ElevenLabs là lựa chọn mở đầu cho loạt bài Review thật AI, bởi đây là cái tên được nhắc nhiều nhất khi nói tới giọng đọc AI, đồng thời cũng là công cụ bị hiểu lệch nhiều nhất trong danh sách 28 công cụ đã kiểm chứng. Nổi bật nhất là câu quảng bá miệng rằng chỉ vài giây là sao chép được giọng của bất kỳ ai. Bài viết này sẽ soi từng tuyên bố đó dưới ánh sáng thực tế, để bạn biết rõ mình phải chi bao nhiêu, cần chuẩn bị những gì, và giới hạn nằm ở đâu trước khi bấm nút tạo giọng.
Ba điều người ta hay truyền tai nhau về ElevenLabs
Trên mạng, bạn sẽ thường gặp ba nhận định: thứ nhất, vài giây mẫu là đủ để nhân bản giọng bất kỳ; thứ hai, tài khoản miễn phí là đủ để dùng lâu dài; thứ ba, làm ra audio rồi cứ thoải mái đăng YouTube hay giao cho khách. Cả ba đều chạm đúng một phần sự thật rồi đi chệch ở đoạn quyết định, và các phần sau sẽ chỉ ra chỗ chệch đó.
ElevenLabs làm được những gì
Về bản chất, ElevenLabs là một nền tảng giọng nói chạy bằng AI: đọc văn bản thành tiếng, nhân bản giọng, lồng tiếng cho video, tạo âm thanh hiệu ứng, thiết kế giọng mới và sáng tác nhạc. Kho giọng có sẵn vượt 10.000 giọng, bảng giá liệt kê 74 ngôn ngữ, và model mới nhất là Eleven v4, ra mắt vào tháng 10/2026. Vì vậy, gọi nó đơn thuần là “công cụ copy giọng” là chưa đủ — nó giống một phòng thu âm thanh thu nhỏ chạy trên AI hơn.
“5 giây là nhân bản được giọng bất kỳ” — lệch ở hai điểm
Điểm lệch đầu tiên nằm ở gói miễn phí: gói này không hề có tính năng nhân bản giọng. Gói Free cấp 10.000 credit mỗi tháng, tương đương khoảng 10 phút giọng đọc, gồm đọc văn bản, chuyển giọng nói thành văn bản, hiệu ứng âm thanh, thiết kế giọng và làm nhạc — nhưng không có voice cloning và cũng không có quyền dùng thương mại. Ba “slot” mà gói Free hiển thị là slot dành cho giọng tự thiết kế, không phải slot nhân bản. Ai lập tài khoản Free chỉ để clone giọng sẽ tìm mãi mà không thấy tính năng ấy.
Điểm lệch thứ hai: kể cả khi đã trả tiền, vài giây mẫu cũng chưa đủ để cho ra một bản clone dùng được thật sự. ElevenLabs chia nhân bản thành hai dạng hoàn toàn khác nhau:
Nhân bản nhanh (Instant Voice Cloning) — có từ gói Starter 6 USD/tháng: cần khoảng 1–2 phút audio sạch, chỉ một người nói. Giao diện tài khoản có ghi mức tối thiểu 10 giây, song tài liệu hướng dẫn khuyên dùng 1–2 phút mới cho kết quả khả quan. Bản clone tạo gần như ngay lập tức, nhưng nó mới nắm được âm sắc chung của giọng, gần với việc “lấy mẫu giọng làm tham chiếu” hơn là một bản sao trọn vẹn. Gặp giọng lạ, giọng có cá tính mạnh hay bản thu nhiều tạp âm, chất lượng sẽ giảm thấy rõ.
Nhân bản chuyên nghiệp (Professional Voice Cloning) — có từ gói Creator 22 USD/tháng: yêu cầu tối thiểu 30 phút audio chất lượng cao, khuyến nghị 2–3 giờ, sau đó chờ huấn luyện khoảng 3–6 giờ, tài liệu ghi có thể kéo dài tới 24 giờ. Bù lại, bản clone giữ được cả nhịp thở, ngữ điệu và sắc thái cảm xúc, tới mức người thân của chủ giọng cũng khó nhận ra sự khác biệt. Đây mới là dạng “nhân bản giọng” mà đa số mọi người hình dung khi nghe tới cụm từ này.
Không phải muốn clone giọng ai cũng được — có lớp kiểm soát đồng ý
Với nhân bản nhanh, bạn phải xác nhận mình có quyền và đã được chủ giọng đồng ý trước khi clone. Nhân bản chuyên nghiệp còn siết chặt hơn: nó chỉ áp dụng cho giọng của chính bạn. Cho dù người khác đồng ý, bạn vẫn không thể tự tạo bản chuyên nghiệp cho họ — chính người đó phải tự tạo, tự xác minh trong tài khoản của mình, rồi chia sẻ riêng cho bạn qua đường link. Bước xác minh là đọc to một đoạn văn bản (voice captcha) để chứng minh đó đúng là giọng của bạn. Nói một cách thẳng thắn, đây không phải lối tắt để sao chép giọng người nổi tiếng, diễn viên hay đồng nghiệp.
Quy tắc đồng ý — áp dụng cho mọi công cụ nhân bản giọng trong loạt bài này: Chỉ sử dụng giọng của chính bạn, hoặc giọng của người đã đồng ý rõ ràng bằng văn bản, trong đó nêu rõ dùng vào việc gì và trong thời gian bao lâu. Không mạo danh, không khiến người nghe tin rằng đó là người thật khi không phải, không tạo nội dung nhạy cảm khi chưa có sự đồng ý. Dấu tick xác nhận trên nền tảng chỉ là lớp bảo vệ của nền tảng, không thể thay thế hồ sơ đồng ý mà chính bạn cần giữ.
“Bản miễn phí cứ đăng YouTube, làm cho khách thoải mái” — không đúng
Đây là cạm bẫy tốn kém nhất của ElevenLabs. Gói Free không kèm giấy phép thương mại: video bật kiếm tiền, khóa học thu phí, quảng cáo hay sản phẩm giao cho khách đều nằm ngoài phạm vi cho phép của audio Free. Ngay cả khi đăng audio Free cho mục đích phi thương mại, bạn vẫn phải ghi “elevenlabs.io” hoặc “11.ai” trong tiêu đề nội dung. Điều ít người lường trước nhất: nâng cấp gói sau này cũng không cấp ngược quyền thương mại cho audio đã tạo trước đó — audio sinh ra lúc còn dùng Free thì mãi là audio Free, muốn dùng thương mại phải tạo lại từ đầu trên gói trả phí và tốn thêm credit. Do đó, nếu dự án có khả năng sinh lợi, hãy khởi động nó ngay trên gói Starter, còn gói Free chỉ nên giữ vai trò nghe thử giọng.
Bảng giá ghi nhận tháng 10/2026
- Free — 0 USD: 10.000 credit/tháng (khoảng 10 phút), không có nhân bản giọng, không có quyền thương mại, credit không chuyển sang tháng sau.
- Starter — 6 USD/tháng (tháng đầu đôi khi khuyến mãi 1 USD): 30.000 credit/tháng (khoảng 30 phút), có quyền thương mại, có nhân bản nhanh, 10 slot giọng tùy chỉnh, Dubbing Studio, 20 dự án Studio. Đây là ngưỡng vào cửa thực tế nếu bạn muốn dùng ElevenLabs để sản xuất nội dung đăng tải.
- Creator — 22 USD/tháng (tháng đầu 11 USD): 121.000 credit/tháng (khoảng 121 phút), thêm 1 slot nhân bản chuyên nghiệp, xuất audio 192 kbps, 30 slot giọng.
- Pro — 99 USD/tháng: 600.000 credit/tháng (khoảng 600 phút), 160 slot giọng, xuất WAV/PCM 44.1 kHz qua API.
Credit của gói trả phí chưa dùng hết được cộng dồn tối đa 2 tháng, trong khi credit Free thì không. Tính theo phút giọng đọc đa ngữ, gói Starter rơi vào khoảng 0,20 USD/phút, và đơn giá càng giảm khi lên gói cao hơn.
Điểm mạnh
Giọng đọc tự nhiên thuộc nhóm đầu hiện nay, nhất là ở model Eleven v4; một tài khoản gom đủ đọc, clone, lồng tiếng, hiệu ứng và nhạc; bản nhân bản chuyên nghiệp đạt độ giống rất cao khi có đủ audio huấn luyện; giấy phép thương mại được nêu rõ từ gói Starter, và nội dung tạo ra trong thời gian còn đăng ký vẫn giữ giấy phép đó sau khi hủy.
Điểm yếu
Gói miễn phí về thực chất chỉ là bản nghe thử, không phục vụ được việc thương mại và không clone được; nhân bản nhanh dễ gây thất vọng nếu bạn trông đợi nó giống hệt giọng gốc chỉ từ vài giây mẫu; nhân bản chuyên nghiệp đòi hỏi nhiều công sức — từ 30 phút tới vài giờ thu âm sạch, cộng thêm nhiều giờ chờ huấn luyện — và chỉ thực hiện được cho giọng của chính bạn; credit là một quỹ chung cho mọi công cụ nên lồng tiếng hay hiệu ứng sẽ ngốn credit nhanh hơn bạn hình dung (lồng tiếng không watermark có báo cáo lên tới 10.000 credit/phút).
Ai nên dùng, ai nên tránh
ElevenLabs phù hợp nếu bạn làm YouTube, podcast, sách nói, khóa học hay video quảng cáo và cần một giọng đọc ổn định, hoặc bạn muốn có bản sao giọng của chính mình để đọc nội dung hằng ngày. Ngược lại, nó không dành cho người chỉ muốn “thử clone giọng người khác cho vui”, hay người có ngân sách 0 đồng nhưng sản phẩm cuối cùng lại đem bán — trong trường hợp đó, gói Free sẽ chặn bạn ngay ở bước cuối cùng.
Kết luận số 01
ElevenLabs dùng được thật và xứng đáng mở màn loạt bài, nhưng chi phí thật của nó không phải 0 đồng. Nghe thử thì miễn phí, làm nội dung để đăng tải thì bắt đầu từ 6 USD/tháng, còn muốn một bản nhân bản giọng đúng nghĩa thì cần chuẩn bị 22 USD/tháng, 30 phút audio sạch của chính bạn và vài giờ chờ huấn luyện. Vì vậy, câu “5 giây nhân bản bất kỳ giọng nào” chỉ đúng một phần rất nhỏ: vài giây có thể đủ để hệ thống hiểu bạn đang nhắc tới tính năng nào, chứ chưa đủ để tạo ra một giọng nói dùng được. Số tiếp theo sẽ đi sâu vào một công cụ khác trong danh sách 28 công cụ đã kiểm chứng — bạn muốn số 02 là công cụ nào, cứ để lại ý kiến.
Số liệu trong bài ghi nhận tháng 10/2026 từ trang giá và tài liệu nhân bản giọng của ElevenLabs (đối chiếu qua các bài tổng hợp giá tháng 10/2026). Giá và giới hạn thay đổi thường xuyên, trước khi trả tiền bạn nên kiểm tra lại trang giá chính thức tại elevenlabs.io.