Tốt nhất
Giọng đọc AI tiếng Việt tốt nhất 2026: 4 công cụ chúng tôi đã dùng thật
Bài có link affiliate — chúng tôi có thể nhận hoa hồng. Cách chúng tôi review
Kết luận nhanh
Cần giọng tiếng Việt có cảm xúc nhất thì chọn ElevenLabs v3, nhưng hãy chuẩn bị ngân sách vì credit hết rất nhanh. Cần đọc số lượng lớn với chi phí gần bằng 0 thì Google Cloud Text-to-Speech (Chirp 3 HD) ổn định và sạch, chỉ tiếc là không có giọng miền Nam. Gemini TTS nằm giữa: tự nhiên, rẻ hơn ElevenLabs, có thể ra giọng miền Nam, nhưng bạn phải tự kiểm tra kỹ vì nó có lúc đọc sót mà không báo lỗi.
Hợp với: Người làm thiền, podcast, kể chuyện cần giọng Việt có cảm xúc · Kênh video ngắn cần đọc số lượng lớn · Nhà sáng tạo cần cả giọng Việt và giọng Anh
Không hợp với: Ai cần chắc chắn 100% giọng miền Nam ở mọi lượt đọc · Ai muốn dùng gói miễn phí của ElevenLabs cho kênh kiếm tiền
Chọn nhanh
- ElevenLabs — Chất lượng tổng thể tốt nhấtDùng thử →
Giọng tiếng Việt có cảm xúc tự nhiên nhất, và thẻ cảm xúc giúp giọng chậm, mềm dần về cuối bài thiền ngủ. Đổi lại là giá cao nhất khi làm nhiều.
- Google Cloud Text-to-Speech — Gói miễn phí tốt nhất · Rẻ nhất khi làm số lượng lớnDùng thử →
Theo ghi chép của chúng tôi, Chirp 3 HD cho 1 triệu ký tự mỗi tháng miễn phí, giọng ổn định và sạch. Chỉ có giọng Bắc.
- Gemini TTS (Google AI Studio) — Tốt nhất cho giọng miền NamDùng thử →
Giọng Erinome có thể ra giọng miền Nam, chi phí thấp hơn ElevenLabs (nhưng không miễn phí như Google Cloud). Cần đọc cả bài một lượt để không lẫn giọng, và phải kiểm tra đoạn bị sót.
So sánh nhanh
| Tiêu chí | ElevenLabs v3 | Gemini TTS | Google Cloud TTS (Chirp 3 HD) | Vbee |
|---|---|---|---|---|
| Chúng tôi dùng cho | Giọng nữ mặc định của ~200 bài thiền | Đọc lời dẫn, chạy song song 2 giọng | Giọng Việt Despina, giọng Anh Achird | Thử cho video 3D, đã dừng |
| Hỗ trợ tiếng Việt | ✓ | ✓ | ✓ | ✓ |
| Cảm xúc tự nhiên | ✓ tốt nhất chúng tôi từng dùng | ✓ chậm, nhẹ, không cần chỉ dẫn | Ổn định, sạch | Chưa đạt cho việc của chúng tôi |
| Thẻ cảm xúc trong ngoặc vuông | ✓ hoạt động | ✗ bị đọc thành tiếng | Không dùng | Không thử |
| Giọng miền Nam | Chưa kiểm chứng | Có thể (Erinome), ngẫu nhiên mỗi lượt | ✗ 19 giọng nữ đều giọng Bắc | Không thử |
| Giọng tiếng Anh | Không dùng | ✓ Achird | ✓ Achird | ✗ lỗi 1045 trên tài khoản của chúng tôi |
| Gói miễn phí | 10.000 credit/tháng, không thương mại | Xem trang giá | 1 triệu ký tự/tháng | Xem trang giá |
| Điểm yếu lớn nhất | Đắt khi làm nhiều | Có thể bỏ sót chữ mà không báo lỗi | Không có giọng miền Nam | Chất lượng chưa đủ cho video 3D |
Ưu điểm
- ElevenLabs v3: cảm xúc tự nhiên nhất, thẻ cảm xúc như [calmly], [whispering] hoạt động thật
- Gemini TTS: tự đọc chậm, nhẹ mà không cần chỉ dẫn; có giọng có thể ra miền Nam
- Google Cloud TTS (Chirp 3 HD): miễn phí 1 triệu ký tự/tháng theo ghi chép của chúng tôi, ổn định, sạch
Nhược điểm
- ElevenLabs v3: đắt nhất khi làm số lượng lớn; gói miễn phí không cho dùng thương mại
- Gemini TTS: đọc to chữ trong ngoặc vuông, có lúc bỏ sót chữ mà không báo lỗi, lẫn giọng Bắc và Nam giữa các lượt
- Google Cloud TTS: 19 giọng nữ tiếng Việt chúng tôi nghe đều là giọng Bắc
- Vbee: chưa đạt yêu cầu cho video giải phẫu 3D của chúng tôi; giọng tiếng Anh báo lỗi 1045 trên tài khoản của chúng tôi
Câu trả lời ngắn: chọn công cụ nào?
Chúng tôi đã dùng cả bốn công cụ dưới đây để làm lời đọc tiếng Việt thật, không chỉ nghe vài câu demo. Nếu bạn chỉ có 30 giây, đây là cách chọn:
- Cần giọng có cảm xúc nhất và chịu chi: ElevenLabs v3. Thẻ cảm xúc như [calmly] hay [whispering] hoạt động thật, nhưng credit hết rất nhanh.
- Cần đọc nhiều mà gần như không tốn tiền: Google Cloud Text-to-Speech, dòng Chirp 3 HD. Gói miễn phí 1 triệu ký tự mỗi tháng theo ghi chép của chúng tôi, giọng sạch và ổn định, nhưng chỉ có giọng Bắc.
- Cần giọng miền Nam: Gemini TTS với giọng Erinome có thể ra giọng Nam, nhưng mỗi lượt gọi lại chọn giọng Bắc hay Nam một cách ngẫu nhiên.
- Muốn dùng nhà cung cấp Việt Nam: Vbee đáng để bạn tự thử với nội dung của mình. Với video giải phẫu 3D của chúng tôi thì chưa đạt.
Chúng tôi dùng giọng AI vào việc gì
Đội ngũ Zuzuway cũng làm YogaWay, một ứng dụng yoga và thiền. Trong trang quản trị của YogaWay có một công cụ nội bộ tên Voice Studio: người viết dán kịch bản thiền có hướng dẫn, chọn giọng, bấm đọc và nhận về file MP3. Khoảng 200 kịch bản đã đi qua công cụ này, bài ngắn khoảng 500 ký tự, bài dài khoảng 5.000 ký tự. Trung bình cứ khoảng 11 ký tự là một giây lời đọc.
Việc thứ hai là lời đọc tiếng Việt cho khoảng 270 video ngắn về giải phẫu tư thế yoga dựng 3D. Hai việc này đòi hỏi khác nhau: thiền cần giọng chậm, mềm, có cảm xúc; video ngắn cần giọng rõ, đều và làm được số lượng lớn.
1. ElevenLabs v3: chất lượng tổng thể tốt nhất
ElevenLabs với mô hình eleven_v3 là giọng nữ mặc định cho toàn bộ bài thiền của YogaWay. Lý do đơn giản: trong bốn công cụ, đây là giọng có cảm xúc tự nhiên nhất khi đọc tiếng Việt, và nó cho phép điều khiển cảm xúc bằng thẻ âm thanh đặt trong ngoặc vuông ngay trong văn bản.
Chúng tôi dùng các thẻ như [calmly], [softly], [whispering], [sleepy], [deep breath] và [exhale] để giọng chậm lại và nhẹ dần về cuối các bài thiền ngủ. Thẻ hoạt động thật, và đây là điều các công cụ khác trong danh sách không làm được theo cách tương tự.
- Mức tiêu: khoảng 1 credit cho mỗi ký tự với v3. Một bài thiền 5 phút tốn khoảng 3.600 credit.
- Miễn phí: 10.000 credit mỗi tháng, tức khoảng 2 bài 5 phút. Giấy phép gói miễn phí không cho dùng thương mại.
- Điểm trừ: đắt nhất khi làm số lượng lớn; bài dài phải cắt thành nhiều đoạn rồi nối MP3, và việc nối có bẫy riêng.
Chúng tôi viết riêng một bài chi tiết về cách dùng, các lỗi gặp phải và cách sửa: đánh giá ElevenLabs v3 cho giọng đọc tiếng Việt.
2. Gemini TTS: tốt nhất cho giọng miền Nam
Gemini TTS (mô hình gemini-3.8-flash-tts, gọi qua Google AI Studio) là công cụ làm chúng tôi vừa thích vừa mệt nhất. Thích vì giọng tự nhiên, tự đọc chậm và nhẹ mà không cần chỉ dẫn gì. Mệt vì nó có nhiều thói quen khó lường.
Các giọng chúng tôi dùng: Sulafat (nữ), Algieba (nam), Erinome (nữ, có thể ra giọng miền Nam) và Achird (nam, tiếng Anh). Trong một lần thử, hai giọng chạy song song đọc xong trong 80 giây và đọc đúng đủ 1.448 trên 1.448 từ.
Những điều cần biết trước khi dùng:
- Thẻ trong ngoặc vuông bị đọc thành tiếng, ví dụ nó đọc to chữ “Pause”. Có lúc nó còn bỏ luôn câu đứng ngay sau thẻ [pause]. Hãy gỡ hết thẻ trước khi gửi.
- Nó có thể bỏ qua một đoạn chữ mà không báo lỗi gì. Chúng tôi phải so thời lượng âm thanh với độ dài văn bản, và chép ngược âm thanh ra chữ để kiểm tra.
- Mỗi lượt gọi chọn giọng Bắc hoặc Nam ngẫu nhiên, nên đọc từng đoạn riêng sẽ bị lẫn giọng. Cách sửa: đọc cả bài trong một lượt rồi cắt theo khoảng lặng.
- Âm thanh trả về là WAV 24 kHz mono, rất sát 0 dBFS. Chúng tôi hạ 6 dB cho khỏi vỡ tiếng rồi nén MP3 64 kbps: 10 phút từ 28 MB còn 4,7 MB.
Về chi phí, với cách dùng của chúng tôi, khoảng 100 lượt đọc tốn chừng 100.000 đồng; chúng tôi từng chạm giới hạn chi tiêu tháng đặt trong Google AI Studio. So sánh trực tiếp với ElevenLabs ở bài ElevenLabs và Gemini TTS cho tiếng Việt.
3. Google Cloud Text-to-Speech (Chirp 3 HD): miễn phí tốt nhất, rẻ nhất khi làm nhiều
Nếu ngân sách của bạn gần bằng 0 và bạn cần đọc rất nhiều, đây là công cụ nên thử đầu tiên. Theo ghi chép của chúng tôi, gói miễn phí cho 1 triệu ký tự mỗi tháng.
Chất lượng ổn định và sạch, không có những bất ngờ như Gemini. Chúng tôi chọn giọng Despina cho tiếng Việt và Achird cho tiếng Anh.
Điểm yếu lớn: chúng tôi đã nghe 19 giọng nữ tiếng Việt của Chirp 3 HD và tất cả đều là giọng miền Bắc. Nếu khán giả của bạn chủ yếu ở miền Nam, hoặc thương hiệu cần giọng Nam, công cụ này không giải quyết được.
4. Vbee: đã thử, chưa hợp với việc của chúng tôi
Vbee là nhà cung cấp giọng đọc của Việt Nam. Chúng tôi thử Vbee cho phần lời đọc video giải phẫu 3D rồi dừng lại, vì người phụ trách nội dung đánh giá chất lượng chưa đủ cho đúng việc đó. Đây là nhận xét cho một loại nội dung cụ thể, không phải kết luận cho mọi trường hợp.
Khi thử giọng tiếng Anh, tài khoản của chúng tôi gặp lỗi 1045, liên quan đến hạn mức hoặc gói giọng quốc tế. Nếu bạn cần cả tiếng Anh, hãy hỏi rõ gói nào có giọng quốc tế trước khi mua. Giá và gói: xem trang chính thức của Vbee.
Giọng miền Nam: thực tế ra sao
- Google Cloud TTS: 19 giọng nữ tiếng Việt chúng tôi nghe đều là giọng Bắc.
- Gemini TTS: Erinome có thể ra giọng Nam, nhưng không chắc chắn ở mỗi lượt. Đọc cả bài một lần để giữ giọng thống nhất.
- ElevenLabs và Vbee: chúng tôi chưa kiểm chứng riêng chuyện giọng Nam, nên không khẳng định.
Thêm một mẹo với Gemini: đừng đọc những câu đứng riêng quá ngắn, cỡ 3 giây. Ở các câu như vậy chúng tôi đo được tạp âm tần số cao quanh 8–11 kHz to hơn câu dài khoảng 20 dB, nghe chói tai. Đọc cả đoạn dài thì hết.
Cách chọn: 4 câu hỏi trước khi trả tiền
- Bạn có dùng cho kênh kiếm tiền không? Nếu có, gói miễn phí của ElevenLabs không đủ giấy phép, phải lên gói trả phí. Với công cụ khác, hãy đọc kỹ điều khoản.
- Một tháng bạn cần đọc bao nhiêu ký tự? Lấy số phút nhân 60 rồi nhân khoảng 11. Con số này quyết định bạn ở được gói miễn phí hay không.
- Nội dung có cần cảm xúc không? Thiền, kể chuyện, quảng cáo cảm xúc thì đáng trả tiền cho ElevenLabs. Hướng dẫn, tin tức, video ngắn thì Google Cloud TTS thường đã đủ.
- Bạn có thời gian kiểm tra đầu ra không? Gemini rẻ và hay, nhưng nếu không có bước kiểm tra tự động, bạn có thể đăng file bị sót câu mà không biết.
Sau khi có giọng đọc
Ở Zuzuway, các giọng đọc này chạy trong quy trình làm video tự động, và video làm xong có thể tự đăng lên nhiều kênh cùng lúc. Nếu bạn làm nội dung đều đặn, khâu đăng bài là chỗ tiết kiệm thời gian tiếp theo.
Bảng giá
| ElevenLabs miễn phí | 10.000 credit/tháng | Khoảng 2 bài 5 phút với v3; giấy phép không cho dùng thương mại |
|---|---|---|
| ElevenLabs trả phí | Xem trang giá chính thức | Bắt buộc nếu dùng thương mại; v3 tốn khoảng 1 credit/ký tự |
| Gemini TTS (Google AI Studio) | ≈ 100.000đ cho ~100 lượt đọc | Theo mức dùng của chúng tôi; nên đặt giới hạn chi tiêu tháng |
| Google Cloud TTS (Chirp 3 HD) | Miễn phí 1 triệu ký tự/tháng | Theo ghi chép của chúng tôi; vượt mức hãy xem trang giá của Google Cloud |
| Vbee | Xem trang giá chính thức | Giọng quốc tế có thể cần gói riêng (chúng tôi gặp lỗi 1045) |
Chúng tôi đã thử thế nào
Chúng tôi không thử trong phòng lab. Đây là các công cụ đội ngũ đã dùng để sản xuất thật cho YogaWay, ứng dụng anh em của Zuzuway. Voice Studio trong trang quản trị của YogaWay chuyển khoảng 200 kịch bản thiền có hướng dẫn, dài từ khoảng 500 đến 5.000 ký tự (khoảng 11 ký tự cho mỗi giây đọc), thành file MP3. Đội ngũ cũng làm lời đọc tiếng Việt cho khoảng 270 video ngắn về giải phẫu tư thế yoga dựng 3D. ElevenLabs (eleven_v3) là giọng nữ mặc định cho thiền. Với Gemini TTS (gemini-3.8-flash-tts), chúng tôi dùng các giọng Sulafat, Algieba, Erinome và Achird, kiểm tra thời lượng âm thanh so với độ dài văn bản và chép ngược âm thanh thành chữ để bắt đoạn bị sót. Với Google Cloud TTS Chirp 3 HD, chúng tôi nghe 19 giọng nữ tiếng Việt. Vbee được thử cho lời đọc video 3D. Chúng tôi không dùng điểm đánh giá của người dùng.
Câu hỏi thường gặp
Giọng đọc AI tiếng Việt nào miễn phí?
Theo ghi chép của chúng tôi, Google Cloud Text-to-Speech (Chirp 3 HD) cho 1 triệu ký tự mỗi tháng miễn phí, đủ cho rất nhiều video. ElevenLabs có gói miễn phí 10.000 credit/tháng, chỉ khoảng 2 bài 5 phút và không cho dùng thương mại. Điều khoản thay đổi, hãy kiểm tra trang chính thức.
Có giọng đọc AI miền Nam không?
Có, nhưng chưa hoàn hảo. Giọng Erinome của Gemini TTS có thể ra giọng miền Nam, tuy mỗi lượt gọi lại chọn giọng Bắc hoặc Nam ngẫu nhiên. 19 giọng nữ tiếng Việt của Google Chirp 3 HD mà chúng tôi nghe đều là giọng Bắc.
ElevenLabs có giọng tiếng Việt không?
Có. Mô hình eleven_v3 đọc tiếng Việt, và chúng tôi dùng nó làm giọng nữ mặc định cho khoảng 200 bài thiền có hướng dẫn.
Giọng đọc AI có được dùng cho kênh kiếm tiền không?
Tuỳ gói. Gói miễn phí của ElevenLabs không cho dùng thương mại, phải lên gói trả phí. Với các công cụ khác, hãy đọc điều khoản sử dụng trước khi đăng lên kênh có kiếm tiền.
Một phút lời đọc tốn bao nhiêu ký tự?
Theo dữ liệu của chúng tôi, khoảng 11 ký tự cho mỗi giây, tức chừng 660 ký tự cho một phút. Với ElevenLabs v3, một bài thiền 5 phút tốn khoảng 3.600 credit.
Nhận bảng so sánh công cụ AI cho người làm nội dung
Mỗi tuần một thư ngắn: công cụ mới đáng thử, ưu đãi, mẹo làm nội dung nhanh hơn. Không spam.