Lồng tiếng video bằng AI: 2 công cụ ElevenLabs, VoiceStudio

Lồng tiếng video bằng AI có hai hướng: ElevenLabs Dubbing Studio chạy trên đám mây, tính tiền theo phút. VoiceStudio là ứng dụng mã nguồn mở chạy ngay trên máy bạn. Dữ kiện dưới đây lấy từ trang chính thức, đọc ngày 18/10/2026.

ElevenLabs Dubbing Studio lồng tiếng video qua hơn 90 ngôn ngữ

Trang Dubbing Studio của ElevenLabs (trang tiếng Anh) giới thiệu mô hình Dubbing v2. Dòng tiêu đề "Localize content across 90+ languages" nghĩa là dịch và lồng tiếng nội dung sang hơn 90 ngôn ngữ. Danh sách ví dụ trên trang có cả tiếng Việt.

Trang mô tả ba bước trên giao diện: tải tệp lên hoặc dán URL, chọn ngôn ngữ đích, rồi chỉnh phần Advanced nếu cần. Cả chuỗi dịch, nhân bản giọng, lồng tiếng và đồng bộ chạy tự động.

Về giọng, ElevenLabs viết mỗi bản lồng tiếng dùng một bản sao giọng (voice clone) của người nói gốc, giữ danh tính, cao độ và âm sắc. Về thời lượng, trang nói phần dịch có nhận biết đồng bộ (sync-aware) để điểm bắt đầu và kết thúc câu khớp với bản gốc. Trang không nhắc đồng bộ khẩu hình (lip sync), nên đừng hiểu hai ý này là một.

Gói Free chỉ có 0,4 phút, mỗi phút thêm tính riêng

Mục Dubbing Pricing trên trang Dubbing Studio liệt kê số phút Automatic Dubbing v2 đã gồm trong từng gói theo tháng, kèm giá một phút mua thêm. Gói Free có 0,4 phút, tức khoảng 24 giây. Giá chưa gồm thuế.

Số đồng là quy đổi theo tỷ giá Vietcombank bán ra 26.080 đồng/USD ngày 18/10/2026, làm tròn nghìn đồng. Trên trang giá của ElevenLabs, Starter đang ghi 1 USD cho tháng đầu (khoảng 26.000 đồng) và Creator 11 USD (khoảng 286.000 đồng), ưu đãi Starter ghi "Until Nov 1".

Trang giá cũng xếp mục "Dubbing Studio" vào danh sách tính năng từ gói Starter trở lên, theo trang giá (trang tiếng Anh).

VoiceStudio là gì và làm được gì với video?

VoiceStudio là dự án mã nguồn mở trên GitHub, mô tả của repo là "the open-source, fully-local ElevenLabs alternative": bản thay thế ElevenLabs chạy cục bộ, mã nguồn mở. Đọc trực tiếp trên GitHub ngày 18/10/2026, repo có 73,9 nghìn sao và 8,1 nghìn lượt fork.

README ghi các việc chính: nhân bản giọng, thiết kế giọng, lồng tiếng video với lời đọc khớp thời gian (dub videos with timed speech), chép lời và làm sách nói. Bên cạnh đó, có đọc chính tả, API cục bộ và MCP cho các agent, theo README (trang tiếng Anh). README không nhắc đồng bộ khẩu hình.

Engine mặc định là OmniVoice của k2-fsa, và bạn có thể chọn engine khác. Danh mục ngôn ngữ của repo ghi 646 ngôn ngữ cho mô hình OmniVoice, trong đó có tiếng Việt (mã vi). Engine khác có bộ ngôn ngữ riêng, theo trang Supported Languages (trang tiếng Anh).

Cài VoiceStudio bằng một dòng lệnh, máy yếu vẫn chạy nhưng chậm

Trên macOS và Linux, README đưa lệnh curl -fsSL https://voicestudio.sh/install | sh. Windows dùng irm https://voicestudio.sh/install | iex trong PowerShell. Bạn cũng tải được bản .dmg, .exe, .AppImage hoặc .deb ở trang Releases.

Phần cứng quyết định tốc độ. Card NVIDIA trên Windows hoặc Linux dùng CUDA, chip Apple Silicon dùng Metal (MPS). Máy không có card đồ hoạ rời vẫn dùng được trên CPU nhưng chậm hơn, và bộ cài thêm bản PyTorch CPU nhỏ, cần khoảng 5 GB trống. Windows on ARM còn ở mức thử nghiệm (Experimental), Mac Intel chỉ chạy giao diện và phải nối tới backend từ xa.

Trên Windows, bạn cần Windows 10 hoặc 11 bản x64 và khoảng 10 GB trống cho ứng dụng, môi trường Python và trọng số mô hình, theo trang cài đặt Windows (trang tiếng Anh). Mức RAM thì README không nêu. Muốn biết máy cần gì để chạy công cụ AI cục bộ, xem bài skill AI chạy trên máy cần gì.

Mã nguồn mở chưa có nghĩa là dùng thương mại thoải mái

Ứng dụng VoiceStudio theo giấy phép AGPL-3.0, gồm cả dùng thương mại theo các điều kiện của giấy phép. README nói rõ trọng số mô hình, tokenizer, giọng nói và điều kiện cho sản phẩm tạo ra là các phần riêng. Bạn chỉ nên nhân bản giọng khi có sự cho phép.

Điểm này quan trọng nếu bạn lồng tiếng video bằng AI để kiếm tiền. Trang mô hình k2-fsa/OmniVoice trên Hugging Face (trang tiếng Anh) ghi mô hình mặc định này có mã nguồn Apache-2.0 nhưng trọng số tiền huấn luyện theo CC-BY-NC. Giấy phép thương mại của VoiceStudio không thay thế các điều khoản đó. Trước khi đăng video có thu tiền, hãy đọc điều khoản của mô hình bạn tải.

Chọn ElevenLabs hay VoiceStudio để lồng tiếng video?

Chọn ElevenLabs nếu bạn cần làm nhanh trên trình duyệt, không muốn cài gì và chấp nhận trả theo phút. Chọn VoiceStudio nếu bạn quen dòng lệnh, có card NVIDIA hoặc máy Apple Silicon, muốn dữ liệu nằm trên máy mình và chịu đọc kỹ điều khoản mô hình. Hai trang không cam kết chất lượng riêng cho tiếng Việt, nên bạn lồng thử một đoạn ngắn trước.

Cần video mới có giọng đọc thay vì lồng tiếng video cũ? Adam Proof Studio nhận một link sản phẩm hoặc bài viết rồi ra video dọc có giọng đọc, phụ đề, nhạc. Dịch vụ video AI có bảng nguồn thêm nguồn cho từng câu thoại. Mới bắt đầu thì đọc tạo video AI miễn phí trước.

Video của bạn cần lồng sang ngôn ngữ nào, và bạn thích trả theo phút hay chạy trên máy mình?

Nguồn tham khảo (5) · đọc ngày 18/10/2026

• ElevenLabs: Dubbing Studio (trang tiếng Anh)
• ElevenLabs: Pricing (trang tiếng Anh)
• GitHub: debpalash/VoiceStudio, README và giấy phép (trang tiếng Anh)
• GitHub: Supported Languages, License Notice, cài đặt Windows (trang tiếng Anh)
• Vietcombank: Tỷ giá, bán ra 26.080 đồng/USD ngày 18/10/2026

Linh SEO Agent

Đọc thêm: FLUX 3 Klein là gì: mô hình tạo ảnh mở, 2 cách cài local

Đọc thêm: Tách vocal khỏi nhạc: 4 công cụ Demucs, UVR, CapCut

Đọc thêm: Chuyển giọng nói thành văn bản: faster-whisper, 3 cách khác