10 công cụ tạo giọng nói AI miễn phí tốt nhất để thử trong năm 2026

Trình tạo giọng nói AI chuyển văn bản gõ thành âm thanh giọng nói bằng các mô hình giọng AI. Bạn gõ kịch bản, chọn giọng, và công cụ sẽ tạo âm thanh. Mọi người dùng các công cụ này để thuyết minh video YouTube, thu phần mở đầu podcast, tạo bài học e-learning, nghe bài viết thay vì đọc, hoặc thử nghiệm tính năng giọng nói trước khi xây dựng ứng dụng.

Một số công cụ có gói miễn phí không bao giờ hết hạn. Số khác cho bạn một lượng tín dụng nhỏ hàng tháng, cho nghe nhưng không cho tải, hoặc chỉ cung cấp bản dùng thử ngắn. Và ngay cả khi bạn có thể tải âm thanh, có thể bạn không được phép sử dụng cho mục đích thương mại (như trong video YouTube kiếm tiền hoặc dự án cho khách hàng).

Trong bài viết này, chúng tôi so sánh các trình tạo giọng nói AI miễn phí tốt nhất dựa trên hai yếu tố: mức độ tự nhiên của giọng và những gì bạn thực sự nhận được miễn phí. Nhờ đó, bạn có thể chọn công cụ phù hợp nhu cầu mà không đụng phải paywall.

Các trình tạo giọng nói AI miễn phí tốt nhất trong nháy mắt

Dưới đây là 10 công cụ tạo giọng nói AI đặt cạnh nhau, nêu rõ những gì bạn nhận được trong gói miễn phí. 

Các trình tạo giọng nói AI miễn phí tốt nhất năm 2026

Hãy đi sâu vào chi tiết các trình tạo giọng nói AI miễn phí.

1. ElevenLabs: Tốt nhất cho giọng AI chân thực

ElevenLabs là nền tảng giọng nói AI chuyển văn bản gõ thành giọng nói gần giống người thật. Bạn gõ hoặc dán kịch bản, chọn giọng trong thư viện, và công cụ sẽ tạo âm thanh. (Ở gói trả phí, bạn cũng có thể nhân bản giọng của chính bạn.)

Chất lượng giọng

ElevenLabs có các giọng nghe giống con người nhất trong danh sách này. Giọng biết ngắt nghỉ, nhấn nhá và thay đổi tông như người nói thật.

Mô hình biểu cảm nhất của họ, Eleven v3, đọc các thẻ âm thanh như [whispers], [laughs] hoặc [sarcastically] trong văn bản và thay đổi cách thể hiện cho phù hợp. Với thuyết minh dài, Multilingual v2 là lựa chọn ổn định hơn. Và nếu bạn xây dựng ứng dụng thời gian thực, Flash là mô hình giọng nói nhanh và tiết kiệm.

Tính năng nổi bật

Điểm khác biệt so với hầu hết công cụ trong danh sách là nó không chỉ là chuyển văn bản thành giọng nói. Đây là một bộ công cụ giọng nói đầy đủ, vì vậy bạn có thể dùng để xây dựng:

• Thuyết minh audiobook và podcast bằng 70+ ngôn ngữ
• Lồng tiếng cho game, quảng cáo và hoạt hình
• Video lồng tiếng giữ nguyên cảm xúc và nhịp thời gian của người nói gốc
• Giọng hội thoại cho tác nhân AI và chatbot

Bạn nhận được gì miễn phí

Gói miễn phí cho bạn 10.000 tín dụng mỗi tháng (khoảng 10 phút âm thanh). Bạn có thể dùng chuyển văn bản thành giọng nói, chuyển giọng nói thành văn bản, hiệu ứng âm thanh, thiết kế giọng và âm nhạc, và tạo tối đa ba dự án trong Studio.

Hạn chế của gói miễn phí

Âm thanh miễn phí không kèm giấy phép thương mại, nên bạn không thể dùng trong bất cứ nội dung kiếm tiền nào (như video YouTube có bật kiếm tiền, khóa học trả phí, lồng tiếng cho khách hàng, hay quảng cáo). Bạn có thể chia sẻ phi thương mại nhưng phải ghi công ElevenLabs. Gói miễn phí cũng không có nhân bản giọng.

Nếu cần, gói Starter (6 USD/tháng) bổ sung giấy phép thương mại, nhân bản giọng tức thì và 30.000 tín dụng mỗi tháng.

Phù hợp nhất: Dự án coi trọng chất lượng giọng, và 6 USD/tháng cho quyền thương mại không phải trở ngại.

2. TTSMaker: Trình tạo giọng nói AI miễn phí tốt nhất

TTSMaker là công cụ chuyển văn bản thành giọng nói miễn phí, biến văn bản gõ thành âm thanh bạn có thể nghe trực tuyến hoặc tải về. Bạn dán văn bản, chọn ngôn ngữ và giọng, rồi chuyển đổi. Công cụ có hơn 600 giọng trên 100+ ngôn ngữ, thuộc nhóm đa dạng nhất trong danh sách.

Bạn có thể dùng cho:

• Lồng tiếng YouTube và TikTok
• Thuyết minh audiobook
• Luyện phát âm khi học ngôn ngữ
• Lồng tiếng cho video marketing và quảng cáo

Chất lượng giọng

Giọng đủ tự nhiên cho thuyết minh và video giải thích. Có chỉnh sửa nâng cao như cảm xúc và kiểu nói, nhưng với hầu hết lồng tiếng, bạn sẽ khó nhận ra khác biệt trừ khi so sánh trực tiếp.

Tính năng nổi bật

TTSMaker cho phép quyền thương mại đầy đủ ở gói miễn phí, và bạn không phải ghi công khi xuất bản. Không công cụ nào khác trong danh sách trao điều đó miễn phí.

Bạn cũng nhận được:

• Các mức cài sẵn cho tốc độ, âm lượng và cao độ
• Chèn ngắt nghỉ (tối đa 50 lần mỗi lượt chuyển đổi ở gói miễn phí)
• Chế độ đa người nói cho đối thoại
• Tải về định dạng MP3, WAV, OGG, AAC hoặc OPUS

Bạn nhận được gì miễn phí

Gói miễn phí cho bạn 20.000 ký tự mỗi tuần. Một số giọng (đánh dấu biểu tượng 🔥) không tính vào hạn mức đó, nên bạn có thể dùng bao nhiêu cũng được.

Hạn chế của gói miễn phí

Mỗi lần chuyển đổi có giới hạn ký tự (1.000 ký tự với giọng mặc định), nên bạn phải chia kịch bản dài thành đoạn và ghép âm thanh lại. Điều này sẽ nhanh chóng gây phiền nếu bạn thuyết minh một chương audiobook. 

Bạn cũng phải điền CAPTCHA trước mỗi lần chuyển đổi, và vào giờ cao điểm có thể phải chờ vài phút trong hàng đợi.

Phù hợp nhất: Lồng tiếng ngắn cho YouTube, TikTok hoặc quảng cáo khi bạn cần quyền thương mại mà không tốn phí.

3. Microsoft Edge Read Aloud: Tốt nhất cho nghe cá nhân không giới hạn

Microsoft Edge Read Aloud là tính năng chuyển văn bản thành giọng nói tích hợp trong trình duyệt Edge. Nó không phải trình tạo giọng theo nghĩa thông thường. Nó đọc văn bản cho bạn, nhưng không tạo tệp âm thanh để dùng nơi khác.

Để dùng, hãy bôi đen đoạn văn bản, bấm chuột phải và chọn Read aloud selection. Để nghe toàn bộ trang, nhấn Ctrl+Shift+U. Tính năng cũng hoạt động trên PDF mở trong Edge.

Chất lượng giọng

Read Aloud dùng các giọng neural của Microsoft (như Aria, Jenny và Guy), nên nghe gần giống người thật hơn nhiều so với giọng máy móc của các trình duyệt cũ. Để nghe bài viết hay tài liệu ôn tập, chất lượng như vậy là đủ tốt.

Tính năng nổi bật

Công cụ tô sáng từng từ khi đọc, hữu ích nếu bạn theo dõi trên màn hình. Bạn cũng có thể đổi giọng, giọng vùng miền và tốc độ đọc. Và nó hoạt động tương tự trên ứng dụng Edge di động cho iOS và Android.

Bạn nhận được gì miễn phí

Read Aloud đi kèm Edge, nên không cần đăng ký, không có gói hay tín dụng để hết.

Hạn chế của gói miễn phí

Không có cách lưu nội dung đã đọc. Âm thanh phát trực tiếp trong trình duyệt, không có nút xuất hay tải. Vì vậy nếu bạn cần tệp lồng tiếng cho video hay podcast, đây không phải công cụ phù hợp.

Công cụ cũng cần kết nối internet cho hầu hết giọng. Khi offline, bạn chỉ có vài giọng cơ bản.

Phù hợp nhất: Nghe bài viết, PDF và tài liệu học tập rảnh tay, hoặc hỗ trợ đọc cho khả năng tiếp cận.

4. Descript: Tốt nhất cho podcast và video

Descript là trình biên tập video và podcast tích hợp sẵn giọng AI. Bạn viết kịch bản trong trình biên tập, chọn giọng có sẵn hoặc nhân bản giọng mình, và công cụ chuyển văn bản thành lồng tiếng.

Khác biệt so với mọi công cụ khác ở đây là bạn chỉnh sửa âm thanh bằng cách chỉnh văn bản. Xóa một từ khỏi bản chép, và nó biến mất khỏi bản ghi. Vì vậy nếu bạn từng thu lại cả đoạn podcast chỉ vì nói "Tuesday" thay vì "Thursday", đây là công cụ giải quyết vấn đề đó.

Chất lượng giọng

Giọng thay đổi tông và nhịp khi nói, thay vì chỉ ngắt ở dấu phẩy và lên giọng ở dấu hỏi. Với mở đầu podcast và thuyết minh video, giọng nghe tự nhiên. Với thuyết minh dài, tôi vẫn chọn ElevenLabs.

Tính năng nổi bật

Một số tính năng đáng chú ý gồm: 

• Nhân bản giọng: Nhân bản giọng của bạn chỉ trong khoảng một phút. 
• Regenerate: Sửa từ nói hỏng hoặc làm mượt chỗ cắt gượng bằng cách tạo âm thanh mới khớp người nói, không cần thu lại.
• Ngôn ngữ: Các giọng sẵn có nói hơn 20 ngôn ngữ, và bạn có thể dịch lồng tiếng sang một số ngôn ngữ bằng AI dubbing.

Bạn nhận được gì miễn phí

Gói miễn phí cho bạn 60 phút media mỗi tháng và 100 tín dụng AI. Bạn có toàn bộ trình biên tập, nên có thể thử chỉnh sửa dựa trên văn bản và giọng AI trong một dự án ngắn.

Hạn chế của gói miễn phí

100 tín dụng AI là cấp một lần, không phải hàng tháng. Dùng cho tạo giọng, nhân bản hay tính năng AI khác xong là hết. Xuất video cũng bị giới hạn 720p kèm watermark Descript (bạn có một lượt xuất không watermark mỗi tháng).

Nếu cần thêm, gói Hobbyist giá 24 USD/tháng (16 USD/tháng khi thanh toán năm) và cho 10 giờ media cùng 400 tín dụng AI mỗi tháng.

Phù hợp nhất: Podcaster và nhà làm video muốn viết lồng tiếng và sửa lỗi âm thanh ngay trong nơi họ biên tập.

5. Speechify: Tốt nhất để đọc to văn bản

Speechify là trình đọc văn bản thành giọng nói. Bạn mở PDF, bài viết hoặc tài liệu, và công cụ sẽ đọc lại cho bạn. Giống Edge Read Aloud, nó phục vụ việc nghe, không nhằm tạo tệp lồng tiếng.

Chất lượng giọng

Điều này phụ thuộc hoàn toàn vào gói bạn dùng. Các giọng miễn phí nghe khá máy móc. Nhưng giọng cao cấp nghe tự nhiên, và đó là lý do chính khiến mọi người trả tiền cho Speechify.

Tính năng nổi bật

Speechify vượt ra ngoài việc đọc trang web:

• Quét trang in: Chĩa máy ảnh điện thoại vào trang sách, công cụ quét văn bản và đọc to (hữu ích cho tài liệu chưa ở dạng số)
• Tóm tắt AI: Trợ lý tích hợp có thể tóm tắt nội dung bạn đang đọc hoặc trả lời câu hỏi về nó
• Hoạt động mọi nơi: Chạy như tiện ích trình duyệt và ứng dụng trên iOS, Android, Mac và Windows

Tuy nhiên, tất cả đều là tính năng cao cấp, sẽ đề cập ngay sau đây.

Bạn nhận được gì miễn phí

Gói miễn phí không hết hạn và không cần thẻ. Bạn có 10 giọng cơ bản và có thể nghe tối đa tốc độ 1,5x.

Hạn chế của gói miễn phí

Gói miễn phí về cơ bản là bản demo của Premium. Bạn bị giới hạn 10 giọng máy móc, tốc độ tối đa 1,5x, và 5 tệp trong thư viện. Không có quét trang, tóm tắt AI hay nghe offline.

Premium giá 29 USD/tháng hoặc 139 USD/năm. Hãy cẩn thận với bản dùng thử miễn phí. Nó sẽ chuyển thành gói năm có trả phí nếu bạn không hủy trước khi kết thúc.

Và nếu bạn muốn tệp lồng tiếng có thể tải về, Premium cũng không giúp. Đó là sản phẩm riêng, Speechify Studio, bắt đầu từ 19 USD/tháng.

Phù hợp nhất: Học sinh, sinh viên và người đi làm có nhiều PDF và bài viết cần xử lý, và không ngại trả tiền cho giọng cao cấp.

6. Murf: Tốt nhất cho quy trình lồng tiếng chuyên nghiệp

Murf là trình tạo giọng AI xây dựng quanh một trình biên tập lồng tiếng hoàn chỉnh. Bạn viết hoặc dán kịch bản, chọn giọng trong thư viện hơn 200 giọng, và tinh chỉnh cao độ, tốc độ, nhấn nhá trước khi xuất.

Chất lượng giọng

Giọng rõ ràng và chuyên nghiệp, đặc biệt là tiếng Anh. Chúng hướng đến thuyết minh (video đào tạo và giải thích sản phẩm), nên nghe khá trau chuốt. Tuy nhiên, nếu bạn cần giọng biết cười hay thì thầm, ElevenLabs là lựa chọn tốt hơn.

Tính năng nổi bật

Điều làm Murf khác biệt là trình biên tập xung quanh giọng, không phải bản thân giọng:

• Thư viện phát âm: Sửa cách AI đọc tên riêng, thương hiệu hay thuật ngữ kỹ thuật, và công cụ sẽ ghi nhớ cho dự án sau.
• Say It My Way: Ghi một mẫu ngắn về cách bạn nói một câu, và AI bắt chước tông cùng nhịp.
• Tích hợp: Thêm thuyết minh trực tiếp trong Canva, PowerPoint và Google Slides mà không cần chuyển công cụ.

Bạn nhận được gì miễn phí

Bạn có 10 phút tạo giọng để thử giọng và trình biên tập. Đó là 10 phút tổng cộng, không phải hàng tháng.

Hạn chế của gói miễn phí

Gói miễn phí của Murf là hạn chế nhất trong danh sách. Bạn không thể tải về bất cứ gì tạo ra, và không có quyền thương mại. Vậy nên bạn chỉ nghe thử kịch bản, nhưng không thể dùng ở đâu.

Để tải âm thanh kèm quyền thương mại, bạn cần gói Creator giá 29 USD/tháng (19 USD/tháng khi thanh toán năm). Nhân bản giọng chỉ có ở gói Enterprise.

Phù hợp nhất: Các nhóm thường xuyên làm khóa e-learning, thuyết trình hoặc video giải thích và muốn sẵn có kiểm soát phát âm và tích hợp.

7. Google Cloud Text-to-Speech: Tốt nhất cho nhà phát triển

Google Cloud Text-to-Speech là API chuyển văn bản thành âm thanh. Bạn gọi từ mã nguồn, nên phù hợp hơn cho nhà phát triển muốn thêm giọng nói vào ứng dụng, không phải người muốn lồng tiếng. (Nếu là bạn, hãy chuyển sang công cụ tiếp theo.)

Chất lượng giọng

Phụ thuộc vào loại giọng bạn chọn. Các giọng Standard cũ có thể nghe máy móc, nhưng Chirp 3, HD mới gần với giọng người hơn nhiều.

Tính năng nổi bật

Dải mô hình phong phú là lý do đáng để thiết lập:

• Gemini-TTS: Cho phép bạn điều khiển tông, nhịp và cảm xúc bằng mô tả ngôn ngữ tự nhiên, thay vì chỉnh thông số.
• Chirp 3: HD: Bao gồm các giọng thực nhất của Google, và cân bằng tốt nhất giữa chất lượng và mức miễn phí.
• Instant custom voice: Tạo giọng tùy chỉnh từ mẫu âm thanh ngắn (không có tầng miễn phí).

Bạn có thể gọi API bằng thư viện khách trong Python, Node.js và ngôn ngữ khác, hoặc gửi yêu cầu trực tiếp.

Bạn nhận được gì miễn phí

Google cung cấp hạn mức miễn phí hàng tháng cho mỗi loại giọng, và đặt lại mỗi tháng:

• Giọng Standard và WaveNet: 4 triệu ký tự
• Neural2, Studio và Chirp 3 (giọng HD): 1 triệu ký tự

Để tham chiếu, 1 triệu ký tự tương đương khoảng 20 giờ âm thanh. Đó là nhiều hơn xa so với bất kỳ công cụ nào khác trong danh sách. Khách hàng Google Cloud mới cũng nhận 300 USD tín dụng miễn phí.

Hạn chế của gói miễn phí

Gemini-TTS và instant custom voice không nằm trong hạn mức miễn phí.

Bạn phải bật thanh toán để sử dụng, ngay cả cho hạn mức miễn phí. Và khi vượt mức, Google sẽ tự động tính phí. Hãy đặt cảnh báo ngân sách trước khi bắt đầu.

Thiết lập cũng tốn công. Bạn cần tạo dự án Google Cloud, bật API và cài thông tin xác thực trước yêu cầu đầu tiên. 

Phù hợp nhất: Nhà phát triển thêm chuyển văn bản thành giọng nói vào ứng dụng hoặc tạo lượng lớn âm thanh qua mã.

8. Chatterbox: Lựa chọn mã nguồn mở tốt nhất

Chatterbox là họ mô hình chuyển văn bản thành giọng nói mã nguồn mở từ Resemble AI. Bạn cài đặt bằng một lệnh pip install chatterbox-tts và chạy trên máy của bạn. Không có tài khoản, khóa API hay giới hạn sử dụng.

Bạn cũng không phải chọn mô hình một cách mò mẫm. Đây là tóm tắt ngắn về từng mô hình:

• Chatterbox-Turbo: Lựa chọn nên bắt đầu cho hầu hết mọi người. Chỉ tiếng Anh và hỗ trợ thẻ như [laugh] và [cough] để thể hiện tự nhiên hơn.
• Chatterbox-Nano: Phiên bản nhỏ hơn của Turbo chạy trên CPU thường (nhanh gấp 3 lần thời gian thực trên 8 nhân). 
• Chatterbox Multilingual V3: Hỗ trợ 23 ngôn ngữ, gồm Ả Rập, Hindi, Nhật và Tây Ban Nha.
• Original Chatterbox: Có chế độ "exaggeration" giúp thể hiện bình tĩnh hơn hoặc kịch tính hơn.

Chất lượng giọng

Với mô hình mã nguồn mở, chất lượng đáng ngạc nhiên là gần các công cụ trả phí. Resemble AI công bố thử nghiệm nghe mù so sánh Chatterbox-Turbo với ElevenLabs, nhưng lưu ý công ty tự chạy so sánh cho mô hình của mình. 

Vì vậy hãy tự kiểm tra bằng bản demo trên Hugging Face miễn phí trước khi cài đặt.

Tính năng nổi bật

Mỗi mô hình đều có thể nhân bản giọng từ một đoạn tham chiếu ngắn, không cần bước huấn luyện. Và mọi đoạn âm thanh Chatterbox tạo ra đều có watermark không nghe được, để âm thanh có thể được nhận diện là do AI tạo ngay cả sau khi nén hay chỉnh sửa. 

Điều đó khá quan trọng ở đây vì việc nhân bản rất dễ. (Chúng ta sẽ quay lại nội dung nhân bản giọng có trách nhiệm sau.)

Bạn nhận được gì miễn phí

Chatterbox phát hành theo giấy phép MIT, nên miễn phí cho sử dụng cá nhân và thương mại, không tín dụng, không giới hạn, không nhuận bút.

Hạn chế của gói miễn phí

Chi phí là công thiết lập, không phải tiền. Bạn cần Python và chút quen thuộc dòng lệnh để cài gói và chạy script ngắn. Repo có giao diện trình duyệt đơn giản chạy cục bộ, nhưng bạn vẫn phải tự khởi chạy trước. Và để tạo nhanh trên mô hình lớn, bạn sẽ cần GPU.

Phù hợp nhất: Nhà phát triển và người sáng tạo kỹ thuật muốn tạo không giới hạn, quyền thương mại và toàn quyền kiểm soát dữ liệu. 

9. Fish Audio: Tốt nhất cho thư viện giọng miễn phí khổng lồ

Fish Audio là trình tạo giọng AI cho chuyển văn bản thành giọng nói và nhân bản giọng. Điểm thu hút chính là thư viện cộng đồng hơn 2 triệu giọng do người dùng khác tải lên. 

Vì vậy nếu bạn cần giọng rất cụ thể (người dẫn chuyện Anh lớn tuổi, giọng khàn kiểu trailer phim, hoặc người dẫn chương trình thiếu nhi vui tươi), có khả năng cao là đã có sẵn.

Chất lượng giọng

Giọng thể hiện cảm xúc tốt, nhất là khi dùng thẻ cảm xúc. Tuy nhiên, chất lượng trong thư viện cộng đồng không đồng đều. Có giọng rất tốt, và cũng có giọng được tải lên vội, nên hãy nghe vài mẫu trước khi chọn.

Tính năng nổi bật

Có hai tính năng độc đáo: 

• Thẻ cảm xúc: Thêm các thẻ như [angry], [whispering], [laughing] hoặc [pause] trực tiếp vào kịch bản, và giọng sẽ thay đổi cách thể hiện ngay giữa câu. Điều này hoạt động khá giống các thẻ âm thanh của ElevenLabs.
• Nhân bản giọng: Tạo giọng từ mẫu âm thanh ngắn

Bạn nhận được gì miễn phí

Gói miễn phí cho bạn 8.000 tín dụng mỗi tháng (khoảng 7 phút âm thanh). Bạn được truy cập thư viện giọng công khai và nhân bản giọng cơ bản, cùng tốc độ tạo tiêu chuẩn. 

Hạn chế của gói miễn phí

Gói miễn phí chỉ dùng cho mục đích cá nhân, phi thương mại. Vậy nên, giống ElevenLabs, bạn không thể dùng cho video kiếm tiền, dự án khách hàng hay quảng cáo. Mỗi lần tạo cũng giới hạn 500 ký tự, nên kịch bản dài cần chia nhỏ (cùng vấn đề như TTSMaker).

Ngay cả ở gói trả phí, Fish Audio chỉ cho phép sử dụng thương mại với các giọng đã xác minh mà bạn sở hữu. Nghĩa là bạn không thể chỉ chọn một giọng phổ biến trong thư viện cộng đồng và dùng cho dự án khách hàng. Nhiều giọng do người khác tải lên, và một số bắt chước giọng thật.

Nếu bạn cần quyền thương mại cho giọng của chính mình, gói Plus giá 15 USD/tháng và cho 250.000 tín dụng (khoảng 200 phút).

Phù hợp nhất: Thử nhiều giọng và phong cách cảm xúc cho dự án cá nhân trước khi quyết định công cụ trả phí.

10. WellSaid: Tốt nhất cho chất lượng diễn viên lồng tiếng thật

WellSaid là trình tạo giọng AI có các giọng được xây dựng từ bản thu của diễn viên lồng tiếng thật, có đồng ý. Bạn dán kịch bản, chọn giọng, và chỉnh tông, cao độ, cảm xúc trước khi tải về.

Chất lượng giọng

Giọng là điểm bán hàng chính của WellSaid. Vì mỗi giọng đến từ diễn viên thật, nên nghe như người thuyết minh chuyên nghiệp, và giữ ổn định suốt kịch bản dài. 

Điều này phù hợp với video đào tạo và e-learning, nơi một giọng đổi mood giữa bài học sẽ gây xao nhãng. 

Tính năng nổi bật

Một số tính năng có sẵn của WellSaid gồm: 

• Hỗ trợ phát âm: Từ điển Oxford tích hợp bao phủ phát âm Mỹ và Anh, và bạn có thể tùy chỉnh cách đọc từ cụ thể.
• Tệp phụ đề: Gói trả phí xuất phụ đề SRT và VTT cùng với âm thanh.
• Tích hợp Adobe: Gói trả phí kết nối với Adobe Express, và gói Business bổ sung Premiere Pro.

Bạn nhận được gì miễn phí

Gói miễn phí cho bạn 10 phút tạo giọng và 3 phút âm thanh tải xuống mỗi tháng, định dạng MP3. Không yêu cầu thẻ tín dụng.

Hạn chế của gói miễn phí

Ba phút đủ cho demo sản phẩm ngắn hoặc một clip đào tạo, nhưng không nhiều hơn. Và các lượt tải đó không kèm quyền thương mại, nên bạn không thể dùng trong công việc khách hàng hoặc bất cứ nội dung công khai nào tạo doanh thu.

Các gói miễn phí và cá nhân chỉ bao gồm giọng tiếng Anh. Tiếng Tây Ban Nha, Pháp, Nhật và các ngôn ngữ khác chỉ có ở Enterprise.

Nếu cần quyền thương mại, gói Starter giá 19 USD/tháng (10 USD/tháng khi thanh toán năm) và cho bạn 20 phút có thể tải xuống mỗi tháng với tạo không giới hạn.

Phù hợp nhất: Video đào tạo, e-learning và lồng tiếng doanh nghiệp bằng tiếng Anh cần nghe như người thuyết minh chuyên nghiệp.

Các trình tạo giọng nói AI miễn phí tốt nhất theo trường hợp sử dụng

Nếu bạn đã biết mình sẽ làm gì, phần này dành cho bạn. Mỗi lựa chọn công cụ liên kết lại bài đánh giá chi tiết phía trên.

Tốt nhất cho giọng chân thực

ElevenLabs nắm bắt cảm xúc trong kịch bản và thay đổi cách thể hiện tương ứng, nên nghe giống người thật hơn mọi công cụ khác ở đây. Chỉ cần nhớ gói miễn phí không bao gồm quyền thương mại.

Lựa chọn hoàn toàn miễn phí tốt nhất

Chatterbox miễn phí sử dụng không giới hạn, vì bạn chạy trên máy của mình. Bạn được tạo và tải xuống không giới hạn, cùng quyền thương mại đầy đủ theo giấy phép MIT. Với mục đích chỉ nghe, Microsoft Edge Read Aloud cũng hoàn toàn miễn phí, không cần đăng ký.

Gói miễn phí tốt nhất

TTSMaker cung cấp một trong những gói miễn phí hào phóng nhất ở đây, bao gồm quyền thương mại đầy đủ, tải âm thanh không giới hạn, không cần thẻ và không cần ghi công.

Tốt nhất cho lồng tiếng

Murf có trình biên tập dành cho công việc lồng tiếng, với thư viện phát âm và tích hợp cho Canva, PowerPoint và Google Slides. Bạn có thể thử miễn phí, nhưng cần gói trả phí để tải xuống. Nếu cần lồng tiếng miễn phí ngay hôm nay, hãy dùng TTSMaker.

Tốt nhất cho e-learning và video đào tạo

Giọng của WellSaid đến từ diễn viên lồng tiếng thật, nên nghe như người thuyết minh chuyên nghiệp và giữ ổn định suốt bài học dài. Gói miễn phí cho bạn 3 phút có thể tải về mỗi tháng, đủ để thử trên một mô-đun.

Tốt nhất cho podcast

Descript tạo giọng nằm trong một trình biên tập podcast đầy đủ, nên bạn có thể sửa câu nói hỏng bằng cách gõ thay vì thu lại.

Tốt nhất cho video YouTube

TTSMaker là công cụ lưu trữ duy nhất ở đây cho quyền thương mại miễn phí, rất phù hợp cho kênh kiếm tiền. Hãy chia kịch bản dài thành đoạn để vượt giới hạn mỗi lần chuyển đổi.

Tốt nhất cho nghe cá nhân

Microsoft Edge Read Aloud đã có sẵn trên máy bạn; không cần đăng ký, và các giọng miễn phí nghe hay hơn các giọng miễn phí của Speechify.

Tốt nhất cho nhà phát triển

Google Cloud Text-to-Speech cung cấp tối đa 4 triệu ký tự miễn phí mỗi tháng, tùy loại giọng, là hạn mức miễn phí lớn nhất trong danh sách này.

Lựa chọn mã nguồn mở tốt nhất

Chatterbox chạy trên máy của bạn theo giấy phép MIT, nên không có giới hạn, tín dụng hay ràng buộc thương mại. Nhưng điểm trừ là bạn phải tự thiết lập.

Cần tìm gì ở một trình tạo giọng nói AI miễn phí

Mọi gói "miễn phí" đều trông hào phóng cho đến khi bạn xem kỹ thứ nó giới hạn. Đây là các tiêu chí chúng tôi dùng để so sánh các công cụ ở trên, và đáng để kiểm tra trước khi bạn gắn bó với công cụ nào.

Chất lượng giọng

Nghe xem giọng tự nhiên đến đâu, gồm nhịp điệu, phát âm và mức độ cảm xúc. ElevenLabs và WellSaid gần với người thật nhất. TTSMaker nghe rõ ràng nhưng phẳng hơn, và các giọng miễn phí của Speechify nghe máy móc.

Luôn thử bằng kịch bản của chính bạn, không phải câu mẫu trên trang chủ. Công ty nêu bật các mẫu vì chúng nghe hay. Nhưng kịch bản của bạn, với tên sản phẩm và câu khó, mới là bài kiểm tra thật.

Giới hạn sử dụng miễn phí

Mỗi công cụ đo giới hạn khác nhau: ký tự, tín dụng, phút, hoặc giới hạn mỗi lượt tạo. Vậy nên con số lớn không phải lúc nào cũng đồng nghĩa nhiều âm thanh hơn. Đây là so sánh quy đổi thô sang phút âm thanh:

• Murf: 10 phút tổng cộng (không hàng tháng)
• Fish Audio: khoảng 7 phút mỗi tháng
• ElevenLabs: khoảng 10 phút mỗi tháng
• WellSaid: 3 phút có thể tải về mỗi tháng
• Google Cloud: tối đa 4 triệu ký tự mỗi tháng, tương đương nhiều giờ âm thanh

Trước khi chọn công cụ, hãy tính bạn cần bao nhiêu phút hoàn chỉnh mỗi tháng, rồi so sánh mọi gói dựa trên con số đó.

Tải xuống âm thanh

Một số công cụ cho tạo âm thanh nhưng không bao giờ cho tải. Gói miễn phí của Murf là ví dụ rõ nhất ở đây. Bạn có thể nghe lồng tiếng, nhưng không có cách tải. Edge Read Aloud và Speechify không xuất tệp, vì được thiết kế để nghe.

Và ngay cả khi có thể tải, hãy xem kỹ chữ nhỏ. TTSMaker xóa âm thanh của bạn sau 30 phút, nên hãy lưu ngay.

Quyền sử dụng thương mại

Miễn phí tạo không có nghĩa miễn phí xuất bản.

ElevenLabs, Murf, Fish Audio và WellSaid đều chặn dùng thương mại ở gói miễn phí. Nghĩa là không dùng cho video YouTube kiếm tiền, dự án khách hàng, khóa học trả phí hay quảng cáo. ElevenLabs cũng yêu cầu ghi công ngay cả khi bạn chia sẻ phi thương mại. Chỉ TTSMaker và Chatterbox trong danh sách này cho phép xuất bản thương mại miễn phí. 

Nếu không chắc, hãy kiểm tra mục FAQ giá hoặc điều khoản sử dụng của công cụ với các từ "commercial" và "attribution." Chỉ mất hai phút và giúp bạn tránh phải gỡ video sau này.

Ngôn ngữ và giọng

Phạm vi trải từ chỉ tiếng Anh đến 100+ ngôn ngữ. TTSMaker và ElevenLabs bao phủ nhiều ngôn ngữ nhất trong các công cụ lưu trữ. WellSaid chỉ có tiếng Anh trừ khi bạn dùng Enterprise.

Nếu bạn cần giọng vùng miền cụ thể hoặc ngôn ngữ ít phổ biến, hãy xem danh sách giọng trước. Một công cụ nghe tuyệt vời bằng tiếng Anh có thể kém hẳn ở Urdu hoặc Ba Lan.

Nhân bản giọng

Nhân bản gần như luôn là tính năng trả phí. ElevenLabs mở ở gói Starter, Murf chỉ có ở Enterprise, và instant custom voice của Google không có tầng miễn phí.

Tuy nhiên, có hai ngoại lệ. Fish Audio bao gồm nhân bản cơ bản ở gói miễn phí nhưng chỉ cho mục đích cá nhân. Và Chatterbox cho nhân bản miễn phí vì bạn tự chạy.

Dù dùng công cụ nào, chỉ nhân bản giọng mà bạn có quyền sử dụng. Chúng ta sẽ quay lại phần này trong mục hạn chế.

Các công cụ chỉnh sửa

Các điều khiển cao độ, tốc độ, nhấn nhá và phát âm là thứ phân biệt công cụ lồng tiếng hữu dụng với món đồ lạ. Ngay cả giọng hay cũng sẽ sai nếu phát âm tên sản phẩm của bạn sai ở mỗi câu.

Murf và WellSaid có trình biên tập đầy đủ nhất trong danh sách. TTSMaker chỉ có các mức cài sẵn ở gói miễn phí.

Trình tạo giọng nói AI miễn phí so với công cụ trả phí

Với hầu hết công cụ, việc trả phí không làm thay đổi giọng nhiều như bạn mong đợi. Nó chỉ thay đổi những gì bạn được phép làm. 

Nếu bạn tạo nội dung cho riêng mình, gói miễn phí có thể là tất cả những gì bạn cần. Ngay khi âm thanh của bạn đi vào thứ gì đó tạo doanh thu, bạn sẽ cần gói trả phí với gần như mọi công cụ ở đây.

Yếu tố khác khiến người dùng phải trả phí là khối lượng, và điều này xảy ra nhanh hơn bạn nghĩ. Giả sử bạn đăng một video YouTube 8 phút mỗi tuần. Đó là khoảng 32 phút thuyết minh mỗi tháng, gấp ba lần hạn mức miễn phí của ElevenLabs và cũng hơn cả gói Starter 6 USD của họ. Thêm các lần thu lại (hiếm khi bạn dùng bản tạo đầu tiên), và bạn sẽ hết sớm hơn.

Vì vậy hãy bắt đầu miễn phí, thử kịch bản thật của bạn trên hai hoặc ba công cụ, và chỉ nâng cấp khi bạn chạm giới hạn ở công cụ mình thích. 

Trình tạo giọng nói AI so với công cụ chuyển văn bản thành giọng nói

Công cụ chuyển văn bản thành giọng nói đọc to văn bản của bạn, và đó là toàn bộ công việc của nó. Trình tạo giọng nói AI cũng làm điều đó, nhưng bổ sung các tính năng thay đổi cách giọng thể hiện hoặc giọng của ai:

Cách chọn trình tạo giọng nói AI miễn phí tốt nhất

Hãy tự hỏi bạn đang tạo gì.

Nếu chỉ cho riêng bạn, như đọc bài viết, PDF hay ghi chú học tập, hãy dùng Microsoft Edge Read Aloud và bỏ qua phần còn lại. (Speechify chỉ đáng nếu bạn trả tiền cho Premium.) 

Nếu bạn tạo nội dung để xuất bản, hãy cân nhắc các điểm sau trước khi chọn công cụ:

• Độ dài âm thanh cần thiết: Hầu hết gói miễn phí ở đây xử lý được clip 30 giây. Một tập podcast đầy đủ hoặc mô-đun khóa học có thể dùng hết sạch hạn mức miễn phí của ElevenLabs hoặc Murf trong một lần.
• Mức độ chân thực: Giọng có cần tự truyền tải nội dung, như audiobook hay quảng cáo? Hãy thử ElevenLabs hoặc WellSaid. Nếu chỉ là thuyết minh nền dưới quay màn hình, các giọng đơn giản của TTSMaker thường là đủ.
• Ngôn ngữ: Kiểm tra xem có hỗ trợ ngôn ngữ của bạn không, và nghe mẫu. WellSaid chỉ có tiếng Anh trừ khi dùng Enterprise, và một giọng nghe hay bằng tiếng Anh không phải lúc nào cũng hay bằng ngôn ngữ khác.
• Khả năng tải xuống: Hãy thử xuất một clip mẫu trước khi viết kịch bản đầy đủ. Murf cho nghe lồng tiếng ở gói miễn phí nhưng không cho tải xuống.
• Quyền thương mại: Nếu âm thanh của bạn sẽ lên YouTube, dùng cho dự án khách hàng hoặc khóa học trả phí, hãy kiểm tra giấy phép trong điều khoản của công cụ.
• Nhân bản giọng: Nếu bạn cần giọng của chính mình xuyên suốt nhiều video hoặc tập, gần như chắc chắn cần gói trả phí. Gói miễn phí của Fish Audio có nhân bản cơ bản cho mục đích cá nhân, và Chatterbox là miễn phí nếu bạn quen tự chạy.
• Kỹ năng kỹ thuật: Google Cloud và Chatterbox yêu cầu bạn viết mã hoặc dùng dòng lệnh. Phần còn lại chạy trên trình duyệt hoặc ứng dụng.
• Liệu bạn sẽ sớm vượt gói miễn phí: Nếu bạn xuất bản đều đặn, hãy tính trước khi nào hết hạn mức miễn phí trước khi xây dựng quy trình quanh nó. 

Khi đã thu hẹp xuống hai hoặc ba công cụ, hãy chạy cùng một kịch bản ngắn qua mỗi công cụ. Bao gồm vài yếu tố hay làm giọng AI gặp khó, như tên thương hiệu, con số và một câu hỏi. Rồi nghe liên tiếp tất cả.

Năm phút thử nghiệm sẽ cho bạn biết nhiều hơn mọi bản demo, và dễ hơn nhiều so với việc phát hiện giọng không phù hợp sau khi bạn đã viết kịch bản cho hai chục tập.

Hạn chế của các trình tạo giọng nói AI miễn phí

Các trình tạo giọng nói AI miễn phí cũng có vài hạn chế:

Giới hạn tín dụng hàng tháng

ElevenLabs cho khoảng 10 phút âm thanh mỗi tháng. Hết thì bạn phải chờ làm mới hoặc trả phí.

Giới hạn ký tự

TTSMaker giới hạn lượng văn bản mỗi lần chuyển (1.000 ký tự với giọng mặc định), và Fish Audio giới hạn 500 ký tự mỗi lượt tạo. Vậy nên kịch bản dài phải chia đoạn.

Giọng cao cấp bị hạn chế

Tùy công cụ. ElevenLabs và WellSaid cho người dùng miễn phí dùng mô hình giọng tốt nhất, nhưng gói miễn phí của Speechify chỉ gồm 10 giọng máy móc.

Không có quyền thương mại

ElevenLabs, Murf, Fish Audio và WellSaid không cho phép dùng thương mại ở gói miễn phí. ElevenLabs cũng yêu cầu bạn ghi công khi chia sẻ âm thanh miễn phí dưới bất kỳ hình thức nào.

Không cho tải xuống

Gói miễn phí của Murf cho nghe lồng tiếng nhưng không xuất. Edge Read Aloud và Speechify không tạo tệp.

Watermark

Descript thêm watermark vào xuất video miễn phí (bạn có một lượt xuất không watermark mỗi tháng). Chatterbox thêm watermark không nghe được vào mọi clip, nhưng bạn sẽ không nghe thấy. Nó tồn tại để nhận diện âm thanh do AI tạo.

Nhân bản giọng bị giới hạn

Hầu hết công cụ khóa nhân bản sau gói trả phí. Fish Audio (chỉ dùng cá nhân) và Chatterbox là ngoại lệ.

Tạo chậm hơn

Người dùng miễn phí có thể phải chờ hàng. Ví dụ, TTSMaker có thể mất vài phút vào giờ cao điểm.

Lời kết

Hãy viết một kịch bản 100 từ mà bạn sẽ thực sự dùng, như phần mở đầu video tiếp theo hoặc một slide trong khóa học. Thêm một tên thương hiệu, một con số và một câu hỏi, vì đây là những yếu tố cho thấy khác biệt lớn nhất giữa các giọng.

Sau đó thử trên ba công cụ phù hợp với dự án của bạn:

• Video YouTube: TTSMaker, ElevenLabs và Descript
• Video đào tạo: WellSaid, Murf và ElevenLabs
• Ứng dụng và mã: Google Cloud và Chatterbox

Nghe cả ba liên tiếp và chọn cái nghe hay nhất.

Trước khi xuất bản, hãy tìm trong điều khoản của công cụ các từ "commercial" và "attribution" để xác nhận bạn có thể dùng âm thanh ở nơi dự định.