AI lồng tiếng giọng Việt cho video: từ kịch bản đến video hoàn chỉnh (2026)

Trả lời nhanh: muốn dùng AI lồng tiếng giọng Việt cho video, bạn cần làm đủ ba việc: viết lại kịch bản để nghe cho xuôi, tạo giọng đọc, rồi ghép giọng vào video cho khớp hình. Clip TikTok, Reels, Shorts: bắt đầu miễn phí với tính năng chuyển văn bản thành giọng nói ngay trong CapCut. Video dài, bài giảng, video đào tạo cần giọng đúng miền và trả bằng tiền Việt: Vbee, miễn phí 3.000 điểm mỗi ngày, gói Tiêu chuẩn 459.000đ/năm. Quảng cáo cần giọng có cảm xúc, hoặc muốn AI đọc bằng chính giọng của bạn: ElevenLabs, gói Starter $6/tháng là gói rẻ nhất có giấy phép thương mại. Cần người dẫn trên hình nói tiếng Việt thì dùng HeyGen hoặc JoggAI. Bài này chỉ cách làm cho 5 tình huống hay gặp ở doanh nghiệp nhỏ, agency và người làm một mình, kèm 2 prompt tiếng Việt và những điều phải cẩn thận khi nhân bản giọng.

Liên kết ElevenLabs, CapCut, HeyGen và JoggAI trong bài là liên kết affiliate: BizMate có thể nhận hoa hồng nếu bạn mua gói trả phí qua liên kết, bạn không trả thêm. Liên kết Vbee là liên kết giới thiệu: BizMate có thể nhận thưởng từ Vbee. Giá ElevenLabs và Vbee kiểm tra trên trang giá chính thức ngày 19/10/2026; tính năng giọng đọc của CapCut theo trang công cụ chính thức của CapCut (19/10/2026); HeyGen theo giá ngày 16/10/2026 và JoggAI ngày 12/10/2026 trong các bài review của Funova. BizMate đã dùng ElevenLabs để lồng tiếng video của kênh và dùng JoggAI làm video avatar; Vbee và CapCut được tổng hợp từ trang chính thức, chưa chấm điểm.

Chọn công cụ theo đúng tình huống

“Lồng tiếng video bằng AI” trong bài này là tạo giọng đọc tiếng Việt từ kịch bản của bạn rồi đặt lên video. Muốn dịch một video có sẵn sang tiếng Việt hoặc sang tiếng Anh thì xem bài AI dịch video sang tiếng Việt. Thuật ngữ: text-to-speech và voice cloning.

So sánh kỹ hai công cụ giọng đọc chính ở bài Vbee vs ElevenLabs, danh sách rộng hơn ở top AI lồng tiếng Việt 2026.

Quy trình chung: 4 bước cho mọi video

Giọng AI nghe “giả” thường không phải do công cụ kém mà do kịch bản viết để đọc bằng mắt. Câu dài, nhiều số, từ viết tắt và tiếng Anh xen giữa là những chỗ giọng AI tiếng Việt hay vấp nhất.

1. Viết kịch bản cho tai nghe: câu ngắn, mỗi câu một ý; viết số và từ viết tắt thành chữ (“20%” thành “hai mươi phần trăm”); đánh dấu chỗ cần ngừng. Prompt bên dưới làm việc này giúp bạn.
2. Tạo giọng từng cảnh: mỗi cảnh một file. Sai một câu chỉ cần tạo lại đoạn đó, đỡ tốn điểm hoặc credit.
3. Ghép vào video: cắt hình theo giọng chứ không ép giọng theo hình; nhạc nền để nhỏ hơn giọng rõ rệt.
4. Nghe lại trên điện thoại: soát tên thương hiệu, tên người, con số, rồi thêm phụ đề tiếng Việt tự động trong CapCut (xem Submagic vs CapCut).

Ước lượng độ dài: theo review ElevenLabs của Funova, một phút giọng đọc cần khoảng 800–1.000 ký tự, nên quảng cáo 30 giây chỉ khoảng 400–500 ký tự. Kịch bản dài hơn thì cắt bớt, đừng tăng tốc độ đọc.

# VAI TRÒ
Bạn là biên tập viên lời bình cho video tiếng Việt, chuyên viết lại kịch bản để giọng đọc AI đọc tự nhiên, đúng dấu, đúng nhịp.

# BỐI CẢNH
Tôi làm video [TikTok/YouTube/quảng cáo/đào tạo nội bộ] cho [doanh nghiệp/khách của agency/kênh cá nhân]. Giọng [nam/nữ], [miền Bắc/Trung/Nam], trên [CapCut/Vbee/ElevenLabs]. Video dài khoảng [số] giây.

# NHIỆM VỤ
Viết lại kịch bản bên dưới thành bản "để đọc", giữ nguyên ý và thông tin, chia theo cảnh.

# NGUYÊN TẮC
- Câu ngắn, tối đa khoảng 20 chữ, mỗi câu một ý; dùng dấu chấm, dấu phẩy để tạo chỗ ngắt.
- Viết mọi con số, ngày tháng, giá tiền, phần trăm, đơn vị và từ viết tắt thành chữ, theo cách người [miền đã chọn] hay nói.
- Tên thương hiệu, từ tiếng Anh: giữ nguyên lần đầu, ghi cách đọc trong ngoặc vuông, ví dụ [đọc: ca-cút].
- Đánh dấu [NGỪNG] ở chỗ cần nghỉ lâu hơn, [NHẤN] trước từ cần nhấn.
- Liệt kê riêng các từ dễ bị đọc sai hoặc đọc khác nhau giữa giọng Bắc và giọng Nam (từ địa phương, tên riêng, từ đồng âm) và đề xuất cách viết an toàn hơn.
- Không thêm thông tin, con số, lời hứa mà kịch bản gốc không có.

# ĐẦU RA
1. Bảng: Cảnh | Lời đọc đã viết lại | Thời lượng ước tính (giây).
2. Danh sách từ dễ đọc sai và cách sửa.
3. Tổng số ký tự của phần lời đọc.

# THÔNG TIN ĐẦU VÀO
[Dán kịch bản gốc]

Nếu thiếu thông tin quan trọng, hãy hỏi tôi tối đa 3 câu trước khi làm.

Chưa có kịch bản thì viết trước bằng bài AI viết kịch bản video. Thêm mẫu prompt trong thư viện prompt AI tiếng Việt.

Cách 1: Lồng tiếng clip TikTok, Reels, Shorts miễn phí bằng CapCut

Với clip quay sản phẩm, quay màn hình hay ghép ảnh, cách nhanh nhất là tạo giọng ngay trong phần mềm dựng. Trang công cụ chuyển văn bản thành giọng nói của CapCut ghi tính năng này miễn phí, hơn 200 giọng AI, và liệt kê tiếng Việt trong các ngôn ngữ hỗ trợ.

1. Mở dự án trong CapCut, đặt video lên dòng thời gian.
2. Thêm một lớp chữ và dán lời đọc đã viết lại. Trang trợ giúp của CapCut ghi tính năng giọng đọc chỉ chạy trên lớp chữ.
3. Chọn lớp chữ, mở mục chuyển văn bản thành giọng nói (Text to speech), chọn tiếng Việt và một giọng, rồi tạo.
4. Chỉnh vị trí đoạn giọng cho khớp hình. Không muốn chữ hiện trên video thì ẩn hoặc xoá lớp chữ, sau khi kiểm tra đoạn giọng vẫn còn.
5. Bật phụ đề tự động tiếng Việt cho người xem lướt khi tắt tiếng.

Danh sách giọng tiếng Việt khác nhau theo phiên bản (máy tính, điện thoại, web) và khu vực, nên hãy xem bộ chọn giọng trong bản bạn đang dùng. Tính năng xử lý trên mạng, mạng yếu có thể làm việc tạo giọng bị gián đoạn.

Khi nào nên nâng cấp: giọng có sẵn trong phần mềm dựng được rất nhiều người dùng, nên kênh của bạn dễ nghe giống hàng nghìn kênh khác. Khi bắt đầu đăng đều hoặc chạy quảng cáo, tạo giọng bằng Vbee hoặc ElevenLabs, tải MP3 về rồi thả vào CapCut. Bạn vẫn dựng như cũ, chỉ đổi nguồn giọng.

Cách 2: Giọng đọc cho video YouTube, video hướng dẫn, bài giảng

Video dài 5–20 phút cần ba thứ: giọng dễ nghe lâu, chi phí mỗi phút thấp, và giọng giống nhau qua mọi tập.

Vbee: rẻ, đúng miền, trả bằng tiền Việt

• Gói miễn phí 3.000 điểm mỗi ngày (khoảng 4,2 phút giọng cơ bản), không giới hạn lượt tải, có tuỳ chỉnh ngắt nghỉ và chuyển phụ đề SRT thành giọng đọc.
• Tiêu chuẩn 169.000đ/tháng hoặc 459.000đ/năm, 125.000 điểm mỗi tháng, thêm API và không chèn audio quảng cáo. Trả năm rơi vào khoảng 220đ mỗi phút giọng cơ bản theo cách quy đổi trong bài Vbee vs ElevenLabs.
• Video đã có phụ đề thì tải file SRT lên để Vbee đọc theo đúng mốc thời gian, rất tiện cho video quay màn hình đã dựng xong.

ElevenLabs: giọng có hồn, đọc bằng chính giọng bạn

• Trang giá ghi Free 10.000 credit mỗi tháng (khoảng 10 phút), Starter $6 với 30.000 credit (khoảng 30 phút), Creator $22 với 121.000 credit.
• Từ Starter có nhân bản giọng nhanh: AI đọc kịch bản bằng giọng của bạn, chủ kênh khỏi ngồi thu âm mỗi tập.
• Model Eleven v4 có tiếng Việt, mỗi lần tạo tới 10.000 ký tự; xem Eleven v4 là gì.

BizMate dùng ElevenLabs để lồng tiếng video của kênh sang 4 ngôn ngữ, chi phí đo được khoảng $0,50 mỗi phút cho mỗi ngôn ngữ. Một ví dụ trên kênh BizMate AI: video làm ảnh động và lồng tiếng bằng AI. Review đầy đủ: ElevenLabs và Vbee.

Giữ giọng đồng nhất: ghi tên giọng, model, tốc độ vào file ghi chú của kênh. Khi đổi model, làm thử một tập song song trước, vì người xem quen tai rất nhanh nhận ra giọng khác.

Có phải ghi nhãn AI trên YouTube không? Trang trợ giúp của YouTube xếp việc nhân bản giọng của chính mình để lồng tiếng vào nhóm chỉnh sửa nhỏ, không bắt buộc công bố. Nội dung khiến một người thật trông như nói điều họ chưa nói thì phải công bố.

Cách 3: Lồng tiếng quảng cáo và video giới thiệu doanh nghiệp

Trong quảng cáo 30–60 giây, giọng đọc quyết định rất nhiều: 3 giây đầu cần năng lượng, phần lợi ích phải rõ, lời kêu gọi cuối chậm và chắc. Giọng đều đều như bản tin làm hỏng video dù hình đẹp.

1. Viết kịch bản đúng độ dài bằng prompt bên dưới, rồi đưa qua prompt “viết cho tai nghe” ở trên.
2. Tạo 2–3 phiên bản giọng cho cùng kịch bản (một giọng trẻ, năng động; một giọng ấm, đáng tin), cho người duyệt nghe trên điện thoại rồi chọn.
3. Thêm chỉ dẫn cảm xúc: với Eleven v4, đặt thẻ tiếng Anh như [said excitedly] hay [warmly] trước câu cần nhấn. Với Vbee, chỉnh ngắt nghỉ, ngữ điệu từng đoạn; giọng nâng cao có từ gói Đặc biệt (239.000đ/tháng hoặc 599.000đ/năm), giọng cao cấp từ VIP (399.000đ/tháng hoặc 999.000đ/năm).
4. Hạ nhạc nền mỗi khi có giọng, để lời kêu gọi cuối nghe rõ.
5. Tạo file cuối bằng gói trả phí có quyền thương mại trước khi chạy quảng cáo.

# VAI TRÒ
Bạn là người viết lời quảng cáo và video giới thiệu cho doanh nghiệp nhỏ ở Việt Nam, viết để giọng đọc AI tiếng Việt đọc.

# BỐI CẢNH
Doanh nghiệp: [tên, ngành, sản phẩm hoặc dịch vụ chính]. Người xem: [khách hàng mục tiêu/nhân viên mới]. Video dùng cho [quảng cáo Facebook/TikTok/YouTube, video trang chủ, video onboarding]. Độ dài: [30/45/60] giây. Giọng: [nam/nữ, miền, phong cách].

# NHIỆM VỤ
Viết 2 phiên bản lời đọc cho video trên, kèm gợi ý hình ảnh cho từng đoạn.

# NGUYÊN TẮC
- 3 giây đầu nêu vấn đề người xem quan tâm; giữa video tối đa 3 lợi ích có thật; cuối video một lời kêu gọi duy nhất.
- Khoảng 15 ký tự lời đọc cho mỗi giây video; ghi số ký tự cuối mỗi phiên bản.
- Câu ngắn, viết số và từ viết tắt thành chữ, đánh dấu [NGỪNG] ở chỗ cần nghỉ.
- Chỉ dùng thông tin tôi cung cấp; không bịa số liệu, giải thưởng, lời khen của khách; không dùng "nhất", "số 1", "cam kết 100%", không hứa hẹn thu nhập.
- Video onboarding: giọng thân thiện, mỗi đoạn kết thúc bằng một việc cụ thể nhân viên cần làm.

# ĐẦU RA
Bảng cho mỗi phiên bản: Thời điểm (giây) | Lời đọc | Hình ảnh gợi ý | Cảm xúc giọng.

# THÔNG TIN ĐẦU VÀO
- Ưu điểm có thật: [điền]
- Ưu đãi hoặc lời kêu gọi: [điền]
- Những điều không được nói: [điền]

Nếu thiếu thông tin quan trọng, hãy hỏi tôi tối đa 3 câu trước khi làm.

Con số 15 ký tự mỗi giây là mức trung bình suy ra từ 800–1.000 ký tự mỗi phút; giọng nhanh hay chậm sẽ lệch một chút, nên luôn nghe lại rồi cắt câu.

Cách 4: Video đào tạo nội bộ và onboarding nhân viên

Quy trình của doanh nghiệp nhỏ thường nằm trong file Word, slide hoặc trong đầu một người. Biến chúng thành video có giọng đọc giúp nhân viên mới tự học, và khi quy trình đổi, bạn chỉ sửa câu chữ rồi tạo lại đúng đoạn đó.

1. Chia nhỏ: mỗi video 2–5 phút cho một việc, ví dụ “cách nhận đơn”, “cách xử lý đổi trả”.
2. Chuẩn bị hình: quay màn hình phần mềm hoặc dùng slide có sẵn; cần làm slide nhanh thì xem AI làm slide thuyết trình.
3. Tạo giọng bằng Vbee: chọn một giọng cố định cho toàn bộ tài liệu. Vbee nhận chuyển khoản, VNPay, MoMo, ZaloPay và xuất hoá đơn cho doanh nghiệp.
4. Lưu bản gốc: giữ kịch bản và file giọng từng đoạn cùng thư mục. Vbee ghi không cam kết lưu file lâu dài, nên tải về ngay sau khi tạo.

Biến thể: người dẫn AI trên hình nói tiếng Việt

• HeyGen: giọng tiếng Việt nam, nữ, nhân bản giọng tiếng Việt của chính bạn. Free 3 video mỗi tháng, mỗi video tối đa 1 phút, có watermark; Creator $29/tháng. Xem HeyGen là gì.
• JoggAI: hơn 20 giọng tiếng Việt ghi giới tính, độ tuổi, vùng miền; tài khoản mới nhận 200 credit trong 31 ngày (khoảng 1 phút video avatar), không cần thẻ; Starter $29/tháng. Xem review JoggAI.

BizMate đã dùng JoggAI để nhân bản chính mình bằng AI: gương mặt và cử chỉ rất giống, nhưng khẩu hình tiếng Việt đôi chỗ chưa khớp ở câu dài. Viết câu ngắn và xem lại từng câu. So sánh ở HeyGen vs JoggAI.

Cách 5: Agency lồng tiếng cho nhiều khách hàng

Với agency, khó nhất là quản lý: khách nào dùng giọng nào, file tạo bằng tài khoản nào, quyền dùng ra sao khi hợp đồng kết thúc.

• Bảng giọng thương hiệu cho từng khách: tên giọng, công cụ, model, tốc độ, một file mẫu 20–30 giây khách đã duyệt, và từ điển cách đọc tên thương hiệu, tên sản phẩm để mọi biên tập viên dùng chung.
• Giấy phép: trang trợ giúp ElevenLabs ghi mọi gói trả phí có giấy phép thương mại, trừ tính năng Beta; agency làm nhiều nên tính từ Creator ($22) hoặc Pro ($99, 600.000 credit). Điều khoản Vbee (sửa đổi 01/07/2026) cấp phép dùng giọng trong thư viện, không độc quyền, có thể bị thu hồi.
• Hợp đồng: ghi rõ file giọng tạo bằng tài khoản của ai, và khách có được dùng tiếp sau khi ngừng hợp tác không.

Nhân bản giọng của khách: chỉ khi có đồng ý bằng văn bản

• ElevenLabs nhân bản chuyên nghiệp: trang trợ giúp ghi bạn chỉ được nhân bản giọng của chính mình, kể cả khi người kia đồng ý cũng không được, và mọi bản phải qua bước xác minh giọng. Cách đúng: chủ doanh nghiệp tự tạo, xác minh trên tài khoản của họ rồi chia sẻ giọng cho agency qua liên kết riêng.
• Vbee: nhân bản nhanh từ khoảng 10 giây thu âm, nhân bản chuyên nghiệp từ gói Đặc biệt; điều khoản yêu cầu có sự đồng ý của người có giọng.

Dù công cụ cho phép, hãy giữ văn bản đồng ý có chữ ký: giọng dùng cho video nào, trong bao lâu, ai được truy cập, khi nào xoá. Không tiếp tục dùng giọng nhân bản của nhân viên sau khi họ nghỉ việc.

Những điều phải cẩn thận

• Giọng của người khác: giọng nói gắn với danh tính một người. Chỉ nhân bản giọng của chính bạn, hoặc của người đã đồng ý bằng văn bản cho đúng mục đích. Không nhân bản giọng người nổi tiếng, đối thủ hay khách hàng để làm quảng cáo; đó là cách tạo ra deepfake và có thể dẫn tới tranh chấp.
• Quyền thương mại theo gói: ElevenLabs ghi gói miễn phí không được dùng cho bất kỳ mục đích thương mại nào, và nội dung đăng từ gói miễn phí phải ghi “elevenlabs.io” hoặc “11.ai” trong tiêu đề. Trang CapCut ghi giọng tạo bằng công cụ của họ dùng thương mại được, với điều kiện tuân thủ điều khoản của CapCut.
• Công bố giọng AI khi cần: YouTube bắt buộc công bố khi nội dung khiến người thật trông như nói hoặc làm điều họ chưa làm. TikTok và các mạng lớn cũng có quy định về nội dung AI trông như thật; với quảng cáo hoặc video có người dẫn AI, ghi rõ giọng hoặc người dẫn tạo bằng AI là cách an toàn.
• Nội dung lời đọc là trách nhiệm của bạn: không để giọng AI đóng vai “khách hàng đã dùng” khen sản phẩm, không đọc số liệu bạn không chứng minh được.
• Thanh toán và hoàn tiền: Vbee gần như không hoàn tiền (chỉ vài trường hợp, yêu cầu trong 2 giờ, hoặc 6 giờ ngoài giờ hành chính), nên dùng gói miễn phí và mua một tháng trước khi trả năm. ElevenLabs, HeyGen, JoggAI tính bằng USD; thẻ bị từ chối thì xem cách thanh toán công cụ AI bằng thẻ Việt Nam.

Câu hỏi thường gặp

Có cách lồng tiếng video bằng AI miễn phí không?

Có. CapCut ghi tính năng giọng đọc miễn phí và có tiếng Việt. Vbee cho 3.000 điểm mỗi ngày, khoảng 4,2 phút giọng cơ bản. ElevenLabs cho 10.000 credit mỗi tháng, khoảng 10 phút, nhưng file từ gói miễn phí không được dùng thương mại.

Giọng đọc AI tiếng Việt có nghe giống người thật không?

Đủ tự nhiên cho phần lớn video mạng xã hội và video hướng dẫn, nếu kịch bản viết cho tai nghe. Giọng AI vẫn có thể đọc sai tên riêng, từ tiếng Anh và một số từ có dấu khó, nên luôn nghe lại cả file. Funova chưa làm bài nghe thử mù giữa các công cụ.

Nên chọn giọng miền Bắc hay miền Nam?

Chọn theo người xem chính và theo thương hiệu, rồi giữ cố định. Vbee ghi rõ giọng ba miền Bắc, Trung, Nam; JoggAI ghi vùng miền cho từng giọng.

Có được dùng giọng AI cho quảng cáo và video YouTube kiếm tiền không?

Được, khi file tạo bằng gói cho phép thương mại: gói trả phí của ElevenLabs (trừ tính năng Beta), giọng thư viện Vbee theo giấy phép của Vbee, hoặc CapCut theo điều khoản của CapCut. Không nhân bản giọng người khác khi chưa được đồng ý bằng văn bản.

Lồng tiếng giọng Việt khác gì dịch video nước ngoài?

Bài này nói về tạo giọng tiếng Việt từ kịch bản bạn tự viết. Có sẵn video tiếng Anh, tiếng Trung muốn chuyển sang tiếng Việt thì xem AI dịch video sang tiếng Việt.