Clone giọng nói, hay nhân bản giọng nói, đang được nhiều người làm nội dung và chủ shop dùng để đọc lời cho video mà không phải thu âm mỗi ngày. Chỉ cần một đoạn ghi âm mẫu, AI có thể tạo ra giọng đọc gần giống giọng thật để đọc bất kỳ kịch bản nào. Với tiếng Việt, bài toán khó hơn tiếng Anh vì có sáu thanh điệu và nhiều giọng vùng miền.
Ba công cụ được nhắc tới nhiều khi tìm cách clone giọng tiếng Việt là Vbee, ElevenLabs và CoolMe. Phần dưới đây so sánh ba công cụ theo tiêu chí thực tế, hướng dẫn cách tự nghe mù để chọn, và nhắc lại các quy định pháp lý cần biết trước khi nhân bản bất kỳ giọng nói nào.
Voice clone là gì và cần bao nhiêu giây giọng mẫu
Voice clone là kỹ thuật dùng AI học đặc điểm giọng nói của một người từ file ghi âm mẫu, sau đó tạo giọng đọc mới cho văn bản bất kỳ. Khác với chuyển văn bản thành giọng nói thông thường, nơi bạn chọn một giọng có sẵn, voice clone tạo ra giọng gần với giọng của chính người được ghi âm.
Có hai mức nhân bản phổ biến. Nhân bản nhanh chỉ cần một đoạn ghi âm ngắn, thường từ vài chục giây tới vài phút, cho kết quả nhanh nhưng độ giống vừa phải. Nhân bản chuyên nghiệp cần nhiều dữ liệu hơn. Theo hướng dẫn của ElevenLabs, bản Professional cần tối thiểu khoảng 30 phút ghi âm sạch, và càng nhiều dữ liệu tốt thì giọng càng giống.
Chất lượng file mẫu quan trọng hơn độ dài. Bạn nên ghi âm trong phòng yên tĩnh, micro cách miệng khoảng một gang tay, đọc tự nhiên với tốc độ đều. Tiếng ồn nền, tiếng vọng hay nhạc nền trong file mẫu sẽ làm giọng clone bị rè hoặc méo.
Quy định cần biết trước khi clone giọng
Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực từ ngày 01/01/2026. Giọng nói có thể dùng để nhận dạng một người, nên được xem là dữ liệu cá nhân, và dữ liệu sinh trắc học thuộc nhóm dữ liệu cá nhân nhạy cảm. Việc thu thập, xử lý dữ liệu này cần có sự đồng ý rõ ràng của chủ thể dữ liệu.
Trên thực tế, bạn chỉ nên clone giọng của chính mình, hoặc giọng của người đã đồng ý bằng văn bản, ghi rõ mục đích sử dụng và thời hạn. Không clone giọng người nổi tiếng, đồng nghiệp hay khách hàng khi chưa được phép. Dùng giọng clone để mạo danh người khác, lừa đảo qua điện thoại hay tạo nội dung sai sự thật có thể bị xử lý theo pháp luật.
Với doanh nghiệp thuê người lồng tiếng để làm giọng thương hiệu, hợp đồng nên ghi rõ quyền dùng giọng clone, phạm vi sử dụng và cách xử lý khi hợp đồng kết thúc. Đây là phần nhiều công ty bỏ qua nhưng dễ gây tranh chấp về sau. Nội dung này không thay cho tư vấn pháp lý; doanh nghiệp nên hỏi luật sư với trường hợp cụ thể.
Bảng so sánh CoolMe, Vbee và ElevenLabs
| Tiêu chí | CoolMe | Vbee | ElevenLabs |
|---|---|---|---|
| Xuất xứ | Việt Nam | Việt Nam | Quốc tế |
| Giọng đọc tiếng Việt | Có giọng nói AI tiếng Việt | Có, nhiều giọng Bắc, Trung, Nam | Có trong các model đa ngôn ngữ |
| Nhân bản nhanh | Giới thiệu có voice clone | Có ở mọi gói | Có từ gói Starter |
| Nhân bản chuyên nghiệp | Chưa công bố | Có, 3–6 giọng tùy gói | Có từ gói Creator |
| API công khai | Chưa có | Có | Có |
| Giá tham khảo (09/2026) | Theo credit, chưa công bố đơn giá theo ký tự | API từ 49.000đ/120.000 ký tự | Starter khoảng 5–6 USD/tháng, Creator 22 USD/tháng |
| Thanh toán | VND, credit không hết hạn | VND | USD, thẻ quốc tế |
| Kết hợp video, ảnh | Có video review, ảnh sản phẩm, đăng đa kênh | Tập trung giọng nói | Tập trung giọng nói, âm thanh |
Vài điểm cần giải thích thêm. Vbee là đơn vị chuyên về giọng nói tiếng Việt, có bảng giá API công khai theo số ký tự: 49.000đ cho 120.000 ký tự, 999.000đ cho 2,45 triệu ký tự, 4.899.000đ cho 12 triệu ký tự và 9.899.000đ cho 24,25 triệu ký tự. ElevenLabs có gói Starter khoảng 5–6 USD mỗi tháng với 30.000 credit và nhân bản nhanh, gói Creator 22 USD mỗi tháng (tháng đầu 11 USD) có nhân bản chuyên nghiệp. Giá tại thời điểm viết (09/2026) và có thể thay đổi.
CoolMe giới thiệu tính năng giọng nói AI gồm chuyển văn bản thành giọng nói tiếng Việt và nhân bản giọng trên ai.coolme.vn. Tại thời điểm viết, CoolMe chưa công bố đơn giá theo ký tự, số giọng clone tối đa hay API cho lập trình viên. Điểm khác biệt của CoolMe là giọng đọc nằm cùng tài khoản với video review, ảnh sản phẩm và công cụ đăng bài. Bạn có thể nghe thử giọng nói AI trên CoolMe bằng credit tặng khi đăng ký.
Cách tự nghe mù đoạn 60 giây
Mỗi người nghe có cảm nhận khác nhau, và mỗi giọng mẫu cho kết quả khác nhau. Vì vậy, cách tốt nhất là tự làm một bài nghe mù nhỏ với chính giọng của mình.
Cách test
Bạn ghi một file mẫu giọng của mình, dùng cùng file đó để clone trên cả ba công cụ. Sau đó, bạn cho ba giọng clone đọc cùng một đoạn văn 60 giây, khoảng 150–180 từ. Đoạn văn nên có số điện thoại, giá tiền, ngày tháng, tên riêng tiếng Việt và vài từ tiếng Anh như "sale", "livestream", "voucher".
Bạn đổi tên ba file thành A, B, C, rồi nhờ ba đến năm người nghe và chấm mà không biết file nào của công cụ nào. Nếu có thể, bạn nên nhờ cả người miền Bắc và miền Nam cùng nghe.
Điểm tự nhiên và dấu thanh
Người nghe chấm theo thang 1–5 cho bốn tiêu chí: độ giống giọng gốc, độ tự nhiên khi ngắt nghỉ, độ đúng dấu thanh, và cảm giác có muốn nghe tiếp hay không. Dấu hỏi và dấu ngã là nơi AI hay đọc sai nhất, đặc biệt với giọng miền Nam. Ngữ điệu câu hỏi và câu cảm thán cũng là điểm dễ nhận ra giọng máy.
Lỗi thường gặp: số, tên riêng, từ tiếng Anh
Lỗi phổ biến nhất là đọc số: "150.000đ" có thể bị đọc thành "một trăm năm mươi chấm không không không đồng". Tên riêng và tên thương hiệu cũng dễ bị đọc sai. Từ tiếng Anh xen giữa câu tiếng Việt thường bị đọc theo kiểu tiếng Anh hoặc kiểu phiên âm, tùy công cụ. Bạn nên ghi lại cách từng công cụ xử lý, và thử viết lại văn bản (ví dụ "một trăm năm mươi nghìn đồng") để xem có khắc phục được không.
Chi phí cho 30 video TikTok mỗi tháng
Một video TikTok 60 giây thường có kịch bản khoảng 150–180 từ tiếng Việt, tương đương khoảng 800–1.000 ký tự. Ba mươi video mỗi tháng như vậy cần khoảng 25.000–30.000 ký tự.
| Công cụ | Lựa chọn phù hợp | Chi phí ước tính mỗi tháng |
|---|---|---|
| Vbee | Gói API 120.000 ký tự | 49.000đ, dư cho 30 video |
| ElevenLabs | Starter 30.000 credit | khoảng 130.000–156.000đ, vừa đủ |
| CoolMe | Mua credit theo nhu cầu | Chưa công bố đơn giá giọng nói, cần đo thực tế |
Nếu chỉ cần giọng đọc, Vbee có chi phí thấp và nhiều giọng Việt. Nếu cần nhiều ngôn ngữ, ElevenLabs linh hoạt hơn. Nếu bạn muốn ghép giọng đọc vào video review sản phẩm và đăng luôn lên mạng xã hội trong cùng một nơi, bạn có thể thử Video Review AI của CoolMe, công cụ có giọng đọc AI đi kèm.
Chọn công cụ theo việc
Đọc truyện, sách nói, bài giảng dài: Vbee hoặc ElevenLabs phù hợp hơn vì có gói nhiều ký tự và giọng đọc dài ổn định.
Làm sản phẩm có tích hợp giọng nói qua API: Vbee và ElevenLabs có API công khai, CoolMe chưa có.
Làm video bán hàng ngắn cho TikTok Shop: CoolMe tiện hơn nếu bạn đã dùng CoolMe để làm ảnh sản phẩm và video, vì mọi bước nằm trong một tài khoản.
Nội dung đa ngôn ngữ: ElevenLabs có lợi thế nhờ hỗ trợ nhiều ngôn ngữ.
Dù chọn công cụ nào, bạn nên nghe thử bằng bản miễn phí hoặc gói nhỏ nhất trước khi mua gói lớn.
Làm sao nhận biết cuộc gọi dùng giọng AI giả
Giọng clone ngày càng giống thật, và kẻ gian có thể lợi dụng để giả giọng người thân gọi điện vay tiền. Một số dấu hiệu cần cảnh giác: người gọi nói giọng quen nhưng dùng số lạ, giục chuyển tiền gấp, tránh gọi video, trả lời chậm hoặc lặp câu khi bị hỏi bất ngờ.
Cách phòng tránh đơn giản nhất là gác máy và gọi lại vào số quen thuộc của người đó. Gia đình cũng có thể thống nhất một câu hỏi bí mật chỉ người trong nhà biết. Với doanh nghiệp, mọi yêu cầu chuyển tiền qua điện thoại nên được xác nhận qua một kênh thứ hai.
Câu hỏi thường gặp
Clone giọng nói có hợp pháp không?
Clone giọng của chính bạn hoặc của người đã đồng ý rõ ràng là hợp pháp. Clone giọng người khác khi chưa đồng ý, hoặc dùng để mạo danh, lừa đảo là vi phạm pháp luật, trong đó có Luật Bảo vệ dữ liệu cá nhân có hiệu lực từ 01/01/2026.
Cần bao nhiêu phút ghi âm để clone giọng?
Nhân bản nhanh thường cần từ vài chục giây tới vài phút ghi âm sạch. Nhân bản chuyên nghiệp cần nhiều hơn, với ElevenLabs là tối thiểu khoảng 30 phút.
ElevenLabs đọc tiếng Việt có tốt không?
ElevenLabs có hỗ trợ tiếng Việt trong các model đa ngôn ngữ. Chất lượng dấu thanh và giọng vùng miền khác nhau tùy giọng mẫu, nên bạn nên nghe thử trước khi mua.
Vbee clone giọng giá bao nhiêu?
Vbee có tính năng nhân bản nhanh ở mọi gói, nhân bản chuyên nghiệp 3–6 giọng tùy gói. Gói API bắt đầu từ 49.000đ cho 120.000 ký tự tại thời điểm viết (09/2026).
Làm sao biết một cuộc gọi dùng giọng AI giả?
Hãy cảnh giác khi người gọi dùng số lạ, giục chuyển tiền gấp và tránh gọi video. Cách chắc chắn nhất là gác máy và gọi lại vào số quen thuộc.
Kết luận
Vbee mạnh về giọng Việt và có giá API rõ ràng, ElevenLabs mạnh về đa ngôn ngữ và nhân bản chuyên nghiệp, còn CoolMe hợp với người muốn làm giọng đọc, ảnh và video bán hàng trong cùng một tài khoản. Cách chọn chính xác nhất là tự nghe mù với chính giọng của bạn. Nếu muốn thử, bạn có thể đăng ký CoolMe để nhận credit tặng khi đăng ký và thử giọng nói AI tiếng Việt.
Bạn có thể đọc thêm HeyGen hay CoolMe cho video review sản phẩm, công cụ tạo video TikTok AI miễn phí, bộ công cụ AI cho seller TikTok Shop và bảng giá credit AI tại Việt Nam.
