Nếu bạn cần một công cụ AI tạo phụ đề tiếng Việt tự động, miễn phí, ngon hơn CapCut, thì ElevenLabs chính là công cụ bạn cần.
ElevenLabs là gì?
ElevenLabs là một nền tảng AI tiên tiến chuyên về chuyển đổi văn bản thành giọng nói (Text-to-Speech) với chất lượng âm thanh tự nhiên, gần như không thể phân biệt với giọng người thật.
Nền tảng này còn hỗ trợ các tính năng như nhân bản giọng nói (Voice Cloning), dịch vụ lồng tiếng (AI Dubbing) và chuyển giọng nói thành văn bản (Speech-to-Text) với khả năng xử lý đa ngôn ngữ, trong đó có tiếng Việt.
ElevenLabs được ứng dụng rộng rãi trong sản xuất nội dung số, giáo dục, marketing và nhiều lĩnh vực khác nhờ vào API tích hợp linh hoạt và tốc độ xử lý nhanh chóng.
ElevenLabs ra mắt tính năng Speech to Text
ElevenLabs đã chính thức ra mắt tính năng Speech to Text với mô hình mới mang tên Scribe, và điều tuyệt vời là nó hỗ trợ tiếng Việt ngay từ khi ra mắt vào ngày 27 tháng 2 năm 2025.
Mô hình này có khả năng nhận diện và chuyển đổi giọng nói thành văn bản với độ chính xác cao, thuộc nhóm “excellent accuracy” (tỷ lệ lỗi từ dưới 5%). Tổng cộng, Scribe hỗ trợ hơn 99 ngôn ngữ (bao gồm tiếng Việt), giúp nó trở thành một công cụ mạnh mẽ cho nhiều ứng dụng toàn cầu.
Hiện tại, Scribe chỉ hoạt động với các tệp âm thanh đã được ghi sẵn, chưa hỗ trợ chuyển đổi giọng nói theo thời gian thực (real-time), nhưng ElevenLabs đã hứa hẹn sẽ sớm phát hành phiên bản có độ trễ thấp để phù hợp với các tình huống như ghi chú giọng nói hoặc phiên âm cuộc họp. Tính năng này cũng đi kèm với các khả năng nổi bật như phân biệt giọng nói của từng người (speaker diarization), đánh dấu thời gian cho phụ đề chính xác, và tự động gắn thẻ sự kiện âm thanh (như tiếng cười của khán giả).
Giá dịch vụ được định ở mức 0,40 USD cho một giờ âm thanh được phiên âm, khá cạnh tranh trên thị trường.
Hãng đang cho dùng miễn phí đến ngày 09/04/2025. Xem chi tiết bên dưới.
Nếu bạn muốn trải nghiệm hoặc cần thêm thông tin chi tiết, tính năng này đã được ElevenLabs tích hợp vào studio của họ để hỗ trợ phiên âm video và tạo phụ đề trực tiếp. Đây là một bước tiến lớn, đặc biệt với người dùng tiếng Việt, khi công nghệ AI giờ đây có thể xử lý ngôn ngữ của chúng ta một cách mượt mà và chính xác!
Hướng dẫn tạo phụ đề tiếng Việt với ElevenLabs
Bước 1: đăng ký thành viên ElevenLabs
Vào địa chỉ elevenlabs.io đăng ký thành viên
Bước 2: vào mục Speech to Text trong ElevenLabs app
Sau khi đăng ký thành viên, bạn vào ElevenLabs app rồi chọn mục Speech to Text ở cột bên trái.
Bước 3: Transcribe Files
Ở trang Speech to Text, bấm vào nút Transcribe Files
Bước 4: Transcribe
Ở màn hình Transcribe Files:
- Kéo thả file video/audio cần tạo phụ đề vào. Hiện tại chỉ hỗ trợ file dung lượng tối đa là 100MB, với các định dạng phổ biến như MP4, MKV, MP3, WAV…
Nếu bạn có file video lớn hơn 100MB, thì bạn có thể lên Google tìm công cụ “Convert Video to Audio” để chuyển file video thành audio cho nhẹ. - Primary Language: chọn ngôn ngữ cần tạo phụ đề. Bạn có thể chọn Detect để ElevenLabs tự động nhận diện ngôn ngữ.
- Max Speakers: số lượng người nói trong cuộc hội thoại. Để Detect cũng được, hoặc nếu biết chính xác số lượng người nói, thì chọn con số thích hợp.
- Tag Audio Events: nếu kích hoạt tuỳ chọn này, AI ElevenLabs sẽ nhận diện luôn cả các âm thanh môi trường, vd như tiếng cười, tiếng bước chân, tiếng chó sủa…
- bấm nút Transcribe, và đợi kết quả
Update: hiện tại ElevenLabs đã hỗ trợ file lên đến 1000MB
Bướcc 5: xuất phụ đề tiếng Việt
Sau khi Transcribe thành công. Ở màn hình nội dung Transcribe, bấm nút Export, chọn SRT để tải file phụ đề về
Hãng sẽ cho dùng miễn phí tính năng này đến ngày 09/04/2025.
Hy vọng bài viết này sẽ giúp bạn tạo phụ đề tiếng Việt với AI ElevenLabs một cách dễ dàng nhất.
Review của admin Cóc
Trước đây mình hay dùng CapCut để tạo phụ đề tự động, nó nhận diện đúng được tầm 80~90%, mấy từ tiếng Anh nó nhận diện sai, với hay viết hoa một vài chữ nữa. Giờ qua dùng ElevenLabs, tỉ lệ đúng trên 90% và rất ít lỗi sai, nói chung là vô cùng hài lòng.
Công cụ Convert Video to Audio
Ae dùng CapCut là được, ở màn hình Xuất Video: bỏ chọn Video, giữ lại Âm Thanh, chọn Định Dạng là MP3
Video hướng dẫn cho màn hình dọc
