Cài đặt Dịch âm thanh: nhận dạng, dịch thuật và lồng tiếng
Tìm hiểu chức năng, chi phí và thời điểm áp dụng của từng tùy chọn trong phần cài đặt Dịch âm thanh: nhận dạng giọng nói, mô hình dịch thuật, giọng đọc tiêu chuẩn và giọng sao chép.
Đã cập nhật 2 tháng 11, 20267 phút đọc
Để mở phần cài đặt, hãy nhấn vào biểu tượng cài đặt (thanh trượt) ở góc trên bên phải của mục Dịch âm thanh. Bảng này có ba tab: Nhận dạng, Bản dịch và Lồng tiếng. Ứng dụng sẽ ghi nhớ các lựa chọn của bạn cho những bản ghi âm tiếp theo.
Thời điểm thay đổi có hiệu lực
Mỗi tab sẽ áp dụng vào một thời điểm khác nhau, vì vậy thay đổi không phải lúc nào cũng ảnh hưởng đến kết quả đang hiển thị trên màn hình.
| Tab | Áp dụng cho |
|---|---|
| Nhận dạng | tệp tiếp theo bạn chọn |
| Bản dịch | chỉ áp dụng khi dịch lại: khi bạn đổi ngôn ngữ đích hoặc chỉnh sửa văn bản gốc. Bản dịch đầu tiên của một tệp mới luôn sử dụng Gemini 3.8 Flash |
| Lồng tiếng | lần tiếp theo bạn nhấn phát |
Nhận dạng: công cụ chuyển giọng nói thành văn bản
ElevenLabs Scribe là tùy chọn mặc định và có chi phí thấp nhất. Ngôn ngữ của bản ghi âm luôn được tự động phát hiện.
| Tùy chọn | Thông tin từ ứng dụng | Thời gian | Giá |
|---|---|---|---|
| ElevenLabs Scribe | chính xác với nhiều chất giọng và tạp âm môi trường, 99 ngôn ngữ | ≈ 3 giây | khoảng 0.7 token mỗi phút |
| OpenAI Transcribe | tốt hơn với các thuật ngữ kỹ thuật và danh từ riêng | ≈ 5 giây | khoảng 1.2 token mỗi phút |
| OpenAI Whisper | tùy chọn dành cho các bản ghi âm dài | ≈ 10 giây | khoảng 1.2 token mỗi phút |
Nhà cung cấp được chọn ở đây cũng sẽ được dùng cho tính năng Chuyển lời thành văn bản, vốn không có cài đặt riêng.
Bản dịch: mô hình xử lý dịch thuật
Chi phí của mô hình chỉ là một phần nhỏ của token cho mỗi 1.000 ký tự, vì vậy việc lựa chọn chủ yếu phụ thuộc vào chất lượng và tốc độ.
| Mô hình | Phù hợp cho |
|---|---|
| Gemini 3.8 Flash (mặc định) | chất lượng tốt nhất, xử lý tốt tiếng lóng, thành ngữ và văn bản phức tạp |
| Gemini Flash Lite | nhanh nhất, nhưng có thể kém chính xác hơn với tiếng lóng và giọng nói giàu cảm xúc |
| GPT 6 Luna | lựa chọn thay thế tiết kiệm cho hầu hết các loại văn bản |
Lồng tiếng không sao chép giọng
Giọng đọc tiêu chuẩn sẽ đọc bản dịch nhanh chóng và tiết kiệm chi phí, nhưng sẽ không có âm sắc giống người nói ban đầu. Trong Dịch âm thanh, mỗi tùy chọn có một giọng cố định mà bạn không thể thay đổi.
| Tùy chọn | Đặc điểm | Thời gian | Giá |
|---|---|---|---|
| ElevenLabs | ngữ điệu sống động nhất trong số các giọng có sẵn | ≈ 2 giây | 10 token cho mỗi 1.000 ký tự, tối thiểu 1 token |
| OpenAI | giọng trung tính, không bộc lộ nhiều cảm xúc, phù hợp cho tin tức và bài giảng | ≈ 5 giây | 1.8 token cho mỗi 150 từ bắt đầu tính |
Lồng tiếng có sao chép giọng
Các tùy chọn sao chép sẽ lồng tiếng cho bản dịch bằng chính chất giọng từ bản ghi âm của bạn. MiniMax và Qwen 3 lấy giọng từ 60 giây đầu tiên của tệp, do đó khoảng thời gian này cần có giọng nói rõ ràng của một người.
| Tùy chọn | Thời lượng tối thiểu | Ngôn ngữ | Thời gian | Giá |
|---|---|---|---|---|
| MiniMax (được đề xuất) | 10 giây | 38 | ≈ 10 giây | 180 token cho việc sao chép cộng thêm 12 token cho mỗi 1.000 ký tự |
| Qwen 3 | 3 giây | 10: tiếng Anh, tiếng Nga, tiếng Trung, tiếng Đức, tiếng Pháp, tiếng Tây Ban Nha, tiếng Ý, tiếng Nhật, tiếng Hàn, tiếng Bồ Đào Nha | ≈ 20 giây | khoảng 20 token cho mỗi 1.000 ký tự, tối thiểu 5; với giọng đã lưu khoảng 11 |
| ElevenLabs Dubbing v2 | không yêu cầu, tối đa 2.5 giờ | 94 | ≈ độ dài âm thanh | 4.4 token cho mỗi giây ghi âm |
Các tùy chọn MiniMax
Sao chép từ tệp: sao chép một lần cho bản dịch này. Giọng MiniMax của tôi: một trong các giọng đã lưu của bạn, không mất phí sao chép 180 token.
Tốc độ: từ 0.5x đến 2.0x. Giá trị cao hơn tương ứng với tốc độ nói nhanh hơn.
Cảm xúc: Tự động (khuyên dùng), Vui vẻ, Buồn bã, Giận dữ, Sợ hãi, Ngạc nhiên, Điềm tĩnh hoặc Ghê tởm.
Bản dịch phải có độ dài tối đa 10.000 ký tự.
Nếu bạn thay đổi tốc độ hoặc cảm xúc và thực hiện lồng tiếng lại cho cùng một kết quả, hệ thống sẽ không trừ 180 token lần thứ hai.
Các tùy chọn Qwen 3
Sao chép từ tệp hoặc Giọng Qwen của tôi.
Phong cách nói: Tự động, Chậm, Nhanh, Điềm tĩnh, Năng động, Chuyên nghiệp, Thân thiện hoặc Nhẹ nhàng. Tùy chọn này chỉ hoạt động với tính năng Sao chép từ tệp.
Nếu quá trình sao chép của Qwen thất bại, ứng dụng sẽ lồng tiếng cho bản dịch bằng giọng tiêu chuẩn và hiển thị thông báo «Hiện không thể sao chép giọng nói. Đã sử dụng giọng đọc tiêu chuẩn.»
ElevenLabs Dubbing v2
Dubbing v2 sẽ lồng tiếng trực tiếp cho chính bản ghi âm gốc và không đọc văn bản từ tab Bản dịch. Tính năng này giữ nguyên tốc độ, âm sắc của giọng nói và lồng tiếng riêng cho từng người nói. Do đó, các chỉnh sửa của bạn đối với bản dịch sẽ không được áp dụng: «Lồng tiếng sử dụng bản ghi âm gốc, vì vậy văn bản đã chỉnh sửa sẽ không được áp dụng.» Các giọng đã lưu không hoạt động với Dubbing v2.
Điều gì xảy ra nếu bạn không chọn giọng
Cho đến khi bạn chọn một tùy chọn lồng tiếng trong bảng này, ứng dụng sẽ tự động chọn một tùy chọn khi bạn nhấn phát.
Đối với 10 ngôn ngữ của Qwen 3 và bản ghi âm từ 3 giây trở lên, giọng nói sẽ được sao chép bằng Qwen 3 mà không cần hỏi lại.
Đối với các ngôn ngữ khác, ứng dụng sẽ hỏi Sao chép giọng nói? cùng với mức giá của tùy chọn rẻ hơn giữa MiniMax hoặc Dubbing v2. Dùng giọng AI nghĩa là dùng giọng tiêu chuẩn. Khi chọn Không hỏi lại, câu trả lời sẽ được ghi nhớ.
Bất kỳ tùy chọn nào bạn nhấn chọn trong bảng cài đặt sẽ được lưu lại cho các tệp tiếp theo, miễn là phù hợp với ngôn ngữ và độ dài của tệp.
Tùy chọn không phù hợp với bản ghi âm hiện tại sẽ bị làm mờ kèm theo gợi ý như «ngôn ngữ không được hỗ trợ» hoặc «cần ≥ 10 giây âm thanh». Nếu bạn chuyển sang ngôn ngữ mà tùy chọn đã chọn không hỗ trợ, ứng dụng sẽ chuyển phần lồng tiếng sang ElevenLabs.
Giọng đã lưu
Giọng đã lưu cho phép bạn lồng tiếng cho các bản dịch bằng chính giọng của mình ngay cả khi người khác đang nói trong bản ghi âm. Có hai cách để tạo giọng đã lưu.
Sau khi lồng tiếng bằng tính năng Sao chép từ tệp, hãy nhấn vào Lưu giọng trong phần Bước tiếp theo?. Giọng MiniMax được lưu theo cách này sẽ không bị trừ 180 token vào lần sau.
Thêm giọng trong Cài đặt → Giọng của tôi. Xem thêm tại Cách ghi âm hoặc tải lên mẫu giọng nói.
Nếu giọng lồng tiếng nghe không tự nhiên, bạn có thể xem các hiện tượng và cách khắc phục tại Tại sao giọng dịch nghe giống như robot. Các lỗi phát sinh được hướng dẫn xử lý trong bài viết Lỗi lồng tiếng trong Dịch âm thanh hoặc bị treo.
Liên hệ hỗ trợ
Hãy mô tả sự cố và chúng tôi sẽ phản hồi qua email. Đính kèm tên tệp hoặc ID tác vụ nếu có.