Cách dùng ElevenLabs lần đầu: hướng dẫn cho người mới

Bạn đã đọc qua khái niệm ElevenLabs là gì và muốn bắt tay vào tạo voiceover đầu tiên? Bài viết này sẽ cầm tay chỉ việc cho bạn từ lúc đăng ký tài khoản đến khi xuất file audio hoàn chỉnh. Mục tiêu rất rõ ràng: trong vòng 15 phút, bạn sẽ có một file MP3 với giọng đọc AI tự nhiên, sẵn sàng dùng cho TikTok, YouTube, podcast hay bài giảng online.

Hướng dẫn được viết cho người hoàn toàn mới, chưa từng dùng công cụ AI voice nào trước đây. Bạn chỉ cần một trình duyệt và một địa chỉ email.

Bước 1: đăng ký tài khoản ElevenLabs miễn phí

Truy cập elevenlabs.io và nhấn nút Sign Up ở góc phải. Bạn có ba lựa chọn đăng ký:

Đăng ký bằng email và mật khẩu
Đăng nhập bằng tài khoản Google
Đăng nhập bằng tài khoản Apple

Cách nhanh nhất là dùng Google. Sau khi xác thực email, bạn sẽ vào ngay dashboard chính. Gói miễn phí cho phép tạo khoảng 10.000 ký tự mỗi tháng, tương đương 10 phút audio. Đủ để bạn thử nghiệm và làm vài video ngắn trước khi quyết định nâng cấp.

Một vài lưu ý khi đăng ký

ElevenLabs yêu cầu xác minh số điện thoại nếu bạn muốn dùng tính năng voice cloning. Bước này nhằm chống lạm dụng nhân bản giọng nói. Với tính năng text-to-speech cơ bản, bạn không cần xác minh.

Bước 2: làm quen với giao diện chính

Sau khi đăng nhập, bạn sẽ thấy menu bên trái với các mục quan trọng:

Text to Speech: nhập văn bản, chọn giọng, xuất audio
Voices: thư viện giọng có sẵn và giọng bạn tự tạo
Voice Cloning: nhân bản giọng từ file mẫu (gói trả phí)
Dubbing: lồng tiếng và dịch video
Projects: dành cho dự án dài như audiobook
Studio: chỉnh sửa từng câu chi tiết

Với bài thực hành đầu tiên, bạn chỉ cần dùng Text to Speech. Nhấn vào mục này để bắt đầu.

Cách dùng ElevenLabs lần đầu: hướng dẫn từng bước cho người mới

Bước 3: chọn giọng đọc phù hợp

Trong giao diện Text to Speech, bạn sẽ thấy ô chọn giọng (Voice) ở bên phải hoặc phía trên. Nhấn vào đó để mở thư viện. ElevenLabs cung cấp hàng trăm giọng đọc, được phân loại theo:

Ngôn ngữ: tiếng Anh, tiếng Việt, tiếng Trung, tiếng Nhật, tiếng Tây Ban Nha…
Giới tính: nam, nữ
Độ tuổi: trẻ, trung niên, lớn tuổi
Phong cách: kể chuyện, tin tức, quảng cáo, podcast, trò chuyện
Accent: Anh-Mỹ, Anh-Anh, Úc…

ElevenLabs có hỗ trợ tiếng Việt không?

Có. Từ mô hình Multilingual v2 và Eleven v3, ElevenLabs hỗ trợ tiếng Việt khá tốt. Bạn có thể chọn bất kỳ giọng nào trong thư viện và nhập văn bản tiếng Việt, hệ thống sẽ tự nhận diện ngôn ngữ. Một số giọng đọc tiếng Việt nghe rất tự nhiên, gần như người thật. Mẹo nhỏ: hãy nghe thử (nhấn nút Play bên cạnh tên giọng) vài giọng trước khi chọn, vì mỗi giọng có sắc thái riêng.

Bước 4: nhập văn bản và tinh chỉnh

Sau khi chọn giọng, dán văn bản vào ô lớn ở giữa màn hình. Với bài thử đầu tiên, bạn nên dùng đoạn ngắn khoảng 100-200 chữ. Ví dụ một đoạn mở đầu video TikTok:

“Bạn có biết chỉ với 15 phút, bạn có thể tạo ra một video chuyên nghiệp mà không cần thu âm? Hôm nay mình sẽ chia sẻ một công cụ AI đang làm mưa làm gió trong cộng đồng sáng tạo nội dung.”

Các thông số quan trọng cần điều chỉnh

Bên dưới hoặc bên cạnh ô văn bản, bạn sẽ thấy các thanh trượt:

Stability (Độ ổn định): càng cao thì giọng càng đều, ít cảm xúc. Càng thấp thì giọng càng biểu cảm nhưng có thể không ổn định. Khởi đầu nên để khoảng 50%.
Similarity (Độ giống giọng gốc): để cao (75-80%) nếu muốn giữ đúng đặc trưng giọng.
Style Exaggeration: tăng biểu cảm. Để 0-20% cho nội dung trang trọng, 40-60% cho quảng cáo, podcast.
Speaker Boost: bật để tăng độ rõ ràng của giọng.

Với người mới, công thức an toàn là: Stability 50%, Similarity 75%, Style 0-20%. Sau đó nghe thử và điều chỉnh theo cảm nhận.

Bước 5: tạo và tải file audio

Nhấn nút Generate (Tạo). Sau vài giây, ElevenLabs sẽ tạo ra file audio. Bạn có thể nghe trực tiếp trên trình duyệt bằng nút Play. Nếu chưa hài lòng:

Chỉnh lại thanh trượt và nhấn Generate lần nữa
Thử đổi sang giọng khác
Chỉnh lại văn bản: thêm dấu phẩy để tạo nhịp nghỉ, thêm “…” để ngắt nghỉ dài hơn, viết hoa cả từ để nhấn mạnh

Khi đã ưng ý, nhấn nút Download (biểu tượng mũi tên hướng xuống). File MP3 sẽ được lưu về máy. Chất lượng mặc định là 128kbps, đủ tốt cho hầu hết mục đích. Gói trả phí cho phép tải file chất lượng cao hơn (192kbps, 44.1kHz).

Bước 6: mẹo nhỏ giúp voiceover tự nhiên hơn

Đây là những kinh nghiệm mà người dùng mới thường bỏ qua:

Viết kịch bản như nói chuyện

Đừng dùng văn viết kiểu báo chí. Hãy viết như đang trò chuyện với một người bạn. Dùng câu ngắn, từ đơn giản, có chỗ ngắt nghỉ tự nhiên. Một prompt mẫu để ChatGPT viết kịch bản voiceover: “Viết cho tôi một kịch bản voiceover dài 60 giây cho video TikTok về [chủ đề], giọng văn thân thiện, có câu hook ở đầu, dùng câu ngắn dưới 15 chữ.”

Dùng dấu câu để điều khiển nhịp

ElevenLabs đọc theo dấu câu. Dấu phẩy tạo nghỉ ngắn, dấu chấm tạo nghỉ dài, dấu ba chấm tạo nghỉ rất dài. Tận dụng điều này để tạo cảm giác kịch tính hoặc nhấn mạnh.

Tránh đoạn quá dài

Nếu kịch bản của bạn dài hơn 500 chữ, hãy chia thành nhiều đoạn nhỏ. Mỗi đoạn tạo riêng rồi ghép lại trong CapCut hoặc Premiere. Cách này giúp giảm lỗi và dễ chỉnh sửa hơn.

Bước 7: kết hợp với công cụ khác

Workflow phổ biến nhất cho người sáng tạo nội dung là:

ChatGPT: viết kịch bản
ElevenLabs: tạo voiceover
CapCut hoặc Premiere: ghép video, thêm phụ đề, hiệu ứng

Chỉ với ba công cụ này, bạn có thể sản xuất 5-10 video chất lượng cao mỗi ngày mà không cần thu âm hay studio.

Khi nào nên nâng cấp lên gói trả phí?

Gói miễn phí phù hợp cho việc thử nghiệm. Nếu bạn bắt đầu làm video thường xuyên, cần voice cloning, hoặc cần xuất file chất lượng cao, hãy cân nhắc gói Starter (khoảng 5 USD/tháng, 30.000 ký tự) hoặc Creator (22 USD/tháng, 100.000 ký tự kèm voice cloning). Chi phí này rất nhỏ so với việc thuê người lồng tiếng truyền thống.

Đến đây, bạn đã hoàn thành voiceover đầu tiên bằng ElevenLabs. Ở bài tiếp theo, chúng ta sẽ đi sâu vào tính năng voice cloning và cách dịch, lồng tiếng video sang ngôn ngữ khác chỉ trong vài phút.