Đọc to văn bản tiếng Nhật bằng AI
AI đọc to văn bản tiếng Nhật bạn nhập, và bạn có thể lưu thành tệp âm thanh. AI tổng hợp giọng nói Irodori-TTS chạy ngay trong trình duyệt, nên văn bản không bao giờ được gửi đi đâu. Không cần cài ứng dụng và không cần đăng ký. Hãy dùng Chrome hoặc Edge trên máy tính có GPU (WebGPU).
Công cụ này đọc văn bản tiếng Nhật. Văn bản bằng ngôn ngữ khác sẽ không được đọc đúng.
Viết số bằng chữ số, như “10部”, giúp giảm đọc sai. Những từ bị đọc sai có thể thêm vào “Từ điển phát âm”.
Hỗ trợ AI cũng chạy trong trình duyệt, và văn bản cùng yêu cầu của bạn không bao giờ được gửi đi đâu.
Giọng và chất lượng
Nếu để trống, công cụ sẽ tạo mô tả giọng nói phù hợp với văn bản.
Từ điển được lưu trong trình duyệt này và không bao giờ được gửi đi đâu. Trước khi đọc to, các từ trong văn bản được thay bằng cách đọc trong từ điển.
Cài đặt đầu ra
Mô hình AI lưu trong trình duyệt này
Cách sử dụng
- 1
Nhập văn bản
Gõ hoặc dán văn bản tiếng Nhật cần đọc to. Viết số bằng chữ số, như “10部”, giúp giảm đọc sai. Nhấn nút emoji sẽ chèn cảm xúc hoặc cách nói tại vị trí con trỏ.
- 2
Chọn giọng và chất lượng
Chọn một giọng trong danh sách, hoặc chọn “Tự viết mô tả giọng nói” và mô tả bằng tiếng Nhật. Chất lượng mặc định là “Tiêu chuẩn”.
- 3
Đọc to và lưu
Nhấn “Đọc to”. Lần chạy đầu sẽ tải xuống mô hình AI (khoảng 1,7 GB). Làm lại phần bị đọc sai bằng “Tạo lại”, rồi nhấn “Lưu” để nhận tệp âm thanh.
Cách hoạt động, và cách đặt giọng nói và cảm xúc
Chọn một giọng từ danh sách, hoặc mô tả giọng bằng tiếng Nhật trong “Mô tả giọng nói”, chẳng hạn “落ち着いた低めの声の男性” (một người đàn ông điềm tĩnh, giọng hơi trầm). Emoji trong văn bản đặt cảm xúc hoặc cách nói tại vị trí đó (thì thầm, ngắt nghỉ, tiếng cười, v.v.). Văn bản dài được chia nhỏ và tạo lần lượt, phần còn lại được tạo theo giọng của phần đầu, nên cùng một giọng đọc đến hết. AI là mô hình tổng hợp giọng nói Irodori-TTS (giấy phép MIT). Mô hình AI (khoảng 1,7 GB) chỉ được tải xuống từ Hugging Face ở lần đầu và được lưu trên thiết bị để dùng về sau.
Bạn được tự do sử dụng âm thanh mình tạo ra. Không cần ghi nguồn. Cấm dùng để mạo danh người thật, hoặc để khiến người khác tin rằng một người thật đã nói điều gì đó. Vì AI tạo giọng mới mỗi lần, giọng có thể tình cờ giống một người thật.
Thông số của công cụ này
- Đầu vào
- Văn bản tiếng Nhật
- Đầu ra
- MP3, M4A, WAV, OPUS
- Giới hạn
- Không giới hạn số ký tự. Đầu ra tối đa 1 GB mỗi tệp
- Miễn phí, không cần đăng ký, không cần cài ứng dụng
- Văn bản không bao giờ bị tải lên (xử lý trong trình duyệt)
Câu hỏi thường gặp
Văn bản của tôi có bị gửi lên máy chủ không?
Không. Việc chuyển văn bản thành giọng nói chạy trong trình duyệt trên thiết bị của bạn, và văn bản bạn nhập, mô tả giọng nói và từ điển phát âm không bao giờ được gửi đi đâu. Mô hình AI được tải xuống từ Hugging Face ở lần đầu và được lưu trong trình duyệt. Không cần đăng ký. Thống kê xử lý dùng để sửa lỗi (thông số thiết bị, số ký tự và số câu ước chừng, loại lỗi, v.v.; không bao giờ có chính văn bản hay mô tả giọng nói) được gửi đến máy chủ của trang này, và bạn có thể tắt bằng công tắc trong mục “Giúp chúng tôi cải thiện dịch vụ” ở cuối trang.
Có dùng được trên iPhone hoặc các điện thoại khác không?
Không, công cụ không chạy trên iPhone, iPad hay điện thoại và máy tính bảng Android. Sau khi tải, AI chuyển văn bản thành giọng nói dùng khoảng 3 GB bộ nhớ để tính toán. Trên iPhone và iPad, hệ điều hành giới hạn lượng bộ nhớ một trang được dùng, và trên iPhone 15 Pro Max (8 GB bộ nhớ) chúng tôi thử, trang đã vượt giới hạn đó sau khi tải mô hình AI xuống và tự tải lại trước khi tạo được giọng nói nào. Trên Android cũng vậy, thống kê xử lý của trang này cho thấy hầu hết thiết bị đã dừng sau khi tải xuống vì không cấp phát đủ bộ nhớ GPU. Để bạn không phí dung lượng tải xuống khoảng 1,7 GB, công cụ dừng trên các thiết bị này trước khi bắt đầu tải xuống. Hãy dùng Chrome hoặc Edge trên máy tính có GPU (WebGPU). Công cụ chạy được trên Safari trên Mac, nhưng có thể dừng giữa chừng.
Có nhân bản giọng nói được không (sao chép giọng của tôi hoặc giọng tôi thích)?
Không. Để không thể dùng công cụ sao chép giọng của ai đó khi chưa được phép hoặc mạo danh người thật, chúng tôi cố ý không đưa vào bất kỳ tính năng nào mở bản ghi âm hay tệp âm thanh để bắt chước giọng nói (nhân bản giọng nói). Bạn chỉ định giọng bằng “Mô tả giọng nói” viết bằng chữ. Giọng bạn thích có thể được lưu trong trình duyệt này bằng “Lưu giọng này” và dùng để đọc bất kỳ văn bản nào bằng cùng giọng đó. Khi bạn xuất giọng đã lưu ra tệp, chỉ cách tạo ra giọng đó được ghi lại. Khi nhập, công cụ tạo lại giọng từ thông tin đó, nên không thể đưa vào giọng được tạo từ bản ghi âm.
Có đọc được văn bản dài không?
Có. Văn bản được chia tại chỗ ngắt câu, đọc lần lượt và ghép thành một tệp âm thanh với khoảng lặng ngắn ở giữa. Không giới hạn số ký tự. Trên máy tính chúng tôi thử (đồ họa tích hợp của Ryzen 7 8745H), “Tiêu chuẩn” tạo 1 phút âm thanh trong khoảng 30 giây. “Chất lượng cao” mất khoảng gấp 6 lần thời gian.
Giúp chúng tôi cải thiện dịch vụ
Nếu việc chuyển đổi hoặc nén thất bại, gửi cho chúng tôi tình huống lúc đó giúp chúng tôi tìm ra nguyên nhân. Biết thiết bị và định dạng nào hay lỗi nhất, và quá trình xử lý mất bao lâu, giúp chúng tôi xem lại các định dạng được hỗ trợ và sửa các lỗi gây ra vấn đề. Nếu bạn không phiền, việc giữ tính năng này bật sẽ giúp ích rất nhiều.
Những gì được gửi
- Công cụ bạn dùng và các cài đặt bạn chọn (định dạng đầu ra, chất lượng, v.v.)
- Thông số thiết bị (GPU, bộ nhớ, số nhân)
- Định dạng đầu vào cùng kích thước ước chừng
- Số tệp thành công hoặc thất bại và thời gian xử lý
- Loại lỗi và chi tiết khi có sự cố
Những gì không bao giờ được gửi
- Bản thân tệp và tên tệp
- Văn bản cần đọc to, mô tả giọng nói, từ điển phát âm và giọng nói đã lưu
- Địa chỉ IP
Dữ liệu chỉ đến máy chủ riêng của trang này, không bao giờ đến dịch vụ của bên thứ ba.
Để xem danh sách đầy đủ, bao gồm chi tiết mà từng công cụ gửi, hãy xem “Thống kê xử lý” trong chính sách quyền riêng tư.
Chi tiết do công cụ này gửi (chỉ số lượng, thời gian, loại và có/không)
Ngoài “Những gì được gửi”, công cụ này gửi thêm các chi tiết sau.
- Đọc văn bản thành giọng nói
- Số ký tự và số câu ước chừng, văn bản được tạo thành bao nhiêu phần, mô hình AI mất bao lâu để tải, và GPU có được chuẩn bị lại giữa chừng hay không.