ElevenLabs — giọng nói từ văn bản và lồng tiếng video

ElevenLabs là gì

ElevenLabs là công ty chuyên về trí tuệ nhân tạo cho giọng nói và lồng tiếng. Công nghệ của họ tổng hợp ra lời nói nghe tự nhiên và có thể tái tạo những nét đặc trưng của giọng người — âm sắc, ngữ điệu và chất giọng — bằng rất nhiều ngôn ngữ khác nhau. Nhờ chất lượng của những giọng ấy, ElevenLabs đã trở thành một trong những cái tên hàng đầu về lồng tiếng và thuyết minh bằng AI.

Trong genkiki.com, ElevenLabs có mặt qua chế độ Lồng tiếng — một công cụ nhận video có lời nói đã quay xong, rồi dịch và lồng tiếng sang ngôn ngữ khác, vẫn giữ giọng gần với người nói gốc.

Các phiên bản và khả năng trong generiram

ElevenLabs có hai chế độ: lồng tiếng video và văn bản thành giọng nói.

Khi lồng tiếng, lời nói trong video gốc được dịch và thu âm lại bằng ngôn ngữ bạn chọn. Giọng được tái tạo sao cho nghe gần giống người nói gốc — nghĩa là bản lồng tiếng không nghe như giọng người lạ, mà như chính người đó đang nói bản dịch. Môi thì không được tạo hình lại theo ngôn ngữ mới, nên việc xử lý nhanh và rẻ hơn so với lồng tiếng đầy đủ có khớp khẩu hình.

• Tối đa 29 ngôn ngữ cho phần lồng tiếng.
• Video dài tối đa khoảng 10 phút.
• Tự động nhận diện ngôn ngữ gốc — bạn không phải chọn tay.
• Có thể khai báo video có bao nhiêu người nói, để kết quả chính xác hơn.
• Nhân bản giọng, để bản dịch nghe gần giống người nói gốc.

Hợp với việc gì

ElevenLabs Dubbing hữu ích nhất khi bạn muốn nhanh chóng làm cho một video dễ hiểu bằng ngôn ngữ khác, mà không phải quay lại thứ gì:

• Lồng tiếng nhanh cho video hướng tới khán giả mới và thị trường nước ngoài.
• Dịch clip đào tạo, bài thuyết trình và hội thảo trực tuyến.
• Lồng tiếng video tiếp thị và video sản phẩm sang nhiều thứ tiếng.
• Những trường hợp môi không được quay cận — ở đó việc thiếu chỉnh khẩu hình gần như không nhận ra, mà bạn lại được lợi nhờ xử lý nhanh và rẻ hơn.

ElevenLabs v3 — văn bản thành giọng nói

ElevenLabs v3 là mô hình giọng nói trong hạng mục Âm thanh của AI Studio: bạn viết văn bản, chọn một giọng và nhận về một file âm thanh hoàn chỉnh, như thể một người dẫn chuyên nghiệp vừa đọc nó. Có 21 giọng — nam và nữ, với những tính cách khác nhau — và mỗi giọng đều có mẫu để bạn nghe thử trước khi chọn.

• Văn bản giới hạn 5000 ký tự mỗi lần tạo — bộ đếm dưới ô nhập cho biết bạn đang ở đâu.
• Tính phí theo mỗi 1000 ký tự đã bắt đầu — từ 1 đến 1000 ký tự có giá bằng 1000.
• Bạn có thể chèn chỉ dẫn trong ngoặc vuông, chúng không được đọc lên mà được diễn ra — hãy viết bằng ngôn ngữ của bạn, hệ thống sẽ dịch sang cho mô hình: [laughs], [whispers], [sighs], [excited], [sarcastic], [crying], [singing], [pause] và nhiều nữa.
• Kiểu đọc: Creative — biểu cảm và giàu cảm xúc hơn; Natural — cân bằng; Stable — đều đặn và dễ đoán (hợp với người dẫn và bài giảng).
• Ngôn ngữ thường được nhận ra từ chính văn bản — chỉ đặt tay nếu phát âm ra sai. Nó hỗ trợ hàng chục thứ tiếng.
• Văn bản được đọc đúng từng từ — không có gì bị dịch hay cắt bớt. Tùy chọn „Số và chữ viết tắt" quyết định „€25" có được đọc thành „hai mươi lăm euro" hay không.

Mở AI Studio, chọn chế độ Văn bản → Giọng nói trong hạng mục Âm thanh, viết văn bản của bạn rồi bấm Tạo — vài giây sau là có file âm thanh để tải về.

Bắt đầu thế nào

Mở AI Studio trên genkiki.com, chọn chế độ Video → Video và bản ElevenLabs Dubbing. Tải video lên, chọn ngôn ngữ đích và nếu cần thì khai báo số người nói. Ngôn ngữ gốc sẽ được nhận diện tự động. Bắt đầu xử lý và bạn sẽ nhận lại chính video đó, được lồng tiếng sang ngôn ngữ mới với giọng gần giống bản gốc.