhỏ sẽ khiến giọng nhân bản thất thường theo.
Đoạn đọc mẫu cho giọng Việt nên có gì
Giọng tiếng Việt khó nhân bản hơn nhiều thứ tiếng khác vì có thanh điệu, và mỗi vùng miền lại khác. Đoạn mẫu cần bao phủ đủ để mô hình học được cách bạn đi thanh. Nhiều nền tảng có sẵn đoạn đọc mẫu, nhưng thường soạn cho tiếng Anh hoặc dịch máy; bạn nên tự chuẩn bị thêm.
- Đủ sáu thanh trong nhiều vị trí: đầu câu, giữa câu, cuối câu. Một câu như "Chị Tư đã kể rằng mẹ vẫn giữ cái nón lá cũ" phủ được nhiều thanh trong một hơi.
- Câu hỏi, câu cảm, câu kể, câu liệt kê. Ngữ điệu lên xuống của câu hỏi tiếng Việt khác hẳn câu kể; thiếu loại câu nào, giọng nhân bản sẽ đọc loại đó lệch.
- Số, ngày tháng, đơn vị đo, tên riêng bạn hay dùng trong công việc. Giáo viên Toán cần đọc phân số, người bán hàng cần đọc kích thước, người làm đào tạo cần đọc tên phần mềm.
- Từ mượn và tên tiếng Anh theo cách bạn thật sự phát âm. Nếu bạn nói "Ếch-xeo" thay vì đọc chuẩn tiếng Anh, hãy ghi đúng như vậy.
- Đoạn nói tự nhiên không kịch bản, khoảng vài phút, như đang giải thích cho đồng nghiệp. Đây thường là phần giúp giọng nhân bản nghe giống bạn nhất.
- Giọng vùng miền của bạn. Đừng cố sửa sang giọng chuẩn nếu bình thường bạn không nói như vậy, người quen sẽ nhận ra ngay sự gượng gạo.
Ghi thành nhiều đoạn ngắn, mỗi đoạn vài phút, nghỉ uống nước giữa các đoạn. Giọng mệt cuối buổi khác giọng đầu buổi, nên nếu ghi kéo dài, nghe lại và bỏ những đoạn khàn.
Quy trình ghi âm và tải mẫu lên
Các bước dưới đây áp dụng cho hầu hết công cụ nhân bản giọng hiện nay, dù giao diện mỗi nơi khác nhau. Tính năng thay đổi nhanh, nên bạn kiểm hướng dẫn hiện hành của công cụ mình dùng.
- Đọc điều khoản về dữ liệu giọng nói trước: nền tảng lưu bản ghi ở đâu, có dùng để huấn luyện mô hình chung không, có xoá theo yêu cầu không.
- Ghi thử ba mươi giây, nghe lại bằng tai nghe. Sửa tiếng vang, tiếng ồn, mức âm trước khi ghi thật.
- Ghi toàn bộ đoạn mẫu, đặt tên file theo ngày và số thứ tự, cất vào một thư mục riêng có mã hoá hoặc ít nhất có mật khẩu.
- Cắt bỏ khoảng lặng dài, tiếng ho, tiếng đọc vấp. Không dùng bộ lọc làm đẹp giọng mạnh tay, vì giọng nhân bản sẽ học cả bộ lọc.
- Đọc câu xác nhận đồng ý nếu nền tảng yêu cầu. Nhiều nơi bắt bạn đọc một câu ngẫu nhiên để chứng minh giọng là của bạn; đây là lớp bảo vệ tốt, đừng tìm cách né.
- Tải mẫu lên, đặt tên bản sao giọng không chứa họ tên đầy đủ của bạn, bật xác thực hai lớp cho tài khoản.
- Sau khi tải lên thành công, xoá các bản ghi mẫu trong nhóm chat, email, ổ chia sẻ tạm. Chỉ giữ một bản gốc ở chỗ an toàn.
Bộ câu kiểm giọng nhân bản
Đừng thử giọng nhân bản bằng đoạn văn bạn đã đọc làm mẫu, vì nó sẽ nghe giống một cách đánh lừa. Dùng một bộ câu kiểm mới, ghi kết quả vào bảng như dưới để so lần sau.
| Loại câu kiểm | Câu thử ví dụ | Nghe gì |
|---|---|---|
| Thanh điệu dày | "Những ngã rẽ nhỏ dẫn về ngõ cũ, nơi bà vẫn ngồi đợi." | Thanh ngã, thanh hỏi có bị đọc lẫn không |
| Câu hỏi | "Bạn đã lưu bài trước khi đóng máy chưa?" | Cuối câu có lên giọng tự nhiên không |
| Số và đơn vị | "Chiều dài ba mét rưỡi, nặng mười hai ký." | Đọc số có đúng thói quen của bạn không |
| Từ mượn | "Mở file Excel, chọn tab Dữ liệu." | Từ tiếng Anh có bị đọc khác cách bạn nói |
| Câu dài | Một câu dài khoảng bốn mươi chữ có hai dấu phẩy | Ngắt hơi có đúng chỗ, có hụt hơi giả không |
| Cảm xúc nhẹ | "Tuyệt quá, cả lớp làm đúng hết rồi!" | Có vui thật hay đều đều như máy |
Cho một người thân nghe xen kẽ giọng thật và giọng nhân bản mà không nói trước đâu là đâu. Nếu họ đoán đúng hầu hết, giọng nhân bản chưa đủ tốt để dùng ở chỗ có người quen xem; nếu họ đoán sai nhiều, đó là lúc nên nghĩ đến việc báo cho gia đình cách xác minh bạn khi có cuộc gọi lạ.
Viết kịch bản để giọng nhân bản nghe như bạn
Giọng nhân bản đọc gì nó cũng đọc, nên câu chữ quyết định một nửa độ tự nhiên. Văn viết để đọc to khác văn viết để đọc thầm: câu ngắn hơn, ít mệnh đề lồng nhau, có từ đệm như "thì", "mà", "nhé" ở mức vừa phải. Nếu bạn quen nói "các em lưu ý nha", đừng viết "học sinh cần chú ý" rồi trách giọng nghe lạ.
Một mẹo hiệu quả: tự đọc to kịch bản một lần trước khi đưa vào công cụ. Chỗ nào bạn vấp, chỗ đó giọng nhân bản cũng sẽ đọc gượng. Thêm dấu phẩy ở chỗ bạn tự nhiên ngắt hơi, viết số bằng chữ nếu công cụ đọc số sai, viết từ mượn theo cách đọc nếu cần.
Có thể nhờ chatbot chỉnh văn viết thành văn nói, với câu lệnh kiểu: "Viết lại đoạn sau thành lời nói tự nhiên của một giáo viên miền Trung giảng cho học sinh lớp 9, câu ngắn, giữ nguyên nội dung, không thêm ý mới." Sau đó đọc lại, sửa những từ bạn không bao giờ dùng. Nếu kịch bản có tên học sinh, tên khách hàng hay số liệu nội bộ, che trước khi dán vào chatbot.
Lỗi hay gặp ở giọng nhân bản tiếng Việt và cách xử lý
Đọc lẫn thanh hỏi và thanh ngã. Đây là lỗi phổ biến, nhất là khi mẫu là giọng miền Nam hoặc miền Trung vốn ít phân biệt hai thanh này. Nếu người nghe của bạn quen giọng bạn thì không sao; nếu cần rõ cho học sinh, hãy ghi thêm mẫu có nhiều từ mang hai thanh ấy hoặc sửa từ dễ nhầm trong kịch bản.
Ngắt câu sai chỗ. Công cụ thường ngắt theo dấu câu, nên một câu dài không dấu phẩy sẽ bị đọc liền một hơi rồi ngắt bất ngờ. Cách sửa nhanh nhất là chia câu ngắn lại và đặt dấu phẩy đúng chỗ bạn muốn dừng.
Đọc tên riêng, từ viết tắt lạ. Tên học sinh, tên sản phẩm, từ viết tắt như "THPT" hay "BHXH" có thể được đọc từng chữ cái hoặc đọc sai. Viết đúng cách bạn muốn nghe, ví dụ "bảo hiểm xã hội", hoặc dùng tính năng từ điển phát âm nếu công cụ có.
Giọng đều đều, thiếu cảm xúc. Mẫu ghi quá nghiêm, đọc như đọc văn bản hành chính, sẽ cho giọng nhân bản cứng nhắc. Ghi thêm một đoạn nói tự nhiên, có lúc cười nhẹ, có lúc nhấn mạnh, sẽ giúp nhiều hơn mọi thanh chỉnh trong phần mềm.
Tiếng nền lạ xuất hiện. Nếu thỉnh thoảng nghe tiếng rè hoặc tiếng vang không có trong kịch bản, gần như chắc là mẫu ghi có tạp âm. Không có cách sửa nào tốt bằng ghi lại mẫu sạch hơn.
Giữ bản ghi mẫu và bản sao giọng an toàn
Bản ghi mẫu là tài sản nhạy cảm nhất của cả quá trình. Ai có nó trong tay có thể nhân bản giọng bạn ở bất kỳ công cụ nào, không cần đến tài khoản của bạn. Vì vậy, sau khi xong, chỉ giữ một bản gốc, cất ở ổ cứng rời hoặc thư mục mã hoá, không để trong thư mục đồng bộ chung với đồng nghiệp hay thợ dựng video.
Bản sao giọng trên nền tảng thì gắn với tài khoản. Bảo vệ tài khoản đó bằng mật khẩu riêng, xác thực hai lớp, không chia sẻ đăng nhập. Nếu cần người khác dựng video, dùng tính năng mời thành viên với quyền giới hạn nếu nền tảng có, thay vì đưa mật khẩu. Định kỳ vào xem lịch sử tạo nội dung, nếu thấy đoạn âm thanh nào bạn không nhớ là của mình thì đổi mật khẩu ngay.
Cuối cùng, ghi vào sổ tay một dòng: ngày tạo bản sao giọng, nền tảng nào, bản gốc cất ở đâu, ai biết. Dòng ghi chép này nghe nhỏ nhặt nhưng là thứ giúp bạn xoá sạch khi không dùng nữa, hoặc khi có chuyện cần chứng minh giọng nào là của bạn.
Câu hỏi thường gặp
Cần ghi âm bao lâu để nhân bản giọng nói?
Mỗi công cụ yêu cầu khác nhau, thường có loại nhanh chỉ cần vài chục giây đến vài phút và loại chất lượng cao cần nhiều hơn. Với tiếng Việt, mẫu dài và đa dạng hơn thường cho thanh điệu chuẩn hơn. Kiểm yêu cầu hiện hành của công cụ, và ưu tiên chất lượng bản ghi hơn độ dài.
Giọng nhân bản có đọc được tiếng Anh bằng giọng của mình không?
Nhiều công cụ cho phép giọng nhân bản đọc ngôn ngữ khác, kết quả thường giữ được âm sắc của bạn nhưng phát âm do mô hình quyết định. Nếu bạn nói tiếng Anh có giọng riêng, bản nhân bản có thể nghe "chuẩn" hơn bạn, và người quen sẽ thấy lạ. Nên báo rõ cho người xem.
Đang bị cảm, giọng khàn có nên ghi âm mẫu không?
Không nên. Giọng nhân bản sẽ học đúng cái giọng khàn đó và mang theo mãi. Nên đợi khỏi hẳn, ghi vào buổi sáng sau khi đã nói chuyện một lúc cho giọng ấm lên, uống nước ấm, tránh đồ lạnh trước khi ghi.
Nhân bản giọng của bố mẹ để đọc truyện cho con có được không?
Được nếu bố mẹ hiểu rõ và đồng ý bằng văn bản, kể cả khi là người trong nhà. Cần nói trước bản sao sẽ lưu ở đâu, ai dùng, dùng cho việc gì, và xoá khi nào. Với người lớn tuổi, nên giải thích bằng ví dụ cụ thể vì nhiều người chưa hình dung được giọng có thể bị dùng nói câu mình chưa từng nói.
Giọng nhân bản có thể dùng để mở khoá bằng giọng nói không?
Có khả năng, và đây là lý do bạn nên tắt hoặc hạn chế xác thực bằng giọng nói ở các dịch vụ quan trọng khi đã có bản sao giọng chất lượng cao. Ưu tiên mật khẩu, mã xác thực, sinh trắc vân tay hoặc khuôn mặt có kiểm tra người thật. Hỏi ngân hàng hoặc nhà mạng về cách đổi phương thức xác thực.
Có cần xin phép ai khi nhân bản giọng của chính mình không?
Với giọng của bạn thì không cần xin ai. Tuy vậy, nếu bản ghi mẫu được làm trong giờ làm việc, bằng thiết bị công ty, hoặc giọng nhân bản dùng cho sản phẩm của công ty, nên có thoả thuận rõ ai sở hữu bản sao và quyền dùng đến đâu trước khi bắt đầu.