Voice Studio từ A đến Z

Voice Studio là gì

Một ứng dụng desktop chạy model giọng nói ngay trên máy bạn. Không cần internet để tạo tiếng, không có phí theo ký tự, và âm thanh không rời khỏi máy.

Cài đặt & nạp model

Lần chạy đầu tiên cần tải model về máy. Vào Quản lý Model ở thanh bên, tải gói giọng đọc (TTS) — bắt buộc — và ít nhất một model nhận dạng nếu bạn định tách phụ đề.

Sao chép giọng

Nhân bản một giọng từ 5–10 giây âm thanh mẫu. Đây là màn hình mặc định khi mở app.

• Tệp âm thanh mẫu — kéo thả hoặc chọn file. Mẫu càng sạch (không nhạc nền, không nhiều người nói) thì giọng clone càng giống.
• Văn bản mẫu (bắt buộc) — gõ lại chính xác lời nói trong mẫu. Sai một chữ cũng làm giọng lệch. Không muốn gõ tay thì bấm AI gợi ý để Whisper tự điền.
• Nội dung văn bản — nhập câu cần đọc bằng giọng vừa clone, mỗi dòng một câu.

Cài đặt nâng cao

Độ chi tiết (số bước sinh), Mức độ bám sát (bám mẫu chặt hay thoáng) và Tốc độ đọc. Mỗi ô có nút ↺ để trả về mặc định — cứ thử, không sợ hỏng.

Đọc văn bản

Tạo giọng không cần âm thanh mẫu. Chọn Giọng có sẵn từ kho, hoặc Giọng ngẫu nhiên để app bốc một chất giọng mới.

Hội thoại nhóm

Kịch bản nhiều nhân vật, mỗi người một giọng. Viết theo cú pháp <Tên>: lời thoại, rồi gán giọng cho từng tên trong phần Phân vai giọng đọc.

Hợp cho podcast, audio drama, video phỏng vấn — những thứ mà một giọng đọc đều đều nghe rất chán.

Tách phụ đề

Bóc lời nói từ audio hoặc video (MP3, WAV, M4A, FLAC, MP4, MOV…) thành văn bản có mốc thời gian.

• Ngôn ngữ âm thanh — để "Tự nhận diện" cũng được, nhưng chỉ định đúng ngôn ngữ sẽ chính xác hơn với đoạn ngắn.
• Xuất ra .txt thuần hoặc .srt có dấu thời gian để lắp thẳng vào video.
• Kết quả chuyển được sang tab Dịch phụ đề chỉ bằng một nút.

Dịch phụ đề

Dịch file phụ đề bằng LLM mà không phá timing: số dòng và mốc thời gian giữ nguyên tuyệt đối, AI chỉ được đổi phần chữ.

Bảng nhất quán

Trước khi dịch, app đọc toàn file để chốt văn phong, thuật ngữ và cách xưng hô, rồi nhét bảng đó vào mọi đoạn dịch. Đây là thứ giữ cho tên riêng và đại từ không nhảy loạn giữa chừng — bạn sửa được bảng này trước khi chạy.

Quản lý Model

Một chỗ quản mọi thứ nặng: model giọng đọc, model nhận dạng, và LLM dùng cho dịch phụ đề.

• 9Router — gateway chạy trên máy, gom nhiều nguồn model về một endpoint.
• Claude CLI · Antigravity · Codex — dùng thẳng gói CLI bạn đã trả tiền, không cần API key riêng.
• Bấm Làm mới sau khi cài xong một CLI để app quét lại và đổ danh sách model.

Webhook API

Bật một server HTTP nội bộ để công cụ khác gọi vào tạo giọng — n8n, Make, Zapier, script Python, hoặc G-Labs Story Machine.

Kho giọng nói

Dùng chung cho ba màn hình tạo audio. App đi kèm 30 giọng mẫu (nam/nữ, nhiều chất giọng); giọng bạn tự clone lưu vào đây với tên và mô tả ngắn.

Mẹo & xử lý sự cố