Irodori-TTS là gì? Tính năng, lưu ý và cách dùng chi tiết

Irodori-TTS là phần mềm đọc văn bản AI như thế nào vậy?

Chắc hẳn có nhiều người đang quan tâm đến phần mềm đọc văn bản AI mới mang tên "Irodori-TTS".

Trong bài viết này, chúng tôi sẽ giải thích một cách dễ hiểu về đặc điểm, những gì có thể làm, các lưu ý và cách sử dụng Irodori-TTS.

Ngoài ra, đối với những ai cảm thấy "việc thiết lập có vẻ khó khăn", chúng tôi cũng giới thiệu phương pháp tổng hợp giọng nói có thể sử dụng ngay mà không cần cài đặt.

Những điều bạn sẽ biết trong bài viết này

1. Irodori-TTS là phần mềm gì?
2. Những gì Irodori-TTS có thể làm và các lưu ý
3. Cách sử dụng Irodori-TTS (từ thiết lập đến điều chỉnh giọng nói)
4. Phương pháp khuyên dùng khi việc thiết lập môi trường gặp khó khăn

Irodori-TTS là gì? Giải thích về phần mềm tổng hợp giọng nói AI tiếng Nhật

Trước hết, chúng tôi sẽ giải thích ngắn gọn về các đặc điểm của Irodori-TTS, một phần mềm tổng hợp giọng nói AI.

Irodori-TTS là mô hình tổng hợp giọng nói AI chạy cục bộ

Irodori-TTS là một phần mềm tổng hợp giọng nói AI chuyên biệt cho tiếng Nhật.

Nhà phát triển là Aratako, và nó được công khai miễn phí dưới dạng mã nguồn mở (MIT license).

Đặc điểm lớn nhất là khả năng "hoạt động cục bộ" (local), nơi việc tổng hợp giọng nói được hoàn tất chỉ trên chính máy tính của bạn.

Vì tất cả quá trình xử lý tạo giọng nói đều được thực hiện trên PC của bạn, văn bản và dữ liệu giọng nói đã tạo sẽ không bị gửi đến bất kỳ máy chủ bên ngoài nào.

Sau khi thiết lập lần đầu, bạn có thể tạo giọng nói mà không cần kết nối internet và không có giới hạn về số lần tạo.

Tuy nhiên, việc thiết lập yêu cầu các công cụ lập trình như Python hay Git.

Ngoài ra, để hoạt động ở tốc độ cao, một PC hiệu suất cao được trang bị GPU (card đồ họa) được khuyến nghị.

Những gì Irodori-TTS có thể và không thể làm

Tiếp theo, chúng tôi sẽ giải thích về những gì Irodori-TTS có thể và không thể làm.

Những gì Irodori-TTS có thể làm

Vì Irodori-TTS hoạt động trong môi trường cục bộ, bạn có thể tạo giọng nói không giới hạn số lần.

Ngay cả trong môi trường không có kết nối internet, sau khi hoàn tất thiết lập lần đầu, bạn có thể tự do tạo giọng nói.

Có nhiều phương pháp được cung cấp để chỉ định loại giọng nói cần tạo, và bằng cách sử dụng tính năng caption, bạn có thể tạo ra chất giọng theo ý thích chỉ bằng các chỉ dẫn văn bản.

Ngoài ra, bạn cũng có thể tái tạo giọng nói mình có thông qua voice cloning hoặc thêm biểu cảm cảm xúc bằng emoji.

Vì là MIT license nên việc sử dụng giọng nói đã tạo cho mục đích thương mại cũng được phép.

Các lưu ý về Irodori-TTS

Mặt khác, cũng có một số lưu ý bạn cần biết trước khi sử dụng Irodori-TTS.

Mỗi lần chỉ có thể tạo giọng nói dài khoảng 30 giây

Mỗi lần tạo chỉ có thể đọc được tối đa khoảng 30 giây.

Nếu bạn muốn đọc một văn bản dài, bạn cần chia nhỏ văn bản và thực hiện tạo nhiều lần.

Khó để tạo ra giọng nói hoặc cách nói đúng như ý muốn

Vì Irodori-TTS có độ tự do cao nên nó không cung cấp giọng nói mặc định (giọng nói cơ bản).

Do đó, nếu bạn không chỉ định caption hoặc giọng nói tham chiếu (reference voice), giới tính và độ tuổi sẽ thay đổi ngẫu nhiên mỗi khi bạn tạo.

Nếu muốn đọc bằng cùng một giọng nói, bạn cần tải lên giọng nói tham chiếu.

Ngoài ra, không có tính năng điều chỉnh thủ công ngữ điệu hay âm sắc.

Ngôn ngữ hỗ trợ chỉ có tiếng Nhật

Ngôn ngữ hỗ trợ chỉ là tiếng Nhật và không hỗ trợ các ngôn ngữ nước ngoài như tiếng Anh.

Ngoài ra, đôi khi có thể xảy ra lỗi đọc sai chữ Hán (Kanji), vì vậy cần lưu ý.

Khuyến nghị PC cấu hình cao có trang bị GPU

Tùy thuộc vào cấu hình PC, việc tạo giọng nói có thể mất nhiều thời gian.

Trên PC không trang bị GPU, ngay cả một văn bản ngắn cũng có thể mất khoảng 1 phút để tạo.

Với các CPU dòng entry-class như Celeron hay N100, chúng tôi cảm thấy việc sử dụng thực tế là khá khó khăn.

Cách để sử dụng Irodori-TTS (Quy trình thiết lập)

Từ đây, chúng tôi sẽ giải thích ngắn gọn về cách sử dụng Irodori-TTS.

Toàn bộ quy trình thiết lập như sau:

1. Cài đặt các phần mềm cần thiết
2. Tạo thư mục làm việc
3. Clone Irodori-TTS từ GitHub
4. Cài đặt các package cần thiết
5. Khởi động Irodori-TTS
6. Tải mô hình AI
7. Đọc văn bản

1. Cài đặt các phần mềm cần thiết cho Irodori-TTS

Để thiết lập Irodori-TTS, cần phải chuẩn bị trước.

Đầu tiên, hãy cài đặt 3 loại phần mềm này:

• Python 3.10 trở lên: Ngôn ngữ lập trình
• Git: Hệ thống quản lý phiên bản (cần thiết để tải Irodori-TTS)
• uv: Trình quản lý package cho Python

Để cài đặt Python, Git và uv, trước hết, hãy nhấp chuột phải vào menu Start và chọn "Terminal" (không cần chạy với quyền quản trị viên).

Sau đó, màn hình Terminal (PowerShell) sẽ mở ra.

Tại màn hình này, hãy nhập và thực hiện các lệnh sau:

winget install --id Git.Git -e

winget install --id=astral-sh.uv -e

Bây giờ, bạn đã cài đặt xong những thứ cần thiết để thiết lập Irodori-TTS.

※Python sẽ do uv quản lý, vì vậy nó sẽ được tự động cài đặt trong quá trình thiết lập.

Sau khi cài đặt, hãy đóng Terminal (PowerShell) và mở lại một lần (để cập nhật đường dẫn "path").

2. Tạo thư mục làm việc

Tiếp theo, tạo một thư mục làm việc.

Irodori-TTS sẽ được cài đặt tại đây.

Trong ví dụ này, chúng tôi đã tạo một thư mục tên là "irodori-tts" trực tiếp trong ổ C.

Sau khi tạo thư mục, hãy di chuyển đến thư mục đó trong Terminal.

cd C:\irodori-tts

3. Clone Irodori-TTS từ GitHub

Nhập lệnh sau vào Terminal để clone repository của Irodori-TTS từ GitHub.

git clone https://github.com/Aratako/Irodori-TTS.git

Việc clone repository sẽ hoàn tất nhanh chóng trong vài giây.

Nhập lệnh sau để di chuyển vào thư mục của repository đã clone.

cd Irodori-TTS

4. Cài đặt các package cần thiết

Nhập và thực hiện lệnh sau để cài đặt các package cần thiết để chạy Irodori-TTS.

uv sync

Sẽ mất một chút thời gian vì phải tải xuống và cài đặt một lượng lớn các package.

Bản thân Python cũng sẽ được cài đặt tại đây.

Trong khi đang tải xuống và cài đặt, hãy chờ đợi mà không đóng màn hình Terminal.

Vì sẽ tải xuống các tệp có dung lượng gần 3GB, bạn nên thực hiện thiết lập ở nơi có kết nối mạng tốt.

5. Khởi động Irodori-TTS

Sau khi hoàn tất việc tải xuống và cài đặt package, quá trình thiết lập đã xong.

Hãy khởi động Irodori-TTS.

Nhập và thực hiện lệnh sau, sau đó chờ một lúc để khởi động.

uv run python gradio_app.py --server-name 0.0.0.0 --server-port 7860

Khi màn hình Terminal hiển thị như sau là đã khởi động xong.

Running on local URL: http://0.0.0.0:7860

Mở trình duyệt web và truy cập vào địa chỉ http://localhost:7860.

Màn hình giao diện (WebUI) của Irodori-TTS sẽ mở ra như thế này.

6. Tải mô hình AI

Để tải mô hình AI dùng cho việc đọc văn bản, hãy nhấp vào "Load Model".

Khi sử dụng lần đầu, việc nhấp vào nút này sẽ bắt đầu quá trình tải xuống mô hình AI.

Khi thông báo hoàn tất hiển thị tại Model Status (khu vực được khoanh đỏ trong hình dưới đây), việc tải mô hình AI đã hoàn tất.

7. Đọc văn bản bằng Irodori-TTS

Trong Irodori-TTS, bạn có thể đưa ra các chỉ dẫn về cách đọc, bao gồm cả biểu cảm cảm xúc, nhưng trước hết hãy thử đọc mà không có chỉ dẫn nào làm ví dụ.

Cuộn xuống dưới sẽ có ô nhập văn bản, hãy nhập văn bản bạn muốn đọc.

Lần này chúng ta sẽ thử đọc "こんにちは、これはイロドリTTSで作成された音声です。" (Xin chào, đây là giọng nói được tạo bởi Irodori-TTS).

(Vì viết "Irodori-TTS" bằng chữ cái Latinh có thể không đọc chính xác, nên tôi đã viết bằng Katakana là "イロドリTTS")

Nhấp vào nút "Generate" để bắt đầu quá trình tạo giọng nói.

Irodori-TTS sử dụng CPU hoặc GPU của máy tính bạn để tạo giọng nói.

Do đó, tùy vào hiệu suất PC mà thời gian tạo sẽ thay đổi đáng kể.

Lần này, vì tôi tạo trên một laptop không trang bị GPU nên dù là văn bản ngắn nhưng mất khoảng 1 phút để tạo.

Tham khảo: Thử nghiệm tạo trên môi trường CPU: Ryzen 5 4650U, RAM: DDR4 32GB, Windows 11 Pro 24H2.

Sau khi hoàn tất việc tạo, dạng sóng âm thanh sẽ hiển thị và bạn có thể phát giọng nói.

Ví dụ đọc câu "こんにちは、これはイロドリTTSで作成された音声です。"

Nếu nghe thử thấy ổn, hãy nhấp vào nút tải xuống (biểu tượng mũi tên trỏ xuống) để lưu tệp âm thanh.

Tệp âm thanh sẽ được lưu dưới định dạng WAV.

Bây giờ, bạn đã có thể tổng hợp giọng nói bằng cách sử dụng Irodori-TTS.

Cách điều chỉnh giọng nói trong Irodori-TTS

Trong Irodori-TTS, bạn có thể điều chỉnh các biểu cảm như giới tính hay cảm xúc bằng nhiều phương pháp khác nhau.

Chỉ định biểu cảm cảm xúc bằng emoji

Nhấp vào "Emoji Palette" bên dưới ô nhập văn bản để chọn emoji.

Mỗi emoji đều được gán một biểu cảm cảm xúc tương ứng.

• 😊 Vui vẻ, hạnh phúc
• 😭 Nức nở, tiếng khóc
• 😰 Cuống cuồng, dao động
• ⏩ Nói nhanh
• 📖 Thuyết minh, độc thoại

Chỉ cần thêm emoji vào ô nhập văn bản, bạn có thể đọc với biểu cảm cảm xúc đã chỉ định.

Ví dụ đọc câu "😊 こんにちは、これはイロドリTTSで作成された音声です。"

Ví dụ đọc câu "📖 こんにちは、これはイロドリTTSで作成された音声です。"

Tuy nhiên, chỉ với việc chỉ định emoji, bạn không thể chỉ định cụ thể giới tính hay độ tuổi.

Tải lên giọng nói tham chiếu để đọc bằng cùng một giọng

Trong Irodori-TTS, bạn có thể tải lên một tệp âm thanh tham chiếu và yêu cầu nó đọc dựa trên giọng nói đó.

Giọng nói tham chiếu được tải lên từ phần có ghi "Thả âm thanh vào đây - hoặc - Nhấp để tải lên".

Không chỉ có thể đọc bằng cùng một giọng nói, mà chất lượng âm thanh cũng rõ ràng hơn so với khi không chỉ định gì.

Cũng có thể điều chỉnh phong cách đọc trực tiếp bằng tính năng caption

Trong Irodori-TTS, bạn cũng có thể chỉ định trực tiếp bằng văn bản về loại giọng nói mà bạn muốn.

Khi sử dụng tính năng caption, bạn cần khởi động "phiên bản VoiceDesign", và lệnh để khởi động Irodori-TTS trong Terminal sẽ thay đổi.

uv run python gradio_app_voicedesign.py --server-name 0.0.0.0 --server-port 7861

Khi thực hiện lệnh này, màn hình điều khiển phiên bản VoiceDesign sẽ khởi động.

Vì phiên bản VoiceDesign sử dụng mô hình AI khác với phiên bản tiêu chuẩn, khi sử dụng lần đầu, bạn cần nhấp vào "Load Model" để tải xuống mô hình riêng biệt với phiên bản tiêu chuẩn.

Dung lượng của mô hình AI khoảng 2GB, vì vậy bạn nên tải xuống ở nơi có kết nối mạng tốt.

Trên màn hình điều khiển phiên bản VoiceDesign có hộp văn bản "Caption / Style Prompt (optional)".

Tại đây, hãy nhập văn bản mô tả loại giọng nói mà bạn muốn.

• Hãy đọc bằng giọng nữ điềm đạm, với cảm giác gần gũi, mềm mại và tự nhiên.
• Hãy nói một cách vui vẻ, rành mạch bằng giọng nam năng động.
• Hãy đọc một cách thản nhiên như một phát thanh viên tin tức bằng giọng nam trầm.

Bằng cách này, bạn có thể chỉ định loại giọng nói nào sẽ được sử dụng.

Ví dụ, khi chỉ định "Hãy đọc bằng giọng nữ điềm đạm, với cảm giác gần gũi, mềm mại và tự nhiên.", kết quả cho ra giọng nói như thế này.

Ví dụ khi chỉ định "Hãy đọc bằng giọng nữ điềm đạm, với cảm giác gần gũi, mềm mại và tự nhiên."

Lần này cũng cho ra một giọng nói có chất lượng âm thanh rõ ràng và dễ nghe.

Tuy nhiên, tính năng caption có một lưu ý.

Tính năng caption mất nhiều thời gian để tạo giọng nói hơn so với các phương pháp đọc khác.

Lần này khi tôi tạo trên laptop, việc tạo văn bản ngắn này mất khoảng 5 phút.

Khi sử dụng tính năng caption, chúng tôi khuyến nghị sử dụng PC cấu hình cao có trang bị GPU.

Nếu đọc văn bản tiếng Anh thì sẽ như thế nào?

Irodori-TTS là phần mềm đọc văn bản chỉ hỗ trợ tiếng Nhật.

Vậy, điều gì sẽ xảy ra nếu chúng ta thử đọc một văn bản tiếng Anh?

Hãy thử nhập một ví dụ đơn giản.

Ví dụ đọc câu "Hello, this is a voice recording created using Irodori-TTS."

Như bạn thấy, từ "Hello" được phát âm theo kiểu Katakana là "Haroo", hay phần "recording" có phát âm không thể nghe rõ, dẫn đến việc không thể đọc chính xác.

Nếu bạn muốn đọc văn bản tiếng Anh, chúng tôi khuyên bạn nên sử dụng các dịch vụ đọc AI hỗ trợ tiếng nước ngoài.

Phương pháp tổng hợp giọng nói khuyên dùng khi "việc thiết lập quá khó khăn"

Sau khi đọc đến đây, chắc hẳn có một số bạn cảm thấy việc thiết lập Irodori-TTS có vẻ hơi vất vả.

Nếu bạn không quen với việc thao tác trên Terminal hay xây dựng môi trường Python, việc chỉ làm theo các bước hướng dẫn thôi cũng đã mất rất nhiều thời gian.

Hơn nữa, nếu không có PC trang bị GPU, việc tổng hợp giọng nói mỗi lần sẽ mất quá nhiều thời gian, khiến nó trở nên khó sử dụng cho các mục đích như thuyết minh video.

Trong trường hợp đó, giải pháp khuyên dùng là sử dụng giọng nói AI không cần cài đặt hay thiết lập.

『Ondoku』Giọng nói AI sử dụng không cần cài đặt

Khi bạn muốn tổng hợp giọng nói một cách dễ dàng với AI mới nhất, lựa chọn khuyên dùng là dịch vụ tổng hợp giọng nói AI 『Ondoku』.

『Ondoku』 là một dịch vụ tổng hợp giọng nói AI cho phép bạn tạo giọng nói chỉ bằng cách mở trình duyệt và dán văn bản.

Bạn có thể tạo giọng nói miễn phí ngay bây giờ trên PC, điện thoại thông minh hay máy tính bảng.

Vì việc tạo giọng nói được thực hiện trên đám mây (phía máy chủ), nên không thành vấn đề nếu PC của bạn không được trang bị GPU.

Có nhiều giọng nói được chuẩn bị sẵn như giọng nam, giọng nữ, giọng trẻ em, v.v., vì vậy bạn có thể chọn và đọc ngay lập tức mà không cần chuẩn bị giọng nói tham chiếu hay caption.

Các văn bản dài cũng có thể được đọc nguyên trạng.

Hơn nữa, Ondoku còn hỗ trợ cả tiếng Anh!

Vì hỗ trợ đa ngôn ngữ như tiếng Pháp, tiếng Tây Ban Nha, tiếng Hàn, tiếng Trung, v.v., nên nó cũng có thể được sử dụng để đọc các ngôn ngữ khác ngoài tiếng Nhật.

Ngoài ra, bạn còn có thể trải nghiệm việc đọc tự nhiên hơn nữa với giọng nói AI thế hệ tiếp theo (OndokuBeta).

Khi bạn đang tìm kiếm một phương pháp để đọc văn bản thành giọng nói, tại sao không thử trải nghiệm 『Ondoku』, một dịch vụ có thể sử dụng dễ dàng và miễn phí?

So sánh sự khác biệt giữa Ondoku và Irodori-TTS

Cuối cùng, chúng tôi sẽ so sánh những điểm khác biệt chính giữa Ondoku và Irodori-TTS.

Khi so sánh, bạn có thể sử dụng linh hoạt: Ondoku cho sự tiện lợi và sử dụng ngay lập tức, và Irodori-TTS nếu bạn có PC cấu hình cao và muốn trau chuốt kỹ lưỡng giọng nói.

Với những ai muốn có giọng nói ngay bây giờ, cần đọc đa ngôn ngữ, hoặc muốn sử dụng trên điện thoại hay máy tính bảng thì Ondoku là lựa chọn khuyên dùng.

Nó cũng phù hợp cho những ai muốn đọc nguyên văn bản dài, không muốn mất thời gian thiết lập, hoặc PC không trang bị GPU.

Vì có thể tạo giọng nói chất lượng cao ngay lập tức chỉ bằng cách mở trình duyệt, tại sao bạn không thử sử dụng Ondoku miễn phí trước tiên?

Tổng kết đặc điểm, thiết lập và cách sử dụng Irodori-TTS

Trong bài viết này, chúng tôi đã giải thích về Irodori-TTS, một phần mềm tổng hợp giọng nói AI chuyên biệt cho tiếng Nhật hoạt động cục bộ.

Irodori-TTS là một công cụ hấp dẫn cho những ai muốn chăm chút cho biểu cảm giọng nói, chẳng hạn như thiết kế chất giọng bằng voice cloning hay caption, điều khiển cảm xúc bằng emoji.

Tuy nhiên, phương pháp thiết lập và cách sử dụng dành cho người dùng nâng cao, yêu cầu phải xây dựng môi trường Python và Git.

Ngoài ra, trên các PC không có GPU, việc tạo giọng nói sẽ mất nhiều thời gian.

Với những ai muốn "sử dụng tổng hợp giọng nói một cách dễ dàng ngay bây giờ", chúng tôi khuyên dùng 『Ondoku』, một dịch vụ có thể sử dụng chỉ với trình duyệt.

Tại sao bạn không thử tạo giọng nói chất lượng cao với dịch vụ tổng hợp giọng nói AI miễn phí và dễ sử dụng này?

■ Phần mềm tổng hợp giọng nói AI “Ondoku”

"Ondoku" là một công cụ chuyển văn bản thành giọng nói trực tuyến có thể được sử dụng mà không mất phí ban đầu.

• Hỗ trợ khoảng 50 ngôn ngữ bao gồm tiếng Nhật, tiếng Anh, tiếng Trung, tiếng Hàn, tiếng Tây Ban Nha, tiếng Pháp và tiếng Đức.
• Có sẵn từ cả PC và điện thoại thông minh
• Thích hợp kinh doanh, giáo dục, giải trí, v.v.
• Không cần cài đặt, có thể sử dụng ngay từ trình duyệt
• Cũng hỗ trợ đọc từ hình ảnh

Để sử dụng nó, chỉ cần nhập văn bản hoặc tải tệp lên từ trang web. Tạo tập tin âm thanh tự nhiên trong vài giây. Bạn có thể sử dụng miễn phí tính năng tổng hợp giọng nói với tối đa 5.000 ký tự, vì vậy vui lòng dùng thử trước.

Phần mềm chuyển văn bản thành giọng nói "Ondoku" có thể đọc miễn phí 5000 ký tự mỗi tháng bằng giọng nói AI. Bạn có thể dễ dàng tải xuống các tệp MP3 và cũng có thể sử dụng cho mục đích thương mại. Nếu đăng ký miễn phí, bạn có thể chuyển đổi miễn phí tối đa 5.000 ký tự mỗi tháng từ văn bản sang giọng nói. Hãy thử Ondoku ngay bây giờ.

HP: ondoku3.com
Email: ondoku3.com@gmail.com