Ai nên học cái này
Bài này dành cho người bán hàng tự làm video — nông sản, thực phẩm, mỹ phẩm, đồ gia dụng — mỗi tuần phải ra vài clip TikTok/Reels nhưng ngại lên tiếng, hoặc quay ở chỗ ồn không thu được. Cũng dành cho người làm nội dung một mình: cần đọc lời bình cho video hướng dẫn, làm podcast, thuyết minh slide bán hàng.
Nếu bạn đang vướng đúng ba chuyện này thì càng hợp: giọng thật của bạn nghe không tự tin trên video; sửa một câu trong kịch bản là phải thu lại từ đầu; muốn ra clip đều mỗi ngày nhưng khâu thu âm ngốn cả buổi tối.
Làm được gì — nói bằng việc thật
- Đọc lời bình cho clip sản phẩm Gà Võ. Kịch bản 45 giây về gà thả vườn, dán vào, chọn giọng nữ miền Bắc, 20 giây sau có file MP3 kéo thẳng vào CapCut. Sửa giá bán? Sửa một dòng chữ rồi bấm tạo lại — không phải hẹn ai, không phải vào phòng thu.
- Nhân bản chính giọng anh Cường. Thu 1–2 phút giọng thật một lần duy nhất, từ đó mọi video sau đều "do anh Cường nói" mà anh Cường không cần ngồi trước micro. Khách nghe quen giọng — thương hiệu cá nhân vẫn giữ.
- Lồng tiếng lại video cũ sang ngôn ngữ khác. Clip Võ Farm quay tiếng Việt, đưa qua mục Dubbing, ra bản tiếng Anh để gửi khách nước ngoài hoặc đăng kênh quốc tế. Bản Dubbing v2 (ra tháng 5/2026) giữ được cảm xúc của người nói gốc chứ không đọc đều đều như máy.
- Đọc bài blog thành audio. Bài trên mastercuongboss.vn dán vào, ra file nghe được — đăng kèm bài viết cho người thích nghe hơn đọc, hoặc cắt thành đoạn ngắn đăng story.
- Đổi giọng cho bản thu sẵn (Voice Changer). Bạn tự đọc với đúng nhịp, đúng cảm xúc mình muốn, rồi "khoác" lên đó một giọng khác trong thư viện. Cách này giữ được diễn xuất mà đổi được chất giọng.
Dùng từng bước — làm theo là ra file
- Vào cửa. Mở elevenlabs.io, bấm nút Sign up ở góc trên bên phải, chọn Continue with Google cho nhanh. Không cần thẻ tín dụng. Đăng nhập xong bạn thấy màn hình chính chia hai phần: cột trái là menu dọc (Home, Voices, Playground, Dubbing…), giữa là khung làm việc. Bản miễn phí cho 10.000 credits mỗi tháng, tương đương khoảng 10 phút giọng đọc.
- Chọn giọng đọc tiếng Việt. Bấm Voices ở cột trái → chọn thẻ Explore. Trong ô lọc, chọn ngôn ngữ Vietnamese và giới tính bạn muốn. Bấm nút tam giác ▶ cạnh mỗi giọng để nghe thử. Ưng giọng nào thì bấm Add to My Voices. Thấy gì khi đúng: giọng đó xuất hiện trong thẻ "My Voices", và từ giờ hiện trong mọi menu chọn giọng. Thư viện có hơn 11.000 giọng — đừng nghe hết, nghe 5–7 giọng rồi chốt.
- Mở khung tạo giọng. Bấm Playground ở cột trái → chọn Text to Speech. Ở đầu khung có hai ô: ô chọn Model và ô chọn Voice. Chọn model Eleven v3 (bản mới nhất, tự nhiên nhất cho tiếng Việt), chọn giọng bạn vừa thêm ở bước 2. Thấy gì khi đúng: khung soạn chữ lớn ở giữa sáng lên, cho gõ được.
- Dán kịch bản vào. Dán đoạn chữ bạn muốn đọc vào khung giữa. Viết có dấu câu đầy đủ — dấu phẩy tạo nhịp nghỉ ngắn, dấu chấm tạo nghỉ dài, dấu chấm than làm giọng lên. Con số nên viết bằng chữ: gõ "một trăm hai mươi nghìn" thay vì "120.000" để nó không đọc sai. Giới hạn: bản miễn phí mỗi lần tạo tối đa khoảng vài nghìn ký tự — một kịch bản 45 giây (~110 từ) thì thoải mái.
- Chèn thẻ cảm xúc (audio tag). Đây là thứ tách bài đọc "như máy" khỏi bài đọc "như người". Gõ trực tiếp vào giữa kịch bản các thẻ trong ngoặc vuông: [excited] hào hứng, [whispers] hạ giọng thì thầm, [laughs] cười, [sighs] thở ra. Thẻ đặt ngay trước câu bạn muốn nó ảnh hưởng. Thấy gì khi đúng: nghe lại thấy câu sau thẻ đổi hẳn sắc thái. Lưu ý: thẻ này chỉ ăn với model Eleven v3, chọn model cũ là nó đọc luôn cả chữ trong ngoặc.
- Chỉnh ba thanh trượt. Bấm biểu tượng bánh răng / Settings ngay dưới ô chọn giọng, bạn thấy các thanh Stability, Similarity, Speed. Kéo Stability về giữa (khoảng 50%) cho quảng cáo — thấp quá thì giọng "diễn" quá đà và mỗi lần tạo ra một kiểu, cao quá thì đều đều buồn ngủ. Similarity để cao (70–80%). Speed giữ 1.0, chỉ tăng lên 1.05–1.1 khi clip bị dài hơn khung hình. Thấy gì khi đúng: giá trị % hiện ngay cạnh thanh khi bạn kéo.
- Tạo và nghe. Bấm nút Generate (nút chính, màu nổi, nằm dưới khung chữ). Chờ khoảng 10–30 giây. Thấy gì khi đúng: một thanh sóng âm hiện ra bên dưới kèm nút phát. Nghe hết một lượt, chưa ưng thì sửa chữ hoặc đổi thẻ cảm xúc rồi Generate lại — mỗi lần tạo lại đều trừ credits, nên sửa cho chắc rồi hãy bấm.
- Tải file về. Bấm biểu tượng mũi tên xuống (Download) cạnh thanh sóng âm, chọn định dạng MP3. File rơi vào thư mục Downloads của máy. ⚠️ Quan trọng: bản miễn phí không có bản quyền thương mại — bạn phải ghi nguồn ElevenLabs và không được dùng file này cho nội dung kiếm tiền. Muốn dùng bán hàng hợp lệ thì phải lên gói trả phí thấp nhất, xem bảng bên dưới.
- Nhân bản giọng của chính bạn (gói trả phí trở lên). Bấm Voices → Add Voice → chọn Instant Voice Clone. Bấm Record yourself và đọc liên tục 60–120 giây ở nơi thật yên tĩnh (hoặc Upload samples nếu đã có file MP3/WAV sạch). Đặt tên giọng, tick ô cam kết bạn có quyền dùng giọng này, đọc câu xác thực hệ thống yêu cầu, bấm Save Voice. Thấy gì khi đúng: sau 10–30 giây giọng mới hiện trong My Voices, chọn được ngay ở bước 3. Đừng thu quá 3 phút — dài hơn không tốt hơn, đôi khi còn làm bản sao tệ đi.
- Ra kết quả cuối. Mở CapCut trên điện thoại hoặc máy tính, kéo file MP3 vừa tải vào lớp âm thanh, kéo video sản phẩm lên lớp hình, cắt cho khớp. Xong khi bạn xuất được một clip có giọng đọc chạy đúng nhịp hình.
Các gói giá — số cập nhật ngày 28/08/2026
| Gói | Giá/tháng | Được gì — và hụt gì |
|---|---|---|
| Free | 0đ | 10.000 credits (~10 phút đọc). Không có bản quyền thương mại, phải ghi nguồn. Không nhân bản được giọng. Chỉ dùng giọng có sẵn trong thư viện. Đủ để tập, không đủ để bán hàng. |
| Starter | ~6 USD | 30.000 credits (~30 phút). Có giấy phép thương mại + nhân bản giọng tức thì + truy cập Studio và Dubbing. Đây là mốc thật sự để bắt đầu làm việc. |
| Creator | ~22 USD | Dành cho người ra video hằng ngày, cần nhiều phút hơn và chất lượng âm thanh cao hơn. Thường có ưu đãi tháng đầu. |
| Pro / Scale | ~99 / ~299 USD | Cho đội nhóm, làm hàng loạt, dùng API nối vào quy trình tự động. Doanh nghiệp một người gần như không cần tới. |
| Trả theo năm | giảm ~17% | Trả tiền 10 tháng dùng 12 tháng. Chỉ chọn khi bạn đã chạy đều ít nhất 2 tháng. |
Số liệu tham khảo, giá và tên gói có thể thay đổi — trước khi thanh toán hãy mở trang giá chính thức kiểm lại.
Kịch bản mẫu — copy vào dùng được ngay
Đây là kịch bản 45 giây bán gà thả vườn, đã cài sẵn thẻ cảm xúc. Dán nguyên khối này vào khung Text to Speech ở bước 4:
[warm] Chào anh chị. Em là Cường, chủ trại gà Gà Võ ở Bình Định. [excited] Hôm nay em muốn khoe với anh chị lứa gà thả vườn vừa tới ngày xuất chuồng. Gà nhà em nuôi đúng bốn tháng, thả trong vườn dừa, ăn ngô với rau chuối, không cám tăng trọng. [whispers] Cái này em nói thật lòng nha. [normal] Gà nuôi kiểu này thịt chắc hơn, da vàng tự nhiên, luộc lên nước ngọt chứ không nhạt. Một con làm sạch nặng khoảng một ký tám, giá hai trăm hai mươi nghìn đồng, giao tận nhà trong nội thành. [warm] Anh chị muốn thử một con ăn Chủ nhật này thì nhắn tin cho em, em để phần. Cảm ơn anh chị đã nghe hết.
Vì sao kịch bản này ăn
Nó không phải đoạn văn hay — nó là đoạn văn được viết để máy đọc ra giống người. Tách ra bốn mảnh:
- Vai và chỗ đứng — "Em là Cường, chủ trại gà" đặt ngay câu đầu. Người nghe biết ai đang nói trước khi biết bán gì. Mảnh này bạn thay bằng tên và nghề của mình.
- Cảm xúc điều khiển bằng thẻ — [warm] mở đầu cho ấm, [excited] ở câu chào hàng, [whispers] ở câu tâm sự để tạo cảm giác nói riêng, rồi [normal] kéo về bình thường. Mảnh này giữ nguyên cấu trúc — ấm → hào hứng → thì thầm → bình thường → ấm. Đây là nhịp bán hàng, đổi sản phẩm nào cũng dùng được.
- Câu ngắn, mỗi câu một ý — máy đọc câu dài hay hụt hơi và đặt nhấn sai chỗ. Mảnh này giữ nguyên: không viết câu quá 20 chữ.
- Số viết bằng chữ — "hai trăm hai mươi nghìn đồng" chứ không phải "220.000đ". Mảnh này bắt buộc giữ, đây là lỗi phổ biến nhất khiến clip phải làm lại.
Biến thể cho người làm nội dung (không bán hàng trực tiếp)
Cùng bộ khung, đổi mục tiêu từ "chốt đơn" sang "giữ người xem":
[curious] Anh chị có bao giờ thắc mắc, vì sao cùng là gà thả vườn mà con thì ngọt thịt, con thì bở? [normal] Em nuôi gà mười năm, em nói cho anh chị nghe ba thứ quyết định. Thứ nhất là thời gian nuôi. Dưới ba tháng thì thịt còn non, chưa có vị. Thứ hai là thức ăn. Cám tăng trọng làm gà lớn nhanh nhưng thịt nhão. Thứ ba là chỗ thả. Gà có đất chạy thì cơ bắp săn, luộc lên mới dai giòn. [warm] Ba thứ đó em làm đủ, nên em dám mời anh chị ăn thử. Video sau em quay cảnh vườn cho anh chị coi.
Thấy khác chỗ nào không? Biến thể này mở bằng [curious] và một câu hỏi thay vì lời chào — dùng cho video muốn giữ người xem quá 3 giây đầu. Phần chốt đơn được thay bằng lời hẹn video sau.
Nộp: một file MP4 dài 40–50 giây có giọng đọc chạy đúng nhịp hình.
Đạt khi: (1) nghe hết clip không có chỗ nào đọc sai số hoặc sai tên sản phẩm; (2) nghe thấy rõ ít nhất hai sắc thái khác nhau trong giọng — không đều một tông từ đầu tới cuối; (3) tiếng và hình kết thúc lệch nhau không quá 1 giây.
2) Mỗi lần bấm Generate ra một giọng một kiểu. Triệu chứng: tạo ba lần, ba bản nghe cảm xúc lệch nhau, ghép vào series video thì không đồng nhất. Nguyên nhân: thanh Stability để quá thấp — model được tự do diễn nên mỗi lần diễn một kiểu. Cách sửa: kéo Stability lên khoảng 50–60% và giữ nguyên con số đó cho mọi video cùng series; ghi lại con số này vào sổ tay để lần sau đặt y hệt.
3) Làm xong cả loạt video mới phát hiện không được dùng thương mại. Triệu chứng: đăng bán hàng bằng file tạo từ tài khoản miễn phí, sau đó lo bị khiếu nại bản quyền. Nguyên nhân: gói Free không kèm giấy phép thương mại và bắt ghi nguồn — điều này không hiện cảnh báo lúc bạn bấm tải. Cách sửa: nếu video có mục đích bán hàng, nâng lên gói trả phí thấp nhất trước khi tạo file, rồi tạo lại từ đầu; file tạo hồi còn dùng gói Free thì gỡ đi, đừng tiếc.
Chi phí thật và nguyên tắc chọn gói
Nói thẳng: gói miễn phí ở đây không phải gói dùng được, nó là gói học thử. 10 phút giọng đọc mỗi tháng nghe thì nhiều, nhưng thực tế bạn tạo đi tạo lại 4–5 lần cho một clip mới ưng, nên 10 phút credits chỉ đủ ra khoảng hai clip hoàn chỉnh. Cộng thêm việc không có bản quyền thương mại và không nhân bản được giọng — hai thứ quan trọng nhất với người bán hàng — thì gói Free chỉ nên dùng đúng một buổi tối để xem có hợp gu mình không.
Mốc quyết định rất rõ ràng: nếu bạn ra từ 2 video bán hàng trở lên mỗi tuần, lên gói trả phí thấp nhất ngay. Sáu đô một tháng — khoảng 150 nghìn đồng — rẻ hơn một lần thuê người đọc lời bình, mà bạn được sửa kịch bản không giới hạn và có giọng nhân bản của chính mình. Chỉ nhảy lên gói cao hơn khi bạn thật sự chạm trần số phút, và bạn sẽ biết lúc nào chạm vì hệ thống báo hết credits giữa tháng.
Còn nếu mỗi tháng bạn chỉ làm một hai clip, đừng mua gì cả — dùng Free, ghi nguồn đầy đủ, và để dành tiền cho việc khác. Nguyên tắc cũ vẫn đúng: nâng gói khi công việc đòi hỏi, đừng mua trước rồi đi tìm việc cho nó.
Khoá học 2 ngày của tôi nối ElevenLabs với kịch bản do AI viết, ảnh do AI tạo và lịch đăng tự động — thành một dây chuyền chạy trên máy của bạn.
Xem khoá học & gói Đồng hành →Theo dõi Master Cường BossNhận bài mới và video phân tích trên Facebook, YouTube.