Voice Studio
Voice Studio là công cụ chuyển văn bản thành giọng nói (Text-to-Speech) trong khu vực Serverless Inference. Bạn nhập văn bản tiếng Việt, chọn model và các tùy chọn giọng đọc, sau đó nhận về file âm thanh có thể nghe thử, tải xuống hoặc chia sẻ qua URL.
Voice Studio phù hợp để:
- Nghe thử chất lượng giọng đọc trước khi tích hợp API vào sản phẩm.
- Tạo nhanh file âm thanh cho nội dung ngắn (thông báo, lời dẫn, demo).
- So sánh kết quả giữa các model, giọng đọc và thiết lập khác nhau.
1. Truy cập Voice Studio
- Đăng nhập FPT AI Factory.
- Ở thanh trên cùng, kiểm tra đúng Organization / Project đang làm việc (ví dụ:
BigDream / AI Research Lab). Chi phí sử dụng sẽ được tính vào project này. - Trong menu trái, mở FPT Token Factory → Serverless Inference → Voice Studio.
2. Bố cục màn hình
Màn hình chia thành 3 khu vực chính:
| Khu vực | Vị trí | Chức năng |
|---|---|---|
| Cấu hình (Model & Settings) | Cột trái | Chọn model, định dạng đầu ra, giọng đọc, tốc độ và các tham số nâng cao |
| Text input & Result | Cột giữa | Nhập văn bản, chạy chuyển đổi, nghe và tải kết quả |
| History | Cột phải | Danh sách các lần chạy trong 24 giờ gần nhất |
Góc trên bên phải có hai nút tiện ích:
- Get API Keys — đi tới trang quản lý API Key để tích hợp TTS vào ứng dụng.
- View Code — xem đoạn mã mẫu gọi API tương ứng với cấu hình hiện tại.
3. Chọn model
Tại mục Model (cột trái), chọn một trong hai model. Đơn giá được hiển thị ngay dưới ô chọn.
| FPT.TTS-pro | FPT.TTS-ultra | |
|---|---|---|
| Đơn giá hiển thị | $16.5 / 1M ký tự | $99 / 1M ký tự |
| Cách chọn giọng | Chọn trực tiếp từ danh sách Voice | Qua Mode và nhóm Advanced |
| Tham số nâng cao | Không | Có (Language, Num steps, Guidance scale) |
| Tùy chọn chung | Response format, Speed | Response format, Speed |
Khi đổi model, phần Settings bên dưới sẽ thay đổi tương ứng.
4. Cấu hình với FPT.TTS-pro
Đây là model đơn giản, phù hợp khi bạn muốn chọn nhanh một giọng đọc có sẵn.
| Trường | Mô tả | Giá trị mẫu |
|---|---|---|
| Response format | Định dạng file âm thanh trả về | MP3 |
| Voice | Giọng đọc. Mỗi giọng được ghi kèm vùng miền và giới tính (Bắc/Trung/Nam · Nam/Nữ). Giọng đang chọn có dấu ✓ | Viet Khoa · North · Male |
| Speed | Tốc độ đọc | 1x |
Các bước:
- Chọn Model = FPT.TTS-pro.
- Chọn Response format.
- Mở danh sách Voice, chọn giọng phù hợp với vùng miền và giới tính mong muốn.
- Chọn Speed (1x là tốc độ chuẩn).
- Chuyển sang nhập văn bản (mục 6).
5. Cấu hình với FPT.TTS-ultra
Model này cho phép tinh chỉnh sâu hơn chất lượng và cách sinh giọng.
| Trường | Mô tả | Giá trị mặc định |
|---|---|---|
| Response format | Định dạng file âm thanh trả về | MP3 |
| Mode | Chế độ chọn giọng. Auto để hệ thống tự chọn giọng phù hợp | Auto |
| Advanced (nhóm mở/thu gọn) | Các tham số nâng cao bên dưới | — |
| → Language | Ngôn ngữ của văn bản. Để trống để hệ thống tự nhận diện | — |
| → Num steps | Số bước sinh âm thanh. Càng cao chất lượng càng tốt nhưng xử lý chậm hơn | 32 |
| → Guidance scale | Mức độ bám sát văn bản/đặc trưng giọng khi sinh âm thanh | 2,0 |
| → Reset to default | Đưa toàn bộ tham số Advanced về giá trị mặc định | — |
| Speed | Tốc độ đọc | 1x |
Các bước:
- Chọn Model = FPT.TTS-ultra.
- Chọn Response format.
- Chọn Mode. Với người dùng mới, giữ
Auto. - (Tùy chọn) Bấm Advanced để mở nhóm tham số nâng cao:
- Giữ mặc định cho lần chạy đầu.
- Nếu cần chất lượng cao hơn, tăng Num steps (chấp nhận thời gian xử lý lâu hơn).
- Nếu kết quả không như mong muốn, bấm Reset to default để quay về cấu hình gốc.
- Chọn Speed.
- Chuyển sang nhập văn bản (mục 6).
Gợi ý tinh chỉnh:
| Mục tiêu | Điều chỉnh |
|---|---|
| Nghe thử nhanh, ưu tiên tốc độ | Giảm Num steps |
| Chất lượng cao nhất cho bản chính thức | Tăng Num steps, giữ Guidance scale mặc định |
| Kết quả bị lệch, thiếu tự nhiên | Bấm Reset to default, thử lại với từng tham số một |
6. Nhập văn bản và chạy chuyển đổi
- Nhập hoặc dán nội dung vào ô Text input (trường bắt buộc, đánh dấu
*). - Theo dõi bộ đếm ký tự ở góc dưới trái ô nhập, ví dụ
266/5000 characters. Giới hạn tối đa 5.000 ký tự mỗi lần chạy. - Dùng Clear (góc trên phải ô nhập) nếu muốn xóa toàn bộ nội dung.
- Bấm Run.
Hệ thống xử lý và hiển thị kết quả ở khu vực Result ngay bên dưới.
- Viết đúng dấu câu để giọng đọc ngắt nghỉ tự nhiên.
- Với văn bản dài hơn 5.000 ký tự, tách thành nhiều đoạn và chạy nhiều lần.
- Chi phí được tính theo số ký tự đã gửi.
7. Xem và sử dụng kết quả
Khu vực Result hiển thị:
- Trình phát âm thanh — bấm ▶ để nghe, kéo thanh tiến trình để tua. Thời lượng hiển thị bên phải.
- Thông tin bản ghi — Format, Voice, Speed, Duration (cũng được tóm tắt ở góc trên phải, ví dụ
MP3 · Viet Khoa · 1x). - Ba nút thao tác:
| Nút | Chức năng |
|---|---|
| Download MP3 | Tải file âm thanh về máy |
| Copy URL | Sao chép đường dẫn trực tiếp tới file âm thanh |
| Open in new tab | Mở file âm thanh trong tab trình duyệt mới |
Link âm thanh có thời hạn. Dòng thông báo màu xanh dưới các nút cho biết thời điểm hết hạn (ví dụ: Audio link is available until 10:12 10/09/2026). Hãy tải xuống hoặc sao chép URL trước thời điểm này.
8. Lịch sử (History)
Cột phải lưu các lần chạy gần đây.
- Thời gian lưu: 24 giờ. Sau đó bản ghi tự động bị xóa.
- Tìm kiếm: gõ vào ô Search history… để lọc theo nội dung văn bản.
- Mỗi bản ghi hiển thị đoạn đầu văn bản, giọng đọc, tốc độ và thời điểm chạy, kèm 3 nút: ▶ nghe lại, ⬇ tải xuống, 🗑 xóa bản ghi.
- Phân trang: chuyển trang bằng mũi tên ‹ ›, chỉnh số bản ghi mỗi trang (mặc định
5 / page). - Clear all: xóa toàn bộ lịch sử.
Lịch sử là của riêng bạn trong project hiện tại và không thay thế việc lưu trữ lâu dài. Hãy Download những file cần giữ.
9. Tích hợp qua API
Sau khi hài lòng với cấu hình:
- Bấm View Code để lấy mã mẫu gọi API với đúng model và tham số đang chọn.
- Bấm Get API Keys để tạo hoặc sao chép API Key (menu Serverless Inference → API Keys).
- Theo dõi hạn mức và mức sử dụng tại User quotas và Usage trong cùng menu.
10. Câu hỏi thường gặp
Tại sao không thấy ô Voice khi chọn FPT.TTS-ultra?
FPT.TTS-ultra chọn giọng thông qua Mode (mặc định Auto) và nhóm Advanced, thay vì danh sách Voice cố định như FPT.TTS-pro.
Nút Run bị mờ / không chạy được? Kiểm tra ô Text input đã có nội dung và chưa vượt 5.000 ký tự.
Link âm thanh báo hết hạn? Chạy lại từ History (nếu còn trong 24 giờ) hoặc chạy lại với văn bản cũ. Về sau nên Download ngay sau khi tạo.
Xử lý chậm với FPT.TTS-ultra? Giảm Num steps trong nhóm Advanced hoặc rút ngắn văn bản.
Chi phí được tính thế nào? Theo số ký tự gửi lên, với đơn giá hiển thị dưới ô chọn Model. Xem chi tiết tại Pricing hoặc Usage.