API giọng nói tiếng Việt · streaming

Giọng nói tiếng Việt realtime cho sản phẩm của bạn

Gửi văn bản, tiếng đầu tiên phát ra sau khoảng 40–50 ms khi máy chủ rảnh. Đọc đúng số tiền, ngày giờ, số điện thoại và từ tiếng Anh xen kẽ; nhân bản giọng từ vài giây ghi âm; chạy trên CPU, có bản cài tại chỗ.

Dùng thử miễn phí Xem tài liệu API

Miễn phí 20.000 ký tự dùng thử.

Tương thích API OpenAI
SDK Python và JavaScript
Plugin LiveKit, Pipecat

Nghe thử ngay

24 kHz · streaming

Giọng đọc

Đang tải danh sách giọng…

Văn bản 0/300

Câu mẫu:

Phụ đề theo câu hiện ở đây trong lúc đọc.

Không cần đăng ký. Mẹo: nhấn Ctrl + Enter trong ô văn bản để đọc.

40–50 msđến tiếng đầu tiên khi máy chủ rảnh, đo trên CPU
5–7×nhanh hơn thời gian thực, trên 2 luồng CPU
24 kHzâm thanh gốc; xuất 16 kHz và 8 kHz μ-law cho tổng đài
6–10 giâyghi âm là đủ để nhân bản một giọng

Tính năng

Một API cho mọi chỗ cần giọng nói tiếng Việt

Từ voice agent cần trả lời ngay đến video thuyết minh dài: cùng chất giọng, cùng bộ chuẩn hoá văn bản, cùng một API key.

Đọc đúng cả văn bản khó

Bộ chuẩn hoá tiếng Việt riêng xử lý số, tiền tệ, ngày giờ, số điện thoại, đơn vị đo, viết tắt, mã đơn hàng, từ tiếng Anh xen kẽ, công thức toán và hoá học. Bạn gửi văn bản như bình thường, không phải viết lại thành chữ.

Ví dụ: văn bản gửi vào và cách hệ thống đọc
Bạn viết	Hệ thống đọc
`1.250.000đ`	một triệu hai trăm năm mươi nghìn đồng
`14h30 ngày 12/10`	mười bốn giờ ba mươi phút ngày mười hai tháng mười
`0909 123 456`	không chín không chín một hai ba bốn năm sáu
`GDP tăng 7,4%`	gi đi pi tăng bảy phẩy bốn phần trăm
`120km/h`	một trăm hai mươi ki lô mét trên giờ
`2H2 + O2 → 2H2O`	hai hát hai cộng ô hai tạo thành hai hát hai ô

Streaming độ trễ thấp

Âm thanh được gửi về ngay khi sinh ra, qua HTTP hoặc WebSocket, kèm phụ đề theo câu. Phần sau sinh nhanh hơn thời gian thực nên phát liền mạch.

HTTP: âm thanh về dần trong lúc sinh
WebSocket: giữ kết nối cho nhiều câu, dừng giữa chừng được

Nhân bản giọng tức thì

Tải lên 6–10 giây ghi âm của một người nói, giọng mới dùng được ngay qua API và portal. Bắt buộc xác nhận chủ giọng đã đồng ý; quản trị viên kiểm duyệt giọng.

Âm thanh cho mọi kênh

24 kHz cho ứng dụng và video; 16 kHz và 8 kHz G.711 μ-law cho tổng đài. Định dạng mp3, opus, aac, flac, wav, pcm. Chỉnh tốc độ đọc 0,5–2 lần mà vẫn giữ cao độ.

Portal web, không cần viết code

Đăng nhập bằng Google, đọc văn bản và tải MP3 hoặc WAV, quản lý giọng, tạo API key và xem lượng dùng ngay trên trình duyệt.

Lồng tiếng và thuyết minh

Từ file phụ đề thành bản thuyết minh hoàn chỉnh

Tải video và phụ đề lên
Video hoặc audio, kèm file phụ đề SRT/VTT tiếng Việt.
Đọc đúng thời điểm
Mỗi câu bắt đầu đúng mốc của phụ đề; câu dài được tự tăng tốc cho vừa khung.
Chọn cách trộn tiếng
Thuyết minh: tiếng gốc được giữ nhỏ lại bên dưới. Hoặc thay hẳn tiếng gốc.
Sửa từng câu, xuất lại
Xuất lại chỉ tốn ký tự cho câu đã sửa. Tải về video MP4, audio, giọng đọc riêng và phụ đề.

bai-giang-hoa-hoc.mp4

Ứng dụng

Dùng cho những việc cần nói tiếng Việt, nhanh và đúng

Những bài toán hợp nhất với streaming độ trễ thấp, bộ chuẩn hoá văn bản và bản cài tại chỗ.

Voice agent và tổng đài tự động

Callbot chăm sóc khách hàng, nhắc lịch, trả lời cuộc gọi: câu trả lời của LLM được đọc ngay khi có, âm thanh 8 kHz μ-law đưa thẳng vào tổng đài.

WebSocket8 kHz μ-lawLiveKit · Pipecat

Livestream bán hàng tương tác

Đọc câu trả lời cho bình luận của người xem theo thời gian thực, ghép với avatar khớp môi để phiên live luôn có người nói.

RealtimePhụ đề theo câu

Thông báo tự động

Nhắc lịch hẹn, báo giao hàng, xác nhận đơn: tên, số tiền, giờ hẹn và mã đơn được đọc đúng mà không phải viết lại mẫu câu.

Chuẩn hoá văn bảnmp3 · opus · wav

Thuyết minh video và nội dung học tập

Biến phụ đề thành bản thuyết minh, đọc bài giảng và tài liệu; công thức toán, hoá học được đọc thành lời.

SRT/VTTXuất MP4

Ứng dụng và game

Lời thoại nhân vật, trợ lý trong ứng dụng, đọc nội dung cho người dùng; giọng riêng cho thương hiệu khi có sự đồng ý của chủ giọng.

SDK JavaScript24 kHz

Ngân hàng, bệnh viện, cơ quan

Cài tại chỗ trên máy chủ CPU, không cần GPU. Dữ liệu ở lại trong mạng nội bộ, phù hợp nơi cần giữ dữ liệu ở trong nước.

On-premiseDocker

Lập trình viên

Tích hợp trong vài dòng mã

API tương thích OpenAI: đổi base_url là thư viện openai dùng được ngay. Cần độ trễ thấp nhất thì dùng WebSocket: âm thanh về theo từng đoạn, kèm phụ đề theo câu.

POST /v1/audio/speech tương thích OpenAI
Streaming qua HTTP và WebSocket, phụ đề theo câu khi đọc
SDK Python và JavaScript; plugin LiveKit Agents và Pipecat
mp3, opus, aac, flac, wav, pcm; 24 kHz, 16 kHz hoặc 8 kHz μ-law
Tốc độ đọc 0,5–2 lần, giữ cao độ

Đọc tài liệu API Lấy API key

curl https://monlabs.vn/v1/audio/speech \
  -H "Authorization: Bearer $MON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"input": "Xin chào!", "response_format": "mp3"}' \
  -o chao.mp3

from openai import OpenAI

client = OpenAI(api_key="sk-vi-...", base_url="https://monlabs.vn/v1")

# "alloy" và các tên giọng khác của OpenAI đều dùng giọng mặc định của máy chủ
client.audio.speech.create(
    model="tts-1", voice="alloy", input="Xin chào!"
).write_to_file("chao.mp3")

from mon_ai import Client, Segment

client = Client(api_key="sk-vi-...", base_url="https://monlabs.vn")
open("chao.mp3", "wb").write(client.speech("Xin chào!"))

# WebSocket: PCM 24 kHz theo từng đoạn, kèm mốc từng câu
for event in client.stream("Câu một. Câu hai!"):
    if isinstance(event, bytes):
        ...  # phát ra loa
    elif isinstance(event, Segment):
        print(event.start, event.text)

import { Client } from "@mon-ai/sdk";

const client = new Client({ apiKey: process.env.MON_API_KEY, baseUrl: "https://monlabs.vn" });
const mp3 = await client.speech("Xin chào!");  // Uint8Array

for await (const ev of client.stream("Câu một. Câu hai!")) {
  if (ev.type === "segment") console.log(ev.start, ev.text);
  if (ev.type === "audio") { /* ev.data: PCM s16le 24 kHz */ }
}

# Biến môi trường: MON_API_KEY=sk-vi-...  MON_BASE_URL=https://monlabs.vn

# LiveKit Agents
from livekit.agents import AgentSession
from mon_ai.livekit import TTS

session = AgentSession(stt=..., llm=..., tts=TTS())  # TTS(sample_rate=8000) cho tổng đài

# Pipecat: đặt sau LLM trong Pipeline
from mon_ai.pipecat import MonTTSService

tts = MonTTSService()

Không truyền voice thì máy chủ dùng giọng mặc định. Cài SDK, chọn giọng, WebSocket và mã lỗi: Tài liệu API.

Dữ liệu và triển khai

Dữ liệu của bạn được giữ ở mức tối thiểu

Chỉ lưu những gì cần để chạy dịch vụ và tính hạn mức. Cần kiểm soát hoàn toàn thì cài tại chỗ.

Văn bản không bị lưu

Văn bản gửi qua API đọc văn bản không được lưu lại; hệ thống chỉ ghi số ký tự để tính hạn mức. API key chỉ được lưu dưới dạng mã băm. Tệp lồng tiếng tự xoá sau 7 ngày kể từ lần sửa cuối.

Máy chủ đặt tại Việt Nam

Tài khoản, giọng nhân bản và dự án lồng tiếng được lưu trên máy chủ đặt tại Việt Nam.

Cài tại chỗ, chạy trên CPU

Bản cài bằng Docker chạy trong mạng nội bộ, không cần GPU. Dữ liệu không ra khỏi hạ tầng của bạn.

Giọng nói có kiểm soát

Mỗi giọng nhân bản phải có xác nhận chủ giọng đồng ý và được quản trị viên kiểm duyệt; giọng vi phạm bị gỡ.

Bảng giá

Bắt đầu miễn phí, trả theo nhu cầu thật

Dùng thử trước. Khi đưa vào sản phẩm, chúng tôi báo giá theo khối lượng hoặc theo hình thức triển khai.

Dùng thử

Miễn phí20.000 ký tự để thử

Đọc văn bản trên portal, tải MP3 hoặc WAV
Gọi API bằng API key của bạn
Nghe thử các giọng có sẵn

Dùng thử

Đăng ký tài khoản để bắt đầu.

Doanh nghiệp / API

Theo khối lượngBáo giá theo lượng ký tự bạn dùng

Hạn mức ký tự theo nhu cầu
Nhiều API key, xem lượng dùng theo ngày và theo key
Streaming HTTP, WebSocket; âm thanh cho tổng đài
Nhân bản giọng, lồng tiếng từ phụ đề

Liên hệ

Cài tại chỗ

Liên hệTriển khai trên hạ tầng của bạn

Docker, chạy trên CPU, không cần GPU
Dữ liệu không ra khỏi mạng của bạn
Cho ngân hàng, bệnh viện, cơ quan cần dữ liệu ở trong nước

Liên hệ

Câu hỏi

Câu hỏi thường gặp

Văn bản tôi gửi có bị lưu lại không?

Không. Văn bản gửi qua API đọc văn bản không được lưu. Với mỗi yêu cầu, hệ thống chỉ ghi thời điểm, số ký tự, thời lượng âm thanh, giọng, định dạng và key đã dùng để tính hạn mức.

Riêng dự án lồng tiếng, tệp tải lên và phụ đề được giữ lại để tạo kết quả và tự xoá sau 7 ngày kể từ lần sửa cuối. Chi tiết trong Chính sách bảo mật.

Tôi có được dùng giọng của người khác không?

Chỉ khi người đó đồng ý rõ ràng. Khi tạo giọng, bạn phải xác nhận chủ giọng đã đồng ý và giữ bằng chứng; quản trị viên kiểm duyệt giọng và có thể gỡ giọng vi phạm. Nghiêm cấm dùng giọng để giả mạo người khác hay lừa đảo.

Có chạy trên máy chủ của tôi được không?

Có. Bản cài tại chỗ đóng gói bằng Docker, chạy trên CPU, không cần GPU. Dữ liệu không ra khỏi mạng của bạn. Hãy liên hệ để nhận bản cài và báo giá.

Tích hợp với tổng đài 8 kHz thế nào?

API xuất trực tiếp âm thanh 8 kHz G.711 μ-law (hoặc 16 kHz), dạng streaming, nên có thể đưa thẳng vào hệ thống tổng đài mà không phải chuyển đổi thêm. Với voice agent, dùng plugin LiveKit hoặc Pipecat.

Độ trễ thực tế là bao nhiêu?

Khi máy chủ rảnh, tiếng đầu tiên có sau khoảng 40–50 ms tính trên máy chủ (CPU, không GPU), chưa gồm đường truyền mạng. Phần còn lại sinh nhanh hơn thời gian thực khoảng 5–7 lần trên 2 luồng CPU nên phát liền mạch.

Ô nghe thử ở đầu trang hiển thị cả hai con số: thời gian đo từ trình duyệt của bạn và thời gian trên máy chủ.

Lồng tiếng có giữ được nhạc nền không?

Có hai cách. Thuyết minh: tiếng gốc được giữ và hạ nhỏ khi giọng đọc nói. Hoặc thay hẳn tiếng gốc, khi đó bạn có thể tải lên một track nhạc nền riêng.

Âm thanh do AI tạo có cần ghi nhãn không?

Có. Theo Luật Trí tuệ nhân tạo, nội dung do AI tạo cần được ghi nhãn khi đăng tải theo quy định. Bạn chịu trách nhiệm ghi nhãn âm thanh mình đăng tải và không dùng nó để gây nhầm lẫn. Xem Điều khoản sử dụng.

Văn bản có tiếng Anh xen kẽ thì đọc thế nào?

Từ tiếng Anh thông dụng được đọc theo cách người Việt hay nói, ví dụ “meeting” thành “mí tinh”, “app” thành “áp”; chữ viết tắt như “CEO”, “GDP” được đánh vần. Bạn không cần phiên âm trước.

Thử giọng nói tiếng Việt cho sản phẩm của bạn

Đăng ký dùng thử, hoặc liên hệ để nhận báo giá API và bản cài tại chỗ.

Dùng thử miễn phí Xem tài liệu API

Đơn vịMon AI

Giọng nói tiếng Việt realtime cho sản phẩm của bạn

Nghe thử ngay

Nghe giọng đọc trong portal

Một API cho mọi chỗ cần giọng nói tiếng Việt

Đọc đúng cả văn bản khó

Streaming độ trễ thấp

Nhân bản giọng tức thì

Âm thanh cho mọi kênh

Portal web, không cần viết code

Từ file phụ đề thành bản thuyết minh hoàn chỉnh

Tải video và phụ đề lên

Đọc đúng thời điểm

Chọn cách trộn tiếng

Sửa từng câu, xuất lại

Dùng cho những việc cần nói tiếng Việt, nhanh và đúng

Voice agent và tổng đài tự động

Livestream bán hàng tương tác

Thông báo tự động

Thuyết minh video và nội dung học tập

Ứng dụng và game

Ngân hàng, bệnh viện, cơ quan

Tích hợp trong vài dòng mã

Dữ liệu của bạn được giữ ở mức tối thiểu

Văn bản không bị lưu

Máy chủ đặt tại Việt Nam

Cài tại chỗ, chạy trên CPU

Giọng nói có kiểm soát

Bắt đầu miễn phí, trả theo nhu cầu thật

Dùng thử

Doanh nghiệp / API

Cài tại chỗ

Câu hỏi thường gặp

Thử giọng nói tiếng Việt cho sản phẩm của bạn