Đang tải quảng cáo...
Tạo giọng đọc miễn phí bằng edge-tts: hướng dẫn từng bước

Tạo giọng đọc miễn phí bằng edge-tts: hướng dẫn từng bước

adminQuản trị viên
👁️ 9👍 0
Hướng dẫnAI & tự động hoáSáng tạo & media

Hướng dẫn chạy thật: edge-tts tạo MP3 trong 1,35 giây với 318 giọng, không cần API key. Kèm openai-edge-tts làm API và Speech-AI-Forge cho nhiều model.

Đang tải quảng cáo...

Tôi cài và chạy thật trước khi viết bài này. Kết quả: 1,35 giây cho một câu tiếng Việt, file MP3 25 KB, không cần API key, không cần thẻ tín dụng. Nhưng có một điều cần nói rõ ngay: MiniMax và ElevenLabs không miễn phí — chúng cần key trả tiền.

Tôi sẽ chỉ đúng ba dự án, mỗi cái một mục đích khác nhau.

Trước tiên: phân biệt "miễn phí" và "cần key"

Đây là chỗ nhiều bài hướng dẫn nói không rõ, khiến người đọc mất tiền oan.

NhómNghĩaVí dụ
Miễn phí thậtkhông cần tài khoản, không cần key, không giới hạnedge-tts
Miễn phí có hạncần key nhưng có credit miễn phí ban đầuMiniMax, ElevenLabs
Tự chạy trên máykhông tốn tiền API, nhưng tốn GPU/RAMKokoro, CosyVoice, Chatterbox

Bài này tập trung vào nhóm thứ nhất và thứ ba — hai nhóm thật sự không tốn tiền.

Năm thẻ model xếp hàng, ba thẻ huy hiệu xanh miễn phí và hai thẻ huy hiệu khoá
Ba nhóm: miễn phí thật (edge-tts), miễn phí có hạn (MiniMax), tự chạy trên máy (local model)

Cách 1: edge-tts — miễn phí thật, tôi đã chạy

Đây là cách đơn giản nhất. Nó dùng dịch vụ đọc của Microsoft Edge, nên không cần key, không cần đăng ký.

Cài đặt

pip install edge-tts

Một lệnh, không dependency nặng.

Tạo file MP3

python -m edge_tts --text "Xin chào, đây là bài kiểm tra giọng đọc tiếng Việt." \\
  --voice vi-VN-HoaiMyNeural --write-media output.mp3

Kết quả tôi đo được

Thông sốGiá trị
Thời gian tạo (giọng nữ)1,35 giây
Thời gian tạo (giọng nam)4,23 giây
Kích thước file25.056 B / 12.384 B
Tổng số giọng có sẵn318
Giọng tiếng Việt2

Hai giọng tiếng Việt:

Mã giọngGiới tínhPhong cách
vi-VN-HoaiMyNeuralNữthân thiện, tích cực
vi-VN-NamMinhNeuralNamthân thiện, tích cực

Xem toàn bộ giọng: python -m edge_tts --list-voices

Cách 2: openai-edge-tts — biến edge-tts thành API

Khi cần gọi từ ứng dụng khác, dự án travisvn/openai-edge-tts (2.174 sao) bọc edge-tts thành API tương thích OpenAI.

Nghĩa là: code nào đang gọi OpenAI TTS chỉ cần đổi địa chỉ, không sửa gì khác.

Chạy bằng Docker

docker run -d -p 5050:5050 travisvn/openai-edge-tts:latest

Gọi API

curl http://localhost:5050/v1/audio/speech \\
  -H "Content-Type: application/json" \\
  -d '{"input":"Xin chào","voice":"vi-VN-HoaiMyNeural","response_format":"mp3"}' \\
  --output out.mp3

Hỗ trợ sáu định dạng: mp3, opus, aac, flac, wav, pcm. Tốc độ 0,25× tới 4,0×.

Điểm hay: vẫn là edge-tts nên vẫn miễn phí. Chỉ thêm lớp API.

Cách 3: Speech-AI-Forge — nhiều model, gồm cả MiniMax

Nếu bạn cần một giao diện cho nhiều model, đây là dự án phù hợp: lenML/Speech-AI-Forge (1.421 sao).

Model hỗ trợ

NhómModelChi phí
CloudMiniMax (speech-2.8-hd, 2.8-turbo)cần key
LocalChatTTS, CosyVoice 3, F5-TTS, FishSpeechmiễn phí, cần GPU
LocalIndexTTS 1.5 / 2, Spark-TTS, GPT-SoVITSmiễn phí, cần GPU
KhácQwen3-TTS, FireRedTTS, OpenVoicemiễn phí, cần GPU

Điều cần biết về MiniMax

Tôi đọc mã nguồn để kiểm chứng, và đây là sự thật:

api_key = os.environ.get("MINIMAX_API_KEY", "")
if not api_key:
    raise RuntimeError("MINIMAX_API_KEY environment variable is not set.")

Không có key thì không chạy. Skill gọi thẳng api.minimax.io/v1/t2a_v2 — mỗi lần đọc là một lần tính tiền.

MiniMax có hai biến thể: speech-2.8-hd (chất lượng cao, chậm hơn) và speech-2.8-turbo (nhanh hơn, chất lượng thấp hơn đôi chút).

Và 12 giọng có sẵn trong mã, như English_Graceful_Lady, Deep_Voice_Man, sweet_girl — không có giọng tiếng Việt.

Cách chạy

git clone https://github.com/lenML/Speech-AI-Forge
cd Speech-AI-Forge
pip install -r requirements.txt
python webui.py

Có sẵn bản đóng gói Windows (giải nén chạy), bản Colab, và Docker.

Ba tầng xếp chồng: cửa sổ terminal, hộp server nhỏ và cửa sổ ứng dụng trên cùng
Ba lớp: edge-tts gọi trực tiếp, openai-edge-tts bọc thành API, ứng dụng gọi API đó

Còn ElevenLabs thì sao?

ElevenLabs không có bản miễn phí tự host. Nó là dịch vụ đám mây, có gói free nhưng giới hạn ký tự mỗi tháng.

Nếu bạn thấy repo nào quảng cáo "ElevenLabs alternative miễn phí", hãy hiểu đúng: đó là model khác chạy local, không phải ElevenLabs. Ví dụ VoiceStudio (114.261 sao) tự mô tả là "fully-local ElevenLabs alternative" — nhưng nó dùng 18 engine local của riêng nó, không gọi API ElevenLabs.

VoiceStudio — lựa chọn nếu muốn tất cả trong một app

debpalash/VoiceStudio — 114.261 sao, có README tiếng Việt chính thức.

Điểm mạnh: 646 ngôn ngữ, 18 engine local, có app desktop/điện thoại, WebUI.

Điểm cần biết: giấy phép AGPL-3.0. Nếu bạn dùng nó trong sản phẩm thương mại, phải mở mã nguồn phần liên quan. Đây là ràng buộc pháp lý thật, không phải chi tiết nhỏ.

Bảng chọn theo nhu cầu

Bạn cần gìDùng cái nào
Tạo MP3 nhanh, không cài đặt phức tạpedge-tts
API cho ứng dụng khác gọiopenai-edge-tts
Nhiều model, so sánh chất lượngSpeech-AI-Forge
App có giao diện, nhiều ngôn ngữVoiceStudio
Chất lượng cao nhất, không cần miễn phíMiniMax / ElevenLabs API

Số liệu các dự án

Dự ánSaoGiấy phépCần key
edge-tts12.582GPL-3.0không
openai-edge-tts2.174MITkhông
Speech-AI-Forge1.421xem repotuỳ model
VoiceStudio114.261AGPL-3.0không

Phù hợp với ai

Đọc bài này nếu:

  • Bạn cần đọc văn bản thành giọng nói cho video, khóa học, hoặc audiobook.
  • Bạn không muốn trả tiền API hàng tháng.
  • Bạn làm nội dung tiếng Việt — edge-tts có hai giọng Việt dùng được.

Cân nhắc nếu:

  • Bạn cần giọng rất tự nhiên, có cảm xúc — edge-tts nghe rõ nhưng đều đều. MiniMax hoặc ElevenLabs tự nhiên hơn nhiều.
  • Bạn cần nhân bản giọng nói — edge-tts không làm được; phải dùng model local như CosyVoice hoặc IndexTTS.
  • Bạn làm sản phẩm thương mại — kiểm giấy phép trước: edge-tts là GPL-3.0, VoiceStudio là AGPL-3.0.

Lưu ý về giới hạn

edge-tts dùng dịch vụ của Microsoft, nên không có cam kết ổn định. Microsoft có thể chặn hoặc đổi bất kỳ lúc nào. Với dự án quan trọng, nên có phương án dự phòng là model local.

Và với nội dung dài, nên chia nhỏ thành từng đoạn rồi ghép — dịch vụ có thể ngắt kết nối giữa chừng.

Kết luận

Nếu bạn chỉ cần một lệnh tạo MP3 miễn phí ngay hôm nay, dùng edge-tts: tôi đã chạy, 1,35 giây, không cần key.

Nếu cần nhiều model trong một giao diện, dùng Speech-AI-Forge — nhưng biết rõ MiniMax trong đó vẫn cần key trả tiền. Phần miễn phí thật là các model local.

Nguồn tham khảo

Đang tải quảng cáo...
👁️9 lượt xem