Cách viết mô tả thiết kế giọng nói AI cho ra đúng giọng bạn muốn
Đăng ngày · 5 phút đọc
Mô tả thiết kế giọng là một bản yêu cầu tuyển diễn viên lồng tiếng, không phải kịch bản. Năm đặc điểm là đủ đi gần hết chặng đường.
Thiết kế giọng tạo ra một giọng tổng hợp hoàn toàn mới từ mô tả bằng chữ. Không có bản ghi âm, không có người thật phía sau — vì vậy đây là công cụ phù hợp khi bạn cần một nhân vật cụ thể, như người hướng dẫn thiền điềm tĩnh, ông thuyền trưởng giọng khàn hay người giới thiệu sản phẩm tươi sáng, mà bạn không thể hoặc không muốn tự ghi. Điểm mấu chốt: mô hình chỉ dựng được thứ bạn mô tả. Mô tả mơ hồ cho ra giọng chung chung.
Viết như yêu cầu tuyển giọng, không phải kịch bản
Lỗi phổ biến nhất là viết điều giọng sẽ nói thay vì giọng nghe thế nào. “Chào mừng các bạn đến với kênh, hôm nay chúng ta nói về…” không cho mô hình biết gì về người nói. Hãy mô tả người đó như khi bạn dặn một diễn viên lồng tiếng trước buổi thử giọng. Trên VocaTTS bạn có từ 20 đến 1.500 ký tự, quá đủ — phần lớn mô tả tốt chỉ dài hai, ba câu.
Năm đặc điểm quan trọng nhất
- Tuổi và vai trò. “Cô gái cuối tuổi hai mươi dạy học trực tuyến” neo luôn cao độ, cách dùng từ và thái độ trong một cụm.
- Âm sắc. Trầm, sáng, có hơi, rõ gọn, giọng mũi, khàn. Chọn một hai từ, đừng chọn năm.
- Nhịp và năng lượng. Chậm rãi, nhanh và sôi nổi, đều đặn có ngắt nghỉ.
- Giọng vùng, chỉ khi khán giả của bạn để ý. “Giọng miền Nam” hay “giọng Mỹ trung tính” là đủ.
- Cảm giác của người nghe. Yên tâm, hào hứng, tập trung, thích thú. Thường hiệu quả hơn bất kỳ tính từ kỹ thuật nào.
Giới tính và ngôn ngữ chính được chọn riêng trong biểu mẫu — nam hoặc nữ, và một trong 15 ngôn ngữ chính — nên không cần nhắc lại trong mô tả. Dùng mô tả cho mọi thứ còn lại.
Ví dụ theo mục đích
Một cô giáo ngoài ba mươi, ấm áp và kiên nhẫn. Phát âm rõ, nhịp vừa phải đều đặn, hơi mỉm cười khi giảng. Người nghe thấy mắc lỗi cũng không sao.
Một người đàn ông khoảng sáu mươi tuổi, giọng trầm vang, hơi khàn. Nói chậm, để từng câu lắng xuống, không bao giờ vội. Uy tín nhưng hiền hậu.
Một chàng trai giữa tuổi hai mươi đầy năng lượng, giọng sáng và dứt khoát, nói nhanh nhưng vẫn dễ theo. Nghe như đang kể cho bạn một điều thú vị.
Một người kể chuyện nữ dịu dàng, hơi có hơi thở. Âm lượng nhỏ, nhịp chậm, ấm áp và tinh nghịch, như đang đọc bên giường trẻ trước giờ ngủ.
Những gì nên bỏ ra
- Tên người thật hay nhân vật có thật. “Giống giọng diễn viên X” không đáng tin cậy, và bắt chước người thật là không được phép.
- Mâu thuẫn. “Điềm tĩnh nhưng cực kỳ sôi động” buộc mô hình phải đoán.
- Danh sách tính từ dài. Quá năm, sáu đặc điểm thì chữ thừa làm loãng những chữ quan trọng.
- Hiệu ứng âm thanh hay nhạc. Thiết kế mô tả giọng nói, không phải bản phối.
Mỗi lần chỉ đổi một đặc điểm
Nếu giọng đầu tiên gần đúng mà chưa tới, hãy đổi một đặc điểm rồi tạo lại. Chỉnh tuổi trước vì nó kéo theo mọi thứ khác; rồi đến nhịp; rồi âm sắc. Đổi ba thứ cùng lúc thì không biết thay đổi nào có ích. Hãy lưu các mô tả vào ghi chú — giọng bạn thích hôm nay sẽ dễ tạo lại sau này nếu còn giữ mô tả.
Đưa giọng vào sử dụng
Giọng thiết kế hoạt động như mọi giọng khác trong “Giọng của tôi”: dùng làm lời đọc trong Text to Speech, lồng tiếng phụ đề trong SRT thành audio, hoặc cho mỗi nhân vật trong kịch bản nhiều người nói một giọng riêng. Vì là giọng Gemini nên thẻ cảm xúc như <cheerful> hay <serious> ở đầu câu vẫn có tác dụng, một giọng thiết kế tốt có thể phủ được nhiều sắc thái.