Xin chào, Sonetho đây. ⚡
"Làm lời dẫn cho YouTube thì CLOVA Dubbing là đủ rồi mà?"
Đây là câu hỏi tôi nhận được rất nhiều.
Nên tôi đã tự mình so sánh.
Tôi cho cùng 4 kịch bản tiếng Hàn chạy qua 5 giọng CLOVA Voice và 4 giọng ElevenLabs, tổng cộng 9 giọng, và nghe hết cả 36 mẫu.
🧪 Tôi đã so sánh thế nào
Kịch bản gồm 4 hạng mục.
Diễn xuất cảm xúc (lời thoại đi từ niềm vui khi đỗ đến nỗi bồi hồi tiếc nuối), đọc kiểu bản tin, lẫn tiếng Anh và con số (như ChatGPT, 22 đô la) và tính nhất quán trên đoạn văn dài.
Về phía CLOVA, tôi tạo 1 giọng chuẩn và 4 giọng Pro qua API CLOVA Voice.
Tài liệu chính thức của NAVER Cloud ghi rõ CLOVA Dubbing dùng chính engine CLOVA Voice này, nên so sánh về chất lượng là hợp lệ.
Về phía ElevenLabs, tôi tạo 2 giọng được cộng đồng người Hàn ưa chuộng, ở cả hai model v2 và v3.
Dưới mỗi hạng mục bên dưới tôi đều đặt mẫu âm thanh thật. Bạn hãy tự nghe và tự đánh giá.
Tất cả đều là bản gốc tạo cho lần test này, trích cho mục đích so sánh.
🎧 Kết quả sau khi tôi tự nghe
Hạng mục | TỐT NHẤT | Nhận xét ngắn |
|---|---|---|
Diễn xuất cảm xúc | ElevenLabs | Nói thật thì CLOVA là TTS robot thế hệ đầu. |
Phát âm tiếng Anh và con số | Eleven v3 | Đọc gần như đúng hết. Bất ngờ: CLOVA hơn Eleven v2 |
Khoảnh khắc "đây là người thật à?" | ElevenLabs | Nhất là PVC được huấn luyện kỹ thì khó phân biệt với người thật |
Tính nhất quán của giọng | CLOVA và Eleven v2 | v3 đọc tốt nhưng có nhược điểm là giọng bị biến đổi |
Nói rõ hơn về kết quả thì như sau.
🎧 Tự nghe hạng mục cảm xúc
Kịch bản: "Ha... đỗ thật rồi sao, đây không phải mơ chứ?"
CLOVA Voice (Ara Pro)
ElevenLabs (Hyuk, v3)
Về biểu đạt cảm xúc thì không thể so sánh nổi.
CLOVA Voice dù là Pro hay bản chuẩn đều xử lý lời thoại cảm xúc như đọc bản tin.
Ngay từ đầu CLOVA Dubbing đã không có chức năng chỉ định cảm xúc. Chỉ có tốc độ, cao độ và hiệu ứng đặc biệt thôi.
ElevenLabs thật sự diễn được sự chuyển đổi giữa tiếng thở dài và niềm vui, và một PVC (nhân bản chính giọng của tôi) được huấn luyện kỹ thì khó mà phân biệt là người hay AI.
Ở phần lẫn tiếng Anh và con số có một bất ngờ thú vị.
Đọc tốt nhất là Eleven v3. Những cách viết như ChatGPT, Gemini, 22 đô la gần như đều được phát âm chính xác.
Nhưng đứng thứ hai không phải ElevenLabs Multilingual v2, mà là CLOVA.
Khi gặp mẫu không có trong dữ liệu huấn luyện thì v2 vỡ phát âm, còn CLOVA đọc ổn định hơn thế.
Ngay trong CLOVA cũng có khác biệt. Giọng Pro đọc từ tiếng Anh rõ ràng tốt hơn giọng chuẩn.
🎧 Tự nghe hạng mục tiếng Anh và con số
Trong kịch bản có lẫn ChatGPT, Gemini và 22 đô la
① ElevenLabs v2 (Hyuk): bên đọc không nổi
② CLOVA Voice (Ara Pro): ổn định bất ngờ
③ ElevenLabs v3 (Hyuk): gần như chính xác
Khác biệt về tính cách giữa v2 và v3 cũng rõ ràng.
v2 dựa trên dữ liệu đã huấn luyện nên với câu quen thuộc thì ổn định, nhưng yếu với mẫu lần đầu gặp.
v3 đọc tốt cả mẫu lần đầu gặp, bù lại có nhược điểm về tính nhất quán: tông giọng lung lay khi chuyển đoạn.
Đặc điểm này tôi đã bàn kỹ hơn trong Test tiếng Hàn 4 hạng mục Eleven v3 vs v2.
💰 Giá và giấy phép: đây mới là chỗ rẽ thật sự
Bỏ chất lượng sang một bên, nhìn vào điều kiện thì khác biệt còn lớn hơn. Cập nhật tháng 7 năm 2026.
Hạng mục | CLOVA Dubbing | ElevenLabs |
|---|---|---|
Miễn phí | 15,000 ký tự/tháng, tải xuống 20 lần | 10,000 credit/tháng |
Điều kiện miễn phí | Bắt buộc gắn watermark + ghi nguồn + không được đăng lên kênh có doanh thu | Được dùng thương mại nếu ghi nguồn |
Giá khởi điểm quyền thương mại | 19,900 won (nhưng chỉ dành cho cá nhân và phi lợi nhuận) | $6 (khoảng 8,000 won, toàn quyền thương mại) |
Bán trả phí, quảng cáo, phát sóng | Từ Premium 89,900 won | Từ $6 Starter |
Nhân bản giọng | Không có | Instant từ $6, PVC từ $22 |
Một điều cần lưu ý.
Dùng CLOVA Dubbing bản miễn phí cho kênh YouTube có doanh thu là vi phạm điều khoản.
Từ tháng 12 năm 2023, gói miễn phí chỉ được cho phép trên "kênh hoàn toàn không phát sinh doanh thu".
Những bài blog nói "chỉ cần ghi nguồn thì kênh AdSense cũng miễn phí" là dựa trên chính sách cũ đã bị bãi bỏ.
Và dù có trả tiền cho Standard (19,900 won) thì bán trả phí, làm theo đơn đặt hàng, phát sóng, quảng cáo vẫn không được.
Đó là phạm vi của Premium (89,900 won).
🤔 Vậy nên dùng cái nào
Trường hợp hợp với CLOVA Dubbing
Khi làm video cho kênh không kiếm tiền hoặc video để lưu giữ cá nhân.
Khi cần một trình biên tập lo trọn trên cùng một màn hình, từ tải video lên đến phụ đề, hiệu ứng âm thanh và lồng tiếng.
Khi thấy giao diện tiếng Hàn và ứng dụng di động tiện.
Trường hợp hợp với ElevenLabs
Khi dùng cho nội dung có doanh thu. Toàn quyền thương mại từ 8,000 won nên không cần tính toán điều kiện.
Lời dẫn, sách nói, phần thoại cần diễn xuất cảm xúc.
Khi muốn nhân bản chính giọng của mình (PVC) để tạo nội dung.
Nếu đăng ký tài khoản mới qua liên kết dưới đây, gói Creator của ElevenLabs sẽ tự động được giảm 50% cho tháng đầu.
Nhận giảm 50% tháng đầu ElevenLabs →
❓ Câu hỏi thường gặp (FAQ)
Q. Có được dùng CLOVA Dubbing bản miễn phí cho YouTube có doanh thu không?
Không được.
Từ tháng 12 năm 2023, gói miễn phí đã đổi thành chỉ cho phép đăng trên kênh không phát sinh doanh thu.
Nếu kênh đã bật AdSense thì cần gói trả phí, còn video bán trả phí hoặc quảng cáo thì phải từ Premium (89,900 won/tháng) trở lên.
Q. Giữa CLOVA Dubbing và ElevenLabs, cái nào tự nhiên hơn?
Theo tiêu chí tự nghe của tôi, về biểu đạt cảm xúc và độ tự nhiên tổng thể thì ElevenLabs nhỉnh hơn, nhất là v3 và PVC được huấn luyện kỹ.
Tuy vậy ở câu lẫn tiếng Anh cũng có bất ngờ là CLOVA đọc ổn định hơn ElevenLabs v2.
Q. CLOVA Dubbing giá bao nhiêu?
Miễn phí (15,000 ký tự/tháng), Standard 19,900 won/tháng, Premium 89,900 won/tháng.
Standard chỉ giới hạn cho mục đích cá nhân và phi lợi nhuận, nên muốn dùng để bán trả phí hay quảng cáo thì cần Premium.
Nếu tò mò về cuộc so tài ba bên của TTS tiếng Hàn, hãy xem thêm So sánh Typecast vs Vrew vs ElevenLabs.
Cuộc đấu nhận dạng giọng nói (STT) tiếp tục ở CLOVA nhận dạng giọng nói vs Scribe: đo thực tế.
Hẹn gặp lại ở bài sau. Sonetho vừa rồi đây. ⚡