NTV — Novel To Video

Giọng Việt tự nhiên nhất hiện tại. API đơn giản, free tier hào phóng.

Danh sách giọng

Luôn sẵn sàng, không cần API key. Giọng neural khá tự nhiên.

Chất lượng cao, hỗ trợ đa ngôn ngữ (Việt, Anh, Nhật, Hàn, Trung).

Engine offline chạy trên máy, không cần Internet. Giọng Việt sử dụng mô hình neural.

Model TTS đa ngôn ngữ của Meta, hỗ trợ 1000+ ngôn ngữ bao gồm tiếng Việt.

Gợi ý Style có sẵn

Cách hoạt động

Thuật toán sẽ tự động dò các từ viết tắt (hoặc cụm từ) trong văn bản và thay thế bằng từ trọn vẹn trước khi gửi lên cấu trúc TTS. Việc này không làm đổi font/style ở kết quả cuối nhưng rất hữu ích với âm thanh.

• ko → không
• ntn → như thế nào
• pk → phải không

Thêm / Sửa / Xóa từ

Bạn chỉ cần nhập từ sai ở ô bên trái (Từ gốc) và từ đúng ở ô bên phải (Thay thế) rồi bấm "Thêm / Cập nhật". Nếu lỡ làm hỏng thư viện, nút "Khôi phục mặc định" sẽ đưa mọi thứ về bộ từ chuẩn ban đầu.

1. Ký tự/đoạn (Mặc định: 500)

Quyết định độ dài của một đoạn text trước khi tách thành audio và sinh ảnh mới. Xem thêm ở phần Lưu ý về Chia đoạn bên trên để biết cách tối ưu.

2. Giây/ảnh tối đa (Mặc định: 8)

Trường hợp luồng văn bản của đoạn đó quá dài, Audio rớt vào khoảng 15 giây. Hệ thống sẽ tự kiểm tra ngưỡng "Giây/ảnh tối đa" này, nếu vượt ngưỡng, NTV sẽ tự động sinh thêm 1 tấm ảnh nữa cho cùng một Scene đó để tránh tình trạng nhìn chán mắt.

3. Chế độ tạo Prompt ảnh

• template: Dùng Google Translate dịch ra tiếng Anh theo luật chuẩn tĩnh, ghép với Style Prompt mặc định. Siêu nhanh, an toàn nhưng không quá linh hoạt.
• gemini: Gọi trực tiếp AI Gemini để phân tích bối cảnh và viết Prompt hội họa tiếng Anh chuẩn xác nhất. Yêu cầu phải thiết lập API Key GEMINI tại tab TTI.

4. Phụ đề (Subtitle) MỚI

NTV tự động burn phụ đề (nội dung đoạn text tương ứng) trực tiếp lên video.

• Hiện phụ đề: Bật/tắt bằng checkbox (mặc định: Bật)
• Cỡ chữ: Chọn từ 24 đến 40px (mặc định: 28)
• Font Be Vietnam Pro hiển thị đúng toàn bộ dấu tiếng Việt
• Chữ trắng viền đen, nền mờ đen 45% phía dưới video

Quy trình tạo ảnh AI

1. Chia đoạn → mỗi đoạn text tạo 1 prompt ảnh
2. Dịch/Viết prompt → theo mode template hoặc gemini
3. Gửi API → provider được chọn (Pollinations / HuggingFace / Novita / Gemini)
4. Lưu ảnh → thư mục images/ với tên prefix_001.jpg, prefix_002.jpg,...

Cách 1: Ảnh 1:1 với audio (giống AI)

Đặt tên ảnh trùng với file audio:

thu_muc_xu_ly/images/
  prefix_001.jpg     ← khớp với thu_muc_xu_ly/audio/prefix_001.mp3
  prefix_002.jpg     ← khớp với thu_muc_xu_ly/audio/prefix_002.mp3
  prefix_003.jpg     ← khớp với thu_muc_xu_ly/audio/prefix_003.mp3

Cách 2: Nhiều ảnh hơn audio (tự phân bổ)

Bỏ tất cả ảnh vào thư mục images/, NTV sẽ tự phân bổ đều theo thời lượng audio:

thu_muc_xu_ly/images/
  prefix_scene_001.jpg
  prefix_scene_002.jpg
  prefix_scene_003.jpg
  prefix_scene_004.jpg
  prefix_scene_005.jpg    ← 5 ảnh cho 2 audio → mỗi audio ~2.5 ảnh
  ...

thu_muc_xu_ly/audio/
  prefix_001.mp3
  prefix_002.mp3

Render bị lỗi giữa chừng, phải làm sao?

Bấm nút "🔄 Reset / Xóa Lỗi" để khôi phục trạng thái giao diện, sau đó thử lại.

Giọng đọc bị nuốt từ đầu tiên?

Đây là bug đã biết của engine VieNeu. NTV đã tự động thêm từ đệm (buffer). Nếu vẫn xảy ra, hãy chuyển sang FPT.AI hoặc Edge TTS.

Làm sao biết đã dùng bao nhiêu API free?

Xem trong ⚙ Cài Đặt → 🎙 TTS, bên dưới mỗi API Key có dòng 📊 Hôm nay: X/Y ký tự (Z%). Cảnh báo tự động khi ≥80%.

Muốn dùng ảnh tự chọn thay vì AI?

Chạy 📝 Bán Tự Động → thêm ảnh vào thư mục images/ → dùng ⚡ Fast Render để ghép.

Hỗ trợ ngôn ngữ nào?

TTS: FPT.AI (chỉ Việt), Edge TTS (Việt), Google Cloud (Việt, Anh, Nhật, Hàn, Trung). TTI: Prompt tiếng Anh (NTV tự translate).