Một video ngắn giới thiệu sản phẩm cần lời đọc rõ ràng. Nhiều chủ shop ở Quảng Ngãi ngại thu giọng mình, thu ở nhà thì lẫn tiếng xe, thuê người đọc thì tốn kém mỗi lần đổi giá. Vì vậy AI lồng tiếng video, hay công nghệ chuyển văn bản thành giọng nói (text to speech), đang được quan tâm. Bài này giới thiệu vài công cụ mã nguồn mở hỗ trợ tiếng Việt, cách đưa chúng vào quy trình làm video bán hàng, và quan trọng nhất là những lưu ý về giọng nói của người khác.
Đọc giọng và nhân bản giọng: hai việc khác nhau
Đọc giọng (TTS) là chuyển văn bản thành giọng nói bằng một giọng có sẵn trong phần mềm. Nhân bản giọng (voice cloning) là dùng một đoạn ghi âm ngắn của một người để tạo ra giọng nói giống người đó, đọc bất cứ câu nào. Việc thứ hai mạnh hơn nhiều, và cũng nhạy cảm hơn nhiều, vì có thể bị dùng để giả mạo.
Vài công cụ mã nguồn mở đáng biết
Số sao và giấy phép đọc trực tiếp từ GitHub lúc khoảng 7 giờ 56 sáng ngày 04/11/2026 (giờ Việt Nam). Mô tả chỉ dựa trên README của từng repo.
VieNeu-TTS (pnnbao97/VieNeu-TTS)
Khoảng 3 nghìn sao (ngày 04/11/2026), giấy phép Apache-2.0. README giới thiệu đây là công cụ TTS tiếng Việt chạy trên máy, có sẵn 25 giọng mẫu và chức năng nhân bản giọng từ đoạn ghi âm 3–8 giây, chạy được cả trên CPU. README cũng nói rõ phiên bản v4 có khả năng nhân bản giọng rất sát nên không được mở mã nguồn vì nguy cơ bị lạm dụng, chỉ có qua dịch vụ riêng; bản mã nguồn mở mới nhất là v3 Turbo. Các chức năng lồng tiếng, làm video TikTok chỉ có trong ứng dụng riêng, repo chỉ có giao diện thử và bộ công cụ cho lập trình viên.
Piper (OHF-Voice/piper1-gpl)
Khoảng 6 nghìn sao (ngày 04/11/2026), giấy phép GPL-3.0. Công cụ TTS nhanh, chạy cục bộ, do Open Home Foundation duy trì; danh sách giọng có mục tiếng Việt (vi_VN). Repo cũ rhasspy/piper (giấy phép MIT) đã được lưu trữ, không còn cập nhật. Giấy phép GPL có điều kiện riêng nếu bạn phân phối phần mềm có dùng Piper; chỉ dùng để tạo file âm thanh cho video thì đơn giản hơn, nhưng vẫn nên đọc giấy phép và giấy phép của từng giọng.
Fish Speech (fishaudio/fish-speech)
Khoảng 33,5 nghìn sao (ngày 04/11/2026). Mã nguồn và trọng số mô hình dùng giấy phép riêng "Fish Audio Community License", một số trọng số theo giấy phép nghiên cứu. Đây không phải giấy phép mở thông thường; nếu định dùng cho mục đích kinh doanh, hãy đọc kỹ điều khoản trước.
sherpa-onnx (k2-fsa/sherpa-onnx)
Khoảng 15,7 nghìn sao (ngày 04/11/2026), Apache-2.0. Bộ công cụ chạy không cần mạng cho cả chuyển giọng nói thành chữ và chữ thành giọng nói, phù hợp người có chút kỹ thuật muốn chạy trên máy tính hoặc điện thoại.
Quy trình làm video bán hàng có lồng tiếng AI
- Viết kịch bản ngắn: 30–60 giây, câu ngắn, tên sản phẩm, giá (nếu ổn định), cách đặt hàng. Viết đúng chính tả và dấu câu, vì AI đọc theo dấu câu.
- Chọn giọng: ưu tiên giọng có sẵn của phần mềm. Nếu muốn dùng giọng của chính bạn, tự thu một đoạn mẫu rõ ràng.
- Nghe lại từng câu: AI dễ đọc sai tên riêng, địa danh, số điện thoại, đơn vị tiền. Sửa cách viết (ví dụ viết số điện thoại thành từng cụm) rồi tạo lại.
- Ghép với hình ảnh thật: ảnh, video sản phẩm do bạn tự quay. Giọng AI đi với hình ảnh thật vẫn tạo được niềm tin.
- Đăng và gắn nhãn: ghi chú "lời đọc tạo bằng AI" trong mô tả. Nhiều nền tảng video có chức năng hoặc quy định về gắn nhãn nội dung tạo bằng AI; kiểm tra quy định của nền tảng bạn dùng.
Bản quyền giọng nói và sự đồng ý: ranh giới không được vượt
- Chỉ nhân bản giọng khi có sự đồng ý rõ ràng, tốt nhất bằng văn bản, của chính người đó: bạn, người nhà, nhân viên. Nói rõ giọng sẽ dùng cho video nào, trong bao lâu, và người đó có quyền rút lại.
- Không bắt chước giọng người nổi tiếng, ca sĩ, MC, người có ảnh hưởng, kể cả "cho vui". Đây là cách nhanh nhất để gặp rắc rối pháp lý và mất uy tín.
- Không dùng giọng AI để giả làm khách hàng khen sản phẩm. Lời chứng thực giả là lừa dối người mua.
- Không đặt lời hứa sai sự thật vào miệng giọng AI: AI đọc gì là do bạn viết. Công dụng sản phẩm, đặc biệt thực phẩm, mỹ phẩm, phải đúng với thông tin được phép công bố.
- Giữ file gốc: kịch bản, file âm thanh, ngày tạo. Khi có thắc mắc, bạn có bằng chứng về nguồn gốc.
- Giấy phép công cụ và giọng mẫu: mỗi công cụ, mỗi giọng có điều kiện riêng. Đọc trước khi dùng cho quảng cáo.
Đưa video lên website thế nào
Video bán hàng không chỉ để đăng mạng xã hội. Đặt video vào trang sản phẩm trên website giúp khách xem đủ thông tin ở một chỗ. Cách nhẹ nhất là đăng lên YouTube rồi nhúng vào trang; bên dưới video nên có phần chữ tóm tắt nội dung lời đọc, vừa giúp người không bật tiếng, vừa giúp Google hiểu trang. Website của bạn vẫn là nơi giữ thông tin chính thức: giá, chính sách, địa chỉ. Nếu chưa có website, các gói theo bảng giá bắt đầu từ Gói Miễn phí 1 trang dựng từ mẫu, gói Web mẫu có sẵn 500.000đ cho 4–5 trang, chưa gồm hosting và tên miền. Doanh nghiệp trong tỉnh có thể xem thêm ở trang làm website cho cửa hàng ở Quảng Ngãi; ở chiều ngược lại, nếu muốn chuyển ghi âm thành chữ, đọc bài chuyển ghi âm thành chữ bằng Whisper.
Có video bán hàng và muốn đặt lên trang sản phẩm cho gọn? Nhắn Zalo 0947805184 hoặc gọi 0947588971 để được tư vấn cách trình bày.
Câu hỏi thường gặp
Giọng AI tiếng Việt nghe có tự nhiên không?
Đã tốt hơn nhiều, nhưng vẫn có thể đọc sai tên riêng, từ địa phương, số. Luôn nghe lại trước khi đăng.
Dùng giọng AI có cần ghi chú không?
Nên ghi chú để minh bạch với khách, và kiểm tra quy định gắn nhãn của nền tảng bạn đăng video.
Có thể nhân bản giọng nhân viên để làm video không?
Chỉ khi nhân viên đồng ý rõ ràng, biết giọng được dùng vào đâu, và có quyền rút lại khi nghỉ việc.
