Giọng đọc: người thật hay giọng AI

Giọng đọc là "gương mặt" của kênh faceless

Kênh không lộ mặt thì giọng đọc là thứ người xem nghe suốt 8–12 phút. Bài này giúp bạn chọn phương án, lo đủ giấy phép và làm voiceover nghe tự nhiên. Ví dụ xuyên suốt vẫn là kênh faceless tiếng Anh kể lại các vụ đắm tàu có thật.

So sánh các lựa chọn

Gợi ý chọn:

• Kênh tiếng Việt: tự thu là lợi thế lớn, vì bạn hiểu khán giả và phát âm tự nhiên.
• Kênh "key Mỹ" mà tiếng Anh nói của bạn chưa tự nhiên: dùng giọng AI trả phí hoặc thuê người bản ngữ, và luôn có một người giỏi tiếng Anh nghe duyệt.

Bước 1: Nếu dùng giọng AI, lo giấy phép trước

Theo trang giá ElevenLabs (truy cập 27/09/2026):

Quy đổi phổ biến: khoảng 1.000 ký tự ≈ 1 phút đọc, nên gói Creator ≈ 120 phút đọc mỗi tháng. Model V2 Multilingual tính 1 ký tự = 1 credit.

Tự ước tính nhu cầu (kiểm tra lại với kịch bản thật): video 10 phút cần khoảng 10.000 credit cho một lần đọc. Cộng các lần đọc lại để sửa, nên tính 15.000–20.000 credit mỗi video. Như vậy:

• Lịch 7 ngày/1 video (4 video 10 phút/tháng) cần khoảng 60.000–80.000 credit: gói Creator hợp lý.
• Video 20–30 phút cần khoảng 25.000–50.000 credit mỗi video; 4 video/tháng có thể vượt gói Creator, khi đó cân nhắc gói Pro, model tốn ít credit hơn, hoặc tự thu giọng.
• Chỉ làm thử 1 video: gói Starter là đủ.

Chụp màn hình gói đang dùng và hóa đơn, lưu vào thư mục 03_voice của video và ghi vào nhật ký giấy phép đã lập ở Cấp 2.

Bước 2: Ranh giới khi clone giọng

• Clone giọng của chính bạn để lồng tiếng: YouTube ghi rõ không cần công bố AI.
• Tuyệt đối không clone giọng người khác, người nổi tiếng hay YouTuber khác khi chưa có sự đồng ý rõ ràng, tốt nhất bằng văn bản.
• YouTube đã mở tính năng phát hiện giả mạo khuôn mặt (likeness detection) cho mọi người từ 18 tuổi và đang bổ sung nhận diện giọng nói (chi tiết ở Cấp 7). Giả giọng người khác ngày càng dễ bị phát hiện.

Bước 3: Nếu tự thu giọng

1. Chọn phòng nhỏ, nhiều đồ vải (rèm, chăn, tủ quần áo) để giảm vang. Tắt quạt, điều hòa khi thu.
2. Cố định micro, giữ khoảng cách từ miệng tới micro như nhau suốt buổi thu.
3. Thu từng đoạn. Đọc sai thì dừng một nhịp rồi đọc lại cả câu, để khi dựng dễ cắt.
4. Thu thử 30 giây, nghe lại bằng tai nghe rồi mới thu cả bài.
5. Xuất WAV 48kHz cho khớp với âm thanh khi xuất video (AAC 48kHz).

Thời gian dự kiến: tự thu và xử lý 1,5–3 giờ; giọng AI 0,5–1 giờ (ước tính kinh nghiệm, không phải số của YouTube).

Bước 4: Làm giọng AI bớt đều đều

1. Chia nhỏ: render theo từng đoạn (mỗi chương một file), không render cả bài một lần.
2. Sửa phát âm tên riêng: tên tàu, tên người, địa danh. Nếu AI đọc sai, viết lại theo cách đọc trong bản dành cho giọng đọc, còn bản chuẩn thì giữ cho phụ đề.
3. Thêm khoảng ngắt: xuống dòng, dấu chấm, dấu ba chấm trước các tiết lộ; dùng thẻ ngắt nếu công cụ hỗ trợ.
4. Đổi nhịp: đoạn bối cảnh đọc chậm, đoạn cao trào câu ngắn và nhanh hơn.
5. Render 2–3 bản cho các câu quan trọng (hook, re-hook, kết) rồi chọn bản hay nhất.
6. Nghe duyệt: với kênh nhắm khán giả Mỹ, một người giỏi tiếng Anh nghe lại toàn bộ, đánh dấu chỗ nhấn sai, ngữ điệu sai.

Bước 5: Tránh rập khuôn

Bản thân giọng AI không bị cấm; rủi ro nằm ở sự lặp lại. Trong chính sách spam, YouTube nêu ví dụ các kênh dùng đúng một nhạc nền và hình ảnh AI lặp lại trên nhiều video, mỗi video chỉ là giọng đọc một kịch bản do AI viết. Cách tránh:

• Kịch bản có nghiên cứu và góc nhìn riêng (hai bài đầu của Cấp 3).
• Hình ảnh chọn theo từng câu thoại (bài hình ảnh ngay sau đây).
• Nhạc và nhịp dựng thay đổi theo nội dung từng video (bài dựng video).