ElevenLabs Eleven V4 · Hướng dẫn giọng nói AI tiếng Việt
Cách tạo giọng nói AI tiếng Việt chân thực với Eleven V4
Mọi giọng nói trong phim này đều do AI tạo ra từ văn bản, bằng ElevenLabs Eleven V4: người dẫn chuyện thì thầm, cô diễn viên khóc nức nở, một con rồng, bác tài taxi Hà Nội cằn nhằn, giọng Hà Nội, Huế, Sài Gòn và hơn 90 ngôn ngữ. Dưới đây là cách tự làm những giọng như vậy, kèm đúng các câu lệnh chúng tôi đã dùng.
Toàn bộ phim Eleven V4. Mọi giọng nói đều do AI tạo ra; câu lệnh của từng câu thoại hiện trên màn hình khi phim chạy.
Trong phim này
- 0:00 Mọi giọng nói ở đây đều được tạo từ văn bản
- 0:26 Đạo diễn Eleven V4 bằng [tag]
- 0:57 Hiệu ứng âm thanh và Voice Design
- 1:21 Giọng vùng miền thật
- 1:36 Hơn 90 ngôn ngữ
- 1:53 Sách nói
- 2:08 Podcast
- 2:24 Tổng đài AI với Eleven V4 Turbo
- 2:47 Quảng cáo và radio
- 3:01 Trò chơi, thiền và giấc ngủ
- 3:18 Để Creative Claw lo mọi chi tiết
- 3:44 Bảng giá và 100 credit miễn phí
Từng bước tạo một giọng nói chân thực
- 1
Kết nối Creative Claw với ChatGPT hoặc Claude
Cài Creative Claw từ thư mục plugin của ChatGPT, hoặc thêm vào Claude dưới dạng connector. Đăng nhập bằng Google. Bạn không cần tài khoản ElevenLabs hay API key.
- 2
Mô tả giọng bạn cần bằng lời thường
Nói rõ ai đang nói, cảm xúc ra sao và nội dung là gì. Ví dụ: “Đọc đoạn giới thiệu sản phẩm này bằng giọng dẫn chuyện ấm áp, tự tin, và thì thầm câu cuối.” Kỹ năng Eleven V4 sẽ tự chọn giọng và viết tag cho bạn.
- 3
Đạo diễn phần thể hiện bằng [tag]
Đặt chỉ dẫn trong ngoặc vuông ngay trước những chữ cần thay đổi: [thì thầm], [hét lên], [chậm rãi, đầy kịch tính], [cười ngặt nghẽo], [khóc nức nở]. Cùng một câu sẽ thành năm cách diễn hoàn toàn khác nhau.
- 4
Thêm hiệu ứng âm thanh ngay trong câu thoại
Tag còn tạo ra được âm thanh: [tiếng sấm rền vang dữ dội], [tiếng chó sủa], [tràng pháo tay vang dội], [tiếng bật nắp lon nước ngọt]. Âm thanh nền như gió hay sóng biển hiệu quả nhất khi đặt giữa câu, sau dấu “...”.
- 5
Thiết kế giọng mới hoặc chọn giọng vùng miền thật
Mô tả giọng nói trong một câu, Voice Design sẽ tạo ra nó. Với giọng vùng miền, hãy chọn một giọng vốn là người vùng đó, thay vì bắt một giọng nhại lại. Creative Claw sẽ tìm giúp bạn.
Các câu lệnh thật trong phim
Đây chính xác là những câu chúng tôi đã gửi cho Eleven V4. Cứ sao chép, đổi lời thoại và giữ nguyên các tag.
[thì thầm] Tớ có một bí mật muốn kể cậu nghe.
[cười ngặt nghẽo] Tớ có một bí mật muốn kể cậu nghe!
[hào hứng] Nó còn làm được cả hiệu ứng âm thanh: một cơn giông... [tiếng sấm rền vang dữ dội] một chú chó... [tiếng chó sủa] và cả đám đông! [tràng pháo tay vang dội]
[cằn nhằn] Rồi, đi đâu đây? [thở dài] Đừng bảo là ra Nội Bài đúng giờ cao điểm nhé... [tiếng phanh xe rít lên] Ối giời ơi!
[người kể chuyện, giọng trầm, chậm rãi] Đêm hôm ấy... [tiếng gió bão rít gào] cánh cửa tòa tháp từ từ hé mở... [tiếng cửa gỗ kêu cót két] [tiếng bước chân trên nền đá]
[giọng phát thanh viên sôi nổi] Mùa hè. Nắng nóng. [tiếng đá lanh canh trong ly] Và rồi... [tiếng bật nắp lon nước ngọt] [tiếng bọt ga sủi xèo xèo] SPRITZ! Chanh tuyết mát lạnh... [đám đông hò reo và vỗ tay thật lâu] Spritz. Sảng khoái tức thì.
[bình tĩnh, đồng cảm] Dạ, em rất hiểu ạ. [tiếng gõ bàn phím] Em thấy rồi. Đơn đang ở bên giao hàng, trước trưa mai là tới tay anh ạ.
[bình thản, nhịp tự nhiên] Hít vào. [tiếng sóng vỗ vào bờ] Và thở ra. [tiếng chim hót líu lo]
Thiết kế một giọng nói hoàn toàn mới chỉ từ một câu mô tả
Bác tài taxi trong phim không có thật. Chúng tôi mô tả bác trong vài dòng, Voice Design tạo ra ba phương án, và chúng tôi giữ lại giọng trầm khàn nhất. Bạn có thể làm vậy với bất kỳ nhân vật nào: tuổi tác, vùng miền, chất giọng, tính cách.
Bác tài xế taxi Hà Nội khoảng 65 tuổi. Giọng miền Bắc trầm, khàn đặc, nói chậm rãi, hay cằn nhằn và mỉa mai nhưng trong lòng rất tốt bụng.
Giọng vùng miền thật, không phải nhại giọng
Bắt một giọng nói nhại giọng vùng miền nghe sẽ rất giả. Thay vào đó, hãy dùng những giọng vốn là người vùng đó. Trong phim, ba người khác nhau hỏi cùng một câu, mỗi người theo cách nói quê mình: “ạ” của Hà Nội, “chỗ ni… phải không rứa?” của Huế và “xíu nha… phải hông?” của Sài Gòn.
- Hà Nội
- Huế
- Sài Gòn
Chi phí
Eleven V4 trên Creative Claw tốn khoảng 20 credit cho mỗi phút giọng nói (khoảng 21 credit cho 1.000 ký tự). 10 USD mua được 1.000 credit, không cần gói thuê bao. Tài khoản mới được tặng 100 credit miễn phí, đủ cho khoảng năm phút giọng nói.
Câu hỏi thường gặp
Giọng nói Eleven V4 chân thực đến mức nào?+
Eleven V4 là mô hình biểu cảm nhất của ElevenLabs và đứng hạng 1 trên bảng xếp hạng chuyển văn bản thành giọng nói của Artificial Analysis (tính đến ngày 30 tháng 9 năm 2026). Nó biết thì thầm, cười, khóc và làm theo chỉ đạo, nên nghe như đang diễn chứ không phải đang đọc.
Tôi có dùng thử miễn phí được không?+
Được. Tài khoản Creative Claw mới được tặng 100 credit miễn phí, tương đương khoảng năm phút giọng nói Eleven V4. Không cần gói thuê bao.
Tôi có cần tài khoản ElevenLabs hay API key không?+
Không. Creative Claw kết nối với ElevenLabs thay bạn. Chỉ cần kết nối Creative Claw với ChatGPT hoặc Claude rồi yêu cầu giọng nói bạn muốn.
Eleven V4 có nói được tiếng Việt không? Hỗ trợ những ngôn ngữ và giọng nào?+
Có. Eleven V4 nói được hơn 90 ngôn ngữ, trong đó có tiếng Việt: toàn bộ phim này được lồng tiếng bằng nó. Khi cần giọng một vùng cụ thể như Hà Nội, Huế hay Sài Gòn, Creative Claw chọn một giọng vốn là người vùng đó, nghe tự nhiên hơn hẳn so với một giọng nhại lại.
Làm sao để giọng nói thì thầm, hét lên hay bật cười?+
Viết chỉ dẫn trong ngoặc vuông ngay trước lời thoại: [thì thầm], [hét lên], [cười ngặt nghẽo], [khóc nức nở], [chậm rãi, đầy kịch tính]. Hoặc chỉ cần mô tả cách đọc cho ChatGPT hay Claude, kỹ năng Eleven V4 sẽ tự thêm tag.
Eleven V4 Turbo là gì?+
Phiên bản nhanh của Eleven V4, dành cho trợ lý giọng nói trực tiếp, với thời gian phản hồi khoảng 100 mili giây. Cuộc gọi tổng đài trong phim dùng phiên bản này.
Tạo giọng nói đầu tiên chỉ trong một phút
Kết nối Creative Claw với ChatGPT hoặc Claude, yêu cầu một giọng nói và đạo diễn nó. Tặng 100 credit miễn phí khi đăng ký.
Dùng thử miễn phíPhim này được làm bằng Claude Opus 5.5 và Creative Claw. Không dùng mô hình video nào: mọi khung hình đều là hoạt hình viết bằng code, các chân dung được tạo trong Creative Claw, và mọi giọng nói đều là Eleven V4 hoặc V4 Turbo.
