ElevenLabs là gì? Có tiếng Việt không, nhân bản giọng nói, các gói và cách dùng

ElevenLabs là gì?

ElevenLabs là công ty AI tạo sinh chuyên về âm thanh, nổi tiếng nhờ tính năng chuyển văn bản thành giọng nói (text to speech) nghe tự nhiên. Công ty thành lập năm 2022, do Piotr Dąbkowski (từng là kỹ sư học máy ở Google) và Mati Staniszewski (từng làm ở Palantir) đồng sáng lập; pháp nhân ký hợp đồng với người dùng là Eleven Labs Inc. ở New York.

Sản phẩm hiện chia thành ba nền tảng: ElevenCreative cho giọng nói, nhạc, hiệu ứng âm thanh, ảnh và video; ElevenAgents để dựng agent trò chuyện bằng giọng nói hay chat cho doanh nghiệp; ElevenAPI cho lập trình viên. Ngoài website còn có ứng dụng ElevenLabs và ứng dụng đọc sách ElevenReader trên iOS, Android.

ElevenLabs có tiếng Việt không?

Có. Tiếng Việt được hỗ trợ lần đầu ngày 19/07/2024 với model Turbo v2.5. Theo bảng model hiện hành, các model đọc được tiếng Việt là:

• Eleven v4 và Eleven v4 Turbo: hơn 90 ngôn ngữ, model mới ra ngày 28/09/2026.
• Eleven v3: hơn 70 ngôn ngữ, nay là thế hệ trước.
• Eleven Flash v2.5: 32 ngôn ngữ, độ trễ thấp, thay cho Turbo v2.5 đã ngừng khuyến nghị.
• Eleven Multilingual v2 chỉ có 29 ngôn ngữ và không có tiếng Việt, dù nhiều hướng dẫn cũ vẫn khuyên chọn model này.

Giọng đọc tiếng Việt: chọn giọng thế nào?

ElevenLabs giải thích ngôn ngữ đọc do văn bản quyết định, còn ngữ điệu và cách phát âm do giọng mẫu quyết định. Vì vậy, muốn giọng đọc tiếng Việt không lơ lớ, hãy chọn một giọng của người nói tiếng Việt; riêng Eleven v4 khi đọc ngôn ngữ khác ngôn ngữ của giọng mẫu sẽ nói theo giọng bản ngữ của ngôn ngữ đích.

Giao diện website và ứng dụng chưa có tiếng Việt, tài liệu và trung tâm trợ giúp chỉ có tiếng Anh; ElevenLabs có trang giới thiệu riêng cho giọng đọc tiếng Việt. Các sản phẩm khác có tiếng Việt gồm chuyển giọng nói thành chữ Scribe v2 (tiếng Việt thuộc nhóm sai số từ không quá 5%), lồng tiếng Dubbing v2, agent của ElevenAgents và ứng dụng ElevenReader. Tài liệu chưa ghi rõ Eleven Music có hát lời tiếng Việt hay Voice Changer có tiếng Việt không. Các cách đọc văn bản tiếng Việt miễn phí khác có ở bài AI đọc văn bản.

Tạo giọng đọc tiếng Việt đầu tiên

Các bước trên website elevenlabs.io:

1. Đăng ký tài khoản; gói Free có 10.000 credit mỗi tháng, đủ khoảng 10 phút giọng đọc.
2. Mở Text to Speech, chọn model Eleven v4 (hoặc v4 Turbo, Flash v2.5 nếu cần nhanh).
3. Chọn một giọng tiếng Việt trong thư viện giọng.
4. Dán văn bản tiếng Việt; với Eleven v4, chèn thẻ âm thanh như [laughs] hay [whispers] để thêm tiếng cười, giọng thì thầm. Mỗi lần tạo bằng v4 tối đa 10.000 ký tự.
5. Tạo và tải file về. Nếu dùng gói Free, nội dung chỉ được dùng phi thương mại và phải ghi nguồn khi đăng, xem mục quyền thương mại bên dưới.

Eleven v4 có gì mới?

Eleven v4 và v4 Turbo ra ngày 28/09/2026, có ở cả ElevenCreative, ElevenAgents và ElevenAPI, kể cả gói Free trên web. v4 có thẻ âm thanh để điều khiển cảm xúc, hỗ trợ giọng nhân bản chuyên nghiệp (v3 thì không) và thanh chỉnh Clone Strength; đổi lại, v4 không có thanh Style, Speed và không nhận SSML. v4 Turbo có độ trễ khoảng 100 mili giây và là model mặc định của agent mới.

Nhân bản giọng nói (voice cloning)

ElevenLabs có hai cách nhân bản giọng:

• Instant Voice Cloning (nhân bản nhanh), từ gói Starter: mỗi đoạn mẫu tối thiểu 5 giây, tổng tối thiểu 10 giây, nên dùng 1–2 phút âm thanh sạch; khi lưu phải xác nhận bạn có quyền và có sự đồng ý của chủ giọng.
• Professional Voice Cloning (nhân bản chuyên nghiệp), từ gói Creator: cần tối thiểu 30 phút âm thanh, nên dùng 2–3 giờ, huấn luyện thường mất 3–6 giờ. Chỉ được nhân bản giọng của chính bạn, phải đọc câu xác minh; dù người khác đồng ý cũng không được nhân bản giọng của họ theo cách này.
• Số giọng chuyên nghiệp: gói Creator và Pro được 1, Scale được 3, Business được 10.
• Hệ thống chặn nhân bản giọng người nổi tiếng. Chính sách sử dụng cấm nhân bản hay mạo danh giọng người còn sống khi chưa có đồng ý rõ ràng, cấm mạo danh ứng viên chính trị, quan chức và cấm dùng giọng người dưới 18 tuổi.

Lồng tiếng, chuyển giọng nói thành chữ và các công cụ khác

Ngoài đọc văn bản, ElevenLabs có các công cụ:

• Dubbing: dịch và lồng tiếng âm thanh, video sang hơn 90 ngôn ngữ, giữ giọng và cảm xúc người nói, tối đa 32 người nói trong một file; có ở mọi gói, bản của gói Free có watermark. Các cách dịch video khác có ở bài AI dịch thuật.
• Speech to Text (Scribe v2): chuyển giọng nói thành chữ, tách tối đa 32 người nói, khai báo trước tới 1.000 từ khoá cần nhận đúng; có bản Realtime độ trễ khoảng 150 mili giây.
• Eleven Music: tạo bài hát từ 3 giây tới 5 phút; cấm đưa tên nghệ sĩ, tên bài hát vào prompt.
• Sound Effects: tạo hiệu ứng âm thanh từ mô tả tối đa 450 ký tự, mỗi lần tối đa 30 giây, có chế độ lặp liền mạch.
• ElevenAgents: agent giọng nói và chat có kho tri thức, công cụ, MCP, kết nối tổng đài qua Twilio hoặc SIP.
• ElevenReader: đọc to ebook, PDF, trang web bằng hơn 90 ngôn ngữ; nội dung chỉ để nghe trong ứng dụng, không xuất ra hay dùng thương mại.

Các gói và cách tính credit

Mức dùng trên web tính bằng credit (trước đây gọi là ký tự). Giá trên trang chính thức ghi bằng ngoại tệ, chưa gồm thuế; trả theo năm thì giá năm bằng giá 10 tháng:

• Free 10.000 credit mỗi tháng; Starter 30.000; Creator 121.000; Pro 600.000; Scale 1,8 triệu; Business 6 triệu; Enterprise theo thoả thuận.
• Credit trừ theo sản phẩm: đọc văn bản 1 credit mỗi ký tự; chuyển giọng nói thành chữ 330 credit mỗi phút; nhạc 900 credit mỗi phút; hiệu ứng âm thanh 200 credit mỗi lần tạo; đổi giọng và tách giọng 1.000 credit mỗi phút; lồng tiếng 2.000–10.000 credit mỗi phút.
• Credit dư của gói trả phí được dồn tối đa 2 tháng (số dư tối đa gấp 3 hạn mức tháng); gói Free không dồn; huỷ hoặc hạ gói thì mất phần dư.
• Pay As You Go: nạp trước credit ở mọi gói, kể cả Free; credit nạp hết hạn sau 12 tháng và không hoàn tiền.
• Hoàn tiền gói chỉ khi yêu cầu trong 14 ngày và chưa dùng credit.

Gói nào được dùng thương mại?

Gói Free không có quyền thương mại. Khi đăng nội dung làm bằng gói Free, bạn phải ghi “elevenlabs.io” hoặc “11.ai” trong tiêu đề; nhạc làm bằng gói Free phải ghi “Eleven Music”. Từ gói Starter trở lên được dùng thương mại, và nội dung tạo trong thời gian có gói trả phí vẫn được dùng thương mại sau khi huỷ gói; nội dung tạo bằng tính năng Beta thì không.

Riêng nhạc: gói Starter được dùng thương mại nhưng chưa được phát hành lên các nền tảng nghe nhạc; từ gói Creator mới được phát hành lên Spotify, Apple Music; dùng cho phim, truyền hình, radio cần gói Enterprise Music. Ở Việt Nam, âm thanh mô phỏng giọng người thật phải được gắn nhãn dễ nhận biết theo Luật Trí tuệ nhân tạo.

Dùng ElevenLabs ở Việt Nam

ElevenLabs không chặn Việt Nam; danh sách nước bị chặn gồm Belarus, Cuba, Iran, Triều Tiên, Nga, Syria và một số vùng tranh chấp. Thanh toán bằng thẻ tín dụng, Apple Pay hoặc Google Pay, trừ tiền bằng ngoại tệ (chỉ Ấn Độ được trả bằng tiền địa phương); thẻ trả trước không được hỗ trợ chính thức. Mua gói trong ứng dụng iOS, Android thì do kho ứng dụng thu tiền và không dùng được Pay As You Go.

Gói Free có thể bị khoá với thông báo “Unusual activity” nếu dùng VPN, IP dùng chung hay mạng di động có IP dùng chung; khi đó mua gói trả phí hoặc dùng IP riêng. Người lồng tiếng ở Việt Nam nhận được tiền chia sẻ giọng qua Stripe Connect. Người dùng phải từ 18 tuổi.

API của ElevenLabs

Lập trình viên tạo API key trong trang cài đặt API của tài khoản, đặt vào biến ELEVENLABS_API_KEY, rồi dùng SDK (pip install elevenlabs cho Python, npm install @elevenlabs/elevenlabs-js cho JavaScript) hoặc công cụ dòng lệnh chính thức @elevenlabs/cli. Gọi qua API được nhiều ký tự hơn dùng trên web: ví dụ gói Starter có 30.000 credit trên web nhưng 75.000 ký tự Eleven v4 qua API, và gấp đôi số đó với v4 Turbo, Flash.

Muốn ghép giọng đọc với model ngôn ngữ để làm trợ lý hay tổng đài tự động, xem thêm bài AI agent là gì.

Dữ liệu và quyền với giọng của bạn

Theo trung tâm trợ giúp và điều khoản bản 09/10/2026:

• ElevenLabs mặc định dùng một phần dữ liệu bạn cung cấp để cải thiện model âm thanh; tắt bằng nút “Improve the models for everyone” trong phần Data use. Dữ liệu của khách Enterprise mặc định không dùng để huấn luyện.
• Bạn giữ mọi quyền với thành phẩm, nhưng cấp cho ElevenLabs giấy phép vĩnh viễn, không thu hồi được để dùng nội dung, kể cả giọng, nhằm cung cấp và cải thiện dịch vụ; ElevenLabs cam kết không thương mại hoá riêng giọng của bạn khi chưa được phép.
• Dữ liệu cá nhân được chuyển sang Mỹ để lưu trữ.
• Âm thanh tạo bằng ElevenLabs mang watermark không nghe thấy, truy được về tài khoản đã tạo, và kiểm được bằng công cụ Audio Detector.

Những điều bài viết cũ về ElevenLabs hay sai

Nếu đọc hướng dẫn cũ, lưu ý các điểm đã đổi:

• “ElevenLabs chưa có tiếng Việt”: có từ 19/07/2024.
• “Muốn đọc tiếng Việt hãy chọn Multilingual v2”: model này không có tiếng Việt; dùng Eleven v4, v4 Turbo, v3 hoặc Flash v2.5.
• “Eleven v3 là model mới”: Eleven v4 đã ra ngày 28/09/2026.
• “Gói Free được dùng thương mại nếu ghi nguồn”: ghi nguồn chỉ áp cho nội dung phi thương mại.
• “Gói Starter có nhân bản giọng chuyên nghiệp”: Starter chỉ có nhân bản nhanh, bản chuyên nghiệp từ gói Creator.
• “Credit không dồn sang tháng sau”: gói trả phí dồn được tối đa 2 tháng.

Câu hỏi thường gặp