Hướng dẫn Tạo giọng nói bản địa bằng Google AI Studio chi tiết nhất

Chỉ với vài thao tác đơn giản trên máy tính, bạn hoàn toàn có thể tạo giọng nói bản địa bằng Google AI Studio nghe tự nhiên như người thật.

Trong bài viết này, Sforum sẽ hướng dẫn bạn cách tạo giọng nói bản địa bằng Google AI Studio và gợi ý thêm các prompt cho nhiều vùng miền khác nhau, giúp bạn dễ dàng tạo ra giọng đọc tự nhiên, gần gũi và phù hợp với nội dung mà bạn đang muốn thực hiện. Mời bạn cùng tham khảo bài viết!

Cách tạo giọng nói bản địa bằng Google AI Studio

Bước 1: Truy cập mục Generate Media

Đầu tiên, sau khi mở Google AI Studio, bạn hãy chọn mục Generate media ở menu bên trái. 

Bước 2: Chọn Gemini Speech Generation

Trong danh sách các mô hình tạo nội dung, hãy nhấn vào Gemini speech generation. Công cụ này cho phép bạn chuyển đổi văn bản thành giọng nói chất lượng cao.

Bước 3: Chọn chế độ Multi-speaker

Để tạo nhiều giọng đọc bản địa khác nhau trong cùng một đoạn hội thoại, bạn chọn Multi-speaker audio. Nếu chỉ cần một giọng duy nhất thì có thể dùng chế độ Single-speaker audio.

Bước 4: Viết kịch bản giọng đọc

Ở bước này, bạn cần xây dựng phần kịch bản cho từng nhân vật. Đây là yếu tố quan trọng để giọng đọc AI trở nên tự nhiên và sống động, thay vì chỉ là những câu chữ đơn điệu.

Trước hết, hãy mô tả ngắn gọn thông tin nhân vật, bao gồm độ tuổi, vùng miền và đặc điểm giọng. Ví dụ: “Hà Nội – 23 tuổi – giọng Bắc chuẩn, rõ ràng, tone ấm áp, chuyên nghiệp” hoặc “Huế – 22 tuổi – giọng ngọt, trầm, dịu, tone nhẹ nhàng, tình cảm”. Điều này giúp hệ thống nhận diện chính xác phong cách cần thể hiện.

Bước 5: Thêm đoạn hội thoại

Sau khi viết kịch bản, bạn bắt đầu chèn các đoạn thoại cho từng nhân vật. Mỗi dòng thoại nên gắn với một “Speaker” để AI phân biệt ai đang nói. Từ đó, bạn có thể tạo ra một đoạn hội thoại liền mạch, giống như đang nghe hai người trò chuyện thực sự.

Bước 6: Chọn giọng và tinh chỉnh

Kế tiếp, bạn chọn giọng mẫu trong mục Voice settings. Google AI Studio cung cấp nhiều lựa chọn với cao độ, nhịp điệu và phong cách khác nhau. Bạn có thể thử nghe trước để chọn giọng phù hợp nhất với nhân vật.

Bước 7: Tùy chỉnh giọng cho từng nhân vật

Mỗi nhân vật có thể dùng một giọng khác nhau, ví dụ Speaker 1 – Zephyr và Speaker 2 – Puck. Việc này giúp đoạn hội thoại thêm sinh động, có sự phân biệt rõ ràng giữa các nhân vật.

Bước 8: Chạy thử kịch bản

Sau khi hoàn tất việc viết thoại và chọn giọng, bạn nhấn Run để hệ thống tạo file âm thanh. Đây là bước kiểm tra để nghe thử giọng AI đã khớp với kịch bản hay chưa.

Bước 9: Nghe lại giọng đọc

Sau khi hệ thống đã tạo xong file âm thanh, bạn hãy nhấn vào nút phát để nghe lại toàn bộ đoạn giọng đọc. Đây là bước kiểm tra quan trọng để đảm bảo chất giọng, tốc độ và ngữ điệu đã đúng như mong muốn trước khi lưu. Nếu cần, bạn có thể quay lại các bước chỉnh sửa để tối ưu thêm.

Bước 10: Tải xuống file giọng đọc

• Khi đã hài lòng với kết quả, nhấn vào biểu tượng ba chấm bên cạnh thanh phát để mở bảng menu thêm.

• Cuối cùng, bạn nhấn chọn Download để tải file giọng đọc về máy. File này có thể được sử dụng ngay cho video, podcast, bài thuyết trình hoặc các dự án sáng tạo khác.

Khám phá ngay danh sách laptop đang được nhiều người quan tâm tại CellphoneS để chọn cho mình chiếc máy phù hợp nhất.

Prompt gợi ý cho giọng đọc bản địa

Khi sử dụng Google AI Studio để tạo giọng đọc, việc nhập prompt chi tiết sẽ giúp giọng AI trở nên chân thực và đúng với mong muốn của bạn. Càng mô tả rõ về tuổi, đặc trưng vùng miền và ngữ điệu, kết quả sẽ càng tự nhiên. Dưới đây là một số gợi ý chi tiết theo từng khu vực, kèm bối cảnh phù hợp để bạn dễ chọn lựa.

Giọng miền Bắc

Giọng miền Bắc thường sáng, dứt khoát, dễ nghe. Đây là lựa chọn lý tưởng cho các video tin tức, giảng dạy hay những nội dung mang tính chính thống.

• Hà Nội: “Hà Nội – 23 tuổi – Giọng Bắc chuẩn, rõ, dứt khoát. Tone: ấm áp, chuyên nghiệp. Hợp với video giới thiệu, tin tức hoặc nội dung học tập.”
• Hải Phòng: “Hải Phòng – 25 tuổi – Giọng Bắc mạnh, có nhấn âm cuối. Tone: tự tin, quyết đoán. Thích hợp cho các bài thuyết trình hoặc nội dung cần sự mạnh mẽ.”
• Quảng Ninh (Hạ Long): “Quảng Ninh – 23 tuổi – Giọng Bắc nhẹ, dễ hiểu. Tone: mạch lạc, thân thiện. Hợp cho video du lịch hoặc clip kể chuyện.”

Giọng Bắc Trung Bộ 

Âm điệu Bắc Trung Bộ có sự nặng và ngân, mang lại cảm giác chân thành và tình cảm. Phù hợp cho những video nghệ thuật, truyền cảm hứng hoặc nội dung gợi cảm xúc.

• Thanh Hóa: “Thanh Hóa – 23 tuổi – Giọng Bắc Trung Bộ, âm nặng, dứt khoát. Tone: mạnh mẽ, chân thành. Thích hợp cho nội dung truyền động lực.”
• Nghệ An: “Nghệ An – 22 tuổi – Âm nặng, ngân dài. Tone: sâu lắng, tình cảm. Rất hợp với video nghệ thuật, thơ ca, nhạc nền.”
• Hà Tĩnh: “Hà Tĩnh – 24 tuổi – Giọng mềm, nhẹ hơn Nghệ An. Tone: hiền hòa, gần gũi. Phù hợp cho video kể chuyện hoặc chia sẻ đời sống.”

Giọng Trung Trung Bộ

Giọng Trung Trung Bộ có sự ngọt ngào và rõ ràng, dễ chiếm thiện cảm. Đây là lựa chọn lý tưởng cho nội dung du lịch, vlog hay giới thiệu dịch vụ.

• Huế: “Huế – 22 tuổi – Ngọt, trầm, dịu. Tone: nhẹ nhàng, tình cảm. Phù hợp với nội dung lãng mạn, thiền định hoặc video du lịch cố đô.”
• Đà Nẵng: “Đà Nẵng – 23 tuổi – Giọng pha Nam, rõ, dễ nghe. Tone: nhiệt tình, thân thiện. Hợp với video giới thiệu sản phẩm hoặc hướng dẫn.”
• Quảng Nam: “Quảng Nam – 23 tuổi – Giọng nhanh, dứt khoát, có nhấn nhá. Tone: vui vẻ, gần gũi. Rất hợp với vlog đời thường hoặc podcast trẻ trung.”

Giọng Tây Nguyên 

Giọng Tây Nguyên mang âm sắc vừa rõ ràng, vừa tự nhiên, gợi sự chân chất. Thích hợp cho các video văn hóa, tài liệu hoặc nội dung cộng đồng.

• Đắk Lắk: “Đắk Lắk – 23 tuổi – Giọng Trung pha Nam, rõ. Tone: mạnh mẽ, thân tình. Phù hợp với nội dung quảng bá văn hóa hoặc sản phẩm nông nghiệp.”
• Lâm Đồng (Đà Lạt): “Đà Lạt – 24 tuổi – Giọng nhẹ, chậm, êm. Tone: dịu dàng, ngọt ngào. Thích hợp cho video kể chuyện, vlog du lịch Đà Lạt.”
• Gia Lai: “Gia Lai – 24 tuổi – Giọng rõ, dễ nghe. Tone: mộc mạc, trẻ trung. Hợp với nội dung hướng đến giới trẻ hoặc clip giải trí.”

Giọng Nam Trung Bộ 

Khu vực Nam Trung Bộ có giọng nói rõ ràng, hơi pha Nam Bộ, mang lại cảm giác trong sáng và dễ gần. Đây là lựa chọn tốt cho video quảng bá, review hoặc vlog.

• Ninh Thuận: “Ninh Thuận – 23 tuổi – Giọng Trung pha Nam, rõ. Tone: hiền, dễ gần. Thích hợp cho video chia sẻ đời sống hoặc phóng sự cộng đồng.”
• Bình Thuận (Phan Thiết): “Bình Thuận – 25 tuổi – Giọng rõ, mềm. Tone: thoải mái, thân thiện. Hợp với nội dung quảng bá du lịch biển.”
• Khánh Hòa (Nha Trang): “Khánh Hòa – 22 tuổi – Giọng sáng, dễ nghe. Tone: sôi nổi, thân thiện. Phù hợp cho video giải trí hoặc review.”

Giọng Đông Nam Bộ 

Giọng Đông Nam Bộ mang sự nhanh nhẹn, vui vẻ, dễ tạo thiện cảm. Thường được dùng cho video giải trí, livestream, review sản phẩm.

• TP. Hồ Chí Minh: “TP.HCM – 24 tuổi – Giọng Nam chuẩn, tự nhiên. Tone: nhanh nhẹn, vui vẻ. Rất hợp với video review hoặc livestream.”
• Đồng Nai: “Đồng Nai – 23 tuổi – Giọng Nam pha nhẹ, rõ. Tone: năng động, dễ gần. Thích hợp với video hướng dẫn hoặc clip ngắn TikTok.”
• Bà Rịa – Vũng Tàu: “Vũng Tàu – 23 tuổi – Giọng Nam mềm mại. Tone: hiếu khách, cởi mở. Phù hợp cho video du lịch hoặc phỏng vấn.”

Giọng khu vực đồng bằng sông Cửu Long  

Giọng miền Tây đặc trưng với sự mềm mại, gần gũi và ngọt ngào. Đây là lựa chọn tuyệt vời cho vlog ẩm thực, ca nhạc hoặc nội dung đời sống.

• Cần Thơ: “Cần Thơ – 25 tuổi – Giọng ngọt, mềm. Tone: thân tình, gần gũi. Phù hợp cho nội dung đời sống hoặc podcast trò chuyện.”
• Bến Tre: “Bến Tre – 24 tuổi – Giọng mộc mạc. Tone: thân mật, giản dị. Rất hợp cho vlog ẩm thực, du lịch miệt vườn.”
• Cà Mau: “Cà Mau – 24 tuổi – Giọng ngân, mượt. Tone: chân tình, hiếu khách. Thích hợp cho video ca nhạc hoặc clip quảng bá văn hóa miền Tây.”

Như vậy, với Google AI Studio, việc tạo giọng nói bản địa đã trở nên đơn giản rồi phải không nào? Chỉ cần vài bước thiết lập và những prompt phù hợp, bạn đã có thể sở hữu giọng đọc tự nhiên, mang đậm màu sắc vùng miền rồi đấy!

Hy vọng bài viết này sẽ có ích cho bạn. Chúc bạn thành công với thủ thuật này!

• Xem thêm các bài liên quan: Laptop