Cài AI clone giọng chạy local: VieNeu-TTS cho tiếng Việt, OmniVoice cho tiếng nước ngoài

Hướng dẫn kết hợp hai model giọng nói mã nguồn mở trên Hugging Face, cấu hình PC nên dùng và ưu nhược điểm khi chạy AI Voice ngay trên máy của bạn.

Thuê giọng đọc hoặc trả phí theo ký tự cho các dịch vụ AI Voice online rất nhanh hết tiền khi bạn làm video số lượng lớn. Tin tốt là năm 2026 đã có những model giọng nói mã nguồn mở (open weight) trên Hugging Face đủ hay để thay thế, clone được giọng chỉ từ vài giây âm thanh mẫu, và chạy hoàn toàn trên máy của bạn.

Sau khi thử nhiều model, AI Sale Media chọn kết hợp hai cái tên:

• VieNeu-TTS cho tiếng Việt, vì giọng tự nhiên nhất, ngắt nghỉ và thanh điệu chuẩn.
• OmniVoice cho các tiếng nước ngoài, vì hỗ trợ hơn 600 ngôn ngữ, phù hợp làm kênh YouTube view ngoại.

1. Hai model này là gì?

2. Nên cài trên PC nào?

VieNeu-TTS khá nhẹ: trên card RTX 3060 12 GB, chạy 16 luồng cùng lúc chỉ tốn khoảng 1,1 GB VRAM, và có thể chạy bằng CPU không cần card đồ họa. OmniVoice nặng hơn, nên dùng card NVIDIA từ 8 GB VRAM trở lên. Vì vậy cấu hình máy chủ yếu được quyết định bởi OmniVoice.

Dùng Mac? Máy Apple Silicon (M2, M3, M4) từ 16 GB RAM chạy được cả hai: OmniVoice chạy bằng chip đồ họa của Mac, VieNeu chạy bằng CPU. Tốc độ chậm hơn card NVIDIA nhưng đủ dùng.

Hệ điều hành: Windows 10/11 hoặc Ubuntu đều được. Nên chọn card NVIDIA vì cả hai model đều tối ưu cho CUDA; card AMD hiện chưa được hỗ trợ chính thức.

3. Cài đặt từng bước

Bạn cần cài sẵn Python 3.10+ và (nếu có card NVIDIA) driver mới nhất. Nên tạo hai môi trường riêng cho hai model để tránh xung đột thư viện.

Bước 1 – Cài VieNeu-TTS (tiếng Việt)

Máy không có card, chỉ cần một lệnh:

pip install vieneu

Máy có card NVIDIA:

pip install torch==2.8.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cu128
pip install "transformers==4.57.6"
pip install vieneu

Muốn có giao diện web để bấm chọn, clone mã nguồn từ GitHub rồi chạy:

git clone https://github.com/pnnbao97/VieNeu-TTS
cd VieNeu-TTS
uv sync --extra cuda      # bỏ "--extra cuda" nếu chạy bằng CPU
uv run vieneu-web

Mở trình duyệt vào http://127.0.0.1:7860. Người dùng Windows có thể tải bộ cài sẵn trên trang vieneu.io.

Bước 2 – Cài OmniVoice (tiếng nước ngoài)

conda create -n omnivoice python=3.10
conda activate omnivoice
pip install torch==2.8.0+cu128 torchaudio==2.8.0+cu128 --extra-index-url https://download.pytorch.org/whl/cu128
pip install omnivoice
omnivoice-demo --ip 0.0.0.0 --port 8001

Mở http://localhost:8001. Trên Mac, bỏ phần +cu128 và dòng --extra-index-url.

Bước 3 – Clone giọng

1. Thu 5–10 giây giọng nói rõ, không nhạc nền, không tiếng vang (điện thoại trong phòng kín là đủ).
2. Tải file mẫu lên giao diện web của model tương ứng.
3. Dán kịch bản, bấm tạo, nghe thử và chỉnh dấu câu nếu ngắt nghỉ chưa đẹp.
4. Xuất file .wav rồi đưa vào CapCut, Premiere hoặc Skill dựng video.

4. Ưu điểm và nhược điểm khi chạy AI Voice local

Local hay online – chọn cái nào?

5. Dùng giọng clone có hợp pháp không?

Model được phép dùng thương mại, nhưng giọng nói là của người khác thì phải được họ đồng ý. Chỉ clone giọng của chính bạn, của người đã cho phép bằng văn bản, hoặc dùng các giọng có sẵn trong model. Không dùng để giả mạo người thật, người nổi tiếng hay lừa đảo – vừa vi phạm pháp luật, vừa bị nền tảng gỡ video và khóa kênh.

Video minh họa

Nguồn tham khảo: VieNeu-TTS trên GitHub · OmniVoice trên Hugging Face · Giới thiệu OmniVoice (DEV). Cấu hình đề xuất dựa trên yêu cầu của tác giả và có thể thay đổi theo phiên bản.

← Tất cả bài viết