ElevenLabs là gì? Hướng dẫn nhập môn về giá, sử dụng thương mại và hỗ trợ tiếng Nhật (theo thông tin chính thức)

ElevenLabs là nền tảng giọng nói AI lấy chuyển văn bản thành giọng nói (Text to Speech) làm trọng tâm, đồng thời cung cấp chuyển giọng nói thành văn bản, nhân bản giọng nói, lồng tiếng, tạo hiệu ứng âm thanh và âm nhạc. Bài viết này tổng hợp tính năng, giá, điều kiện sử dụng thương mại và tình trạng hỗ trợ tiếng Nhật, dựa trên nội dung trang web chính thức, trung tâm trợ giúp và tài liệu chính thức của ElevenLabs được kiểm tra vào ngày 4/10/2026 (UTC).

ElevenLabs là gì

Trang web chính thức giới thiệu dịch vụ theo 3 mảng lớn.

ElevenCreative: ứng dụng web dành cho nhà sáng tạo, dùng để tạo giọng nói, âm nhạc, hiệu ứng âm thanh, hình ảnh và video
ElevenAgents: nền tảng xây dựng và vận hành tác tử AI hội thoại trả lời qua điện thoại hoặc chat
ElevenAPI: API dành cho nhà phát triển để tích hợp các chức năng như chuyển văn bản thành giọng nói và chuyển giọng nói thành văn bản vào ứng dụng của mình

Bài viết này tập trung vào các gói đăng ký ElevenCreative, vốn thường được cá nhân và nhóm nhỏ cân nhắc đầu tiên, còn mô hình giá của API chỉ được nói sơ lược.

Tính năng chính

Dưới đây là các tính năng chính mà chúng tôi xác nhận được trên trang giá chính thức và danh sách mô hình trong tài liệu chính thức.

Sơ đồ chọn tính năng theo mục đích: Text to Speech để đọc văn bản ngắn, Studio cho sản phẩm dài và ElevenAPI để tích hợp giọng nói vào ứng dụng của riêng bạn.

Text to Speech: chuyển văn bản thành giọng nói. Ngoài mô hình mới nhất "Eleven v4" (trang web chính thức ghi ra mắt vào tháng 9/2026), còn có các mô hình như Eleven v3, Multilingual v2 và Flash v2.5 có độ trễ thấp
Studio: tạo các dự án âm thanh, video dài như sách nói và podcast
Nhân bản giọng nói: Instant Voice Cloning tạo giọng từ một đoạn âm thanh ngắn, và Professional Voice Cloning huấn luyện mô hình riêng bằng bản ghi âm dài
Voice Design: tạo giọng mới từ phần mô tả đặc điểm bằng văn bản
Speech to Text (chuyển giọng nói thành văn bản), Dubbing (lồng tiếng), Voice Changer, Voice Isolator (lọc tạp âm), Sound Effects, Music

Số ký tự có thể tạo trong một lần bị giới hạn. Trung tâm trợ giúp ghi giới hạn trên giao diện web là 5.000 ký tự với gói trả phí và 2.500 ký tự với gói miễn phí, trong khi trang giới thiệu Eleven v4 ghi tối đa 10.000 ký tự. Từ thông tin chính thức, chúng tôi không xác định được giới hạn nào được áp dụng khi dùng v4 trên giao diện web.

Giá và cách hiểu về credit

Đơn vị tính phí là "credit"

Với các gói ElevenCreative, mỗi tính năng sẽ tiêu hao "credit" được cấp hằng tháng. Theo trang giá, credit dùng chung cho mọi sản phẩm, vì vậy dùng cho tính năng này thì phần còn lại cho các tính năng khác sẽ giảm đi. Mức tiêu hao tham khảo được nêu gồm Text to Speech 1 credit cho mỗi ký tự, Speech to Text 330 credit mỗi phút, Music 900 credit mỗi phút, Sound Effects 200 credit mỗi lần tạo, v.v. (đều là giá trị ước tính chính thức).

Theo trung tâm trợ giúp, số ký tự bao gồm cả dấu câu, khoảng trắng và thẻ âm thanh. Credit bị trừ mỗi lần tạo chứ không phải khi tải xuống, nhưng theo tài liệu, nếu đáp ứng điều kiện, chẳng hạn tạo lại trên bản web trong vòng 2 giờ với cùng văn bản, cùng giọng và cùng mô hình, thì có thể tạo lại miễn phí.

Giá và credit hằng tháng theo từng gói

Tại thời điểm ngày 4/10/2026, trang giá (khi hiển thị theo thanh toán hằng tháng) liệt kê các gói chính như sau. Giá tính bằng đô la Mỹ và chưa bao gồm thuế.

Free: 0 USD, 10.000 credit mỗi tháng
Starter: 6 USD/tháng, 30.000 credit mỗi tháng. Bổ sung giấy phép thương mại, Instant Voice Cloning và các quyền lợi khác
Creator: 22 USD/tháng, 121.000 credit mỗi tháng. Bổ sung Professional Voice Cloning và các quyền lợi khác
Pro: 99 USD/tháng, 600.000 credit mỗi tháng
Scale: 299 USD/tháng, 1.800.000 credit mỗi tháng, 3 chỗ (seat)
Business: 990 USD/tháng, 6.000.000 credit mỗi tháng, 10 chỗ (seat)
Enterprise: liên hệ để báo giá

Khác biệt giữa giá thường, ưu đãi tháng đầu, thanh toán theo năm và chương trình khuyến mãi

Tại thời điểm kiểm tra, trang giá có hiển thị các ưu đãi có thời hạn bên cạnh giá thường. Tất cả đều là nội dung hiển thị tại thời điểm kiểm tra và có thể thay đổi.

Ưu đãi tháng đầu: Starter tháng đầu 1 USD (giá thường 6 USD, có ghi "đến ngày 18/10") và Creator tháng đầu 11 USD (giá thường 22 USD). Trang ghi rằng ưu đãi chỉ áp dụng cho tháng đầu. Với ưu đãi tháng đầu của Creator, trang chúng tôi kiểm tra không ghi rõ ngày kết thúc
Thanh toán theo năm: phần FAQ của trang giá giải thích giá năm bằng "giá tháng × 10 tháng", tức là được miễn phí 2 tháng. Khi thanh toán theo năm, mức quy đổi mỗi tháng là 5 USD với Starter, 18,33 USD với Creator và 82,50 USD với Pro. Chúng tôi không xác nhận được ưu đãi tháng đầu có dùng chung với thanh toán theo năm hay không
Chương trình khuyến mãi Eleven v4: phần đầu trang web có thông báo "gấp 3 lần credit cho các gói từ Creator trở lên đến ngày 12/10". Trong khi đó, nội dung trang giá mô tả đây là chương trình "2 tuần": "với các gói từ Creator trở lên, credit dùng cho Text to Speech của v4 sẽ không bị trừ vào số dư, tối đa gấp 2 lần credit hằng tháng (chỉ trên web và ứng dụng di động)", và phần nội dung này không ghi ngày kết thúc. Cả hai đều là chương trình có thời hạn và không được tính vào số credit hằng tháng nêu trên

Chuyển credit sang kỳ sau và khi thiếu credit

Theo FAQ của trang giá, credit chưa dùng của gói trả phí có thể chuyển sang kỳ sau tối đa 2 tháng, nhưng nếu hạ gói hoặc hủy thì sẽ hết hạn vào cuối kỳ thanh toán. Gói miễn phí không được chuyển credit. Tài liệu về thanh toán cho biết với các gói đăng ký mới, khi thiếu credit có thể mua credit trả trước Pay As You Go (thời hạn 12 tháng).

Việc sử dụng API có trang giá ElevenAPI riêng, và phần FAQ giải thích rằng API được tính phí bằng đô la Mỹ chứ không phải credit (ví dụ: mô hình đa ngôn ngữ của Text to Speech có giá 0,08 USD cho mỗi 1.000 ký tự).

Điều kiện sử dụng thương mại

Phần này tổng hợp giải thích của trung tâm trợ giúp và nội dung trong các văn bản điều khoản. Điều khoản sử dụng (dành cho người cư trú ngoài EEA, Thụy Sĩ và Vương quốc Anh) quy định người dùng miễn phí chỉ được dùng cho mục đích phi thương mại, còn người dùng trả phí được dùng cho mục đích thương mại.

Gói miễn phí: không có giấy phép thương mại và không được dùng cho mục đích thương mại. Khi công khai âm thanh tạo bằng gói miễn phí hoặc khi chưa đăng nhập, cần ghi "elevenlabs.io" hoặc "11.ai" vào tiêu đề để thể hiện rằng âm thanh được tạo bằng ElevenLabs (nhạc tạo bằng Eleven Music thì ghi "Eleven Music"). Prohibited Use Policy cũng liệt kê việc người dùng miễn phí sử dụng thương mại, chẳng hạn cho quảng cáo, vào danh sách hành vi bị cấm
Gói trả phí: mọi gói trả phí đều có giấy phép thương mại. Tuy nhiên, nội dung tạo bằng các tính năng được xếp vào dạng alpha, beta, preview hoặc tương tự (Beta Services) không được dùng cho mục đích thương mại hoặc trong môi trường production. Chúng tôi không xác định được hiện tại những tính năng nào thuộc diện này
Âm thanh tạo trong thời gian trả phí: theo thông tin chính thức, vẫn có thể tiếp tục dùng cho mục đích thương mại sau khi gói đăng ký kết thúc. Ngược lại, âm thanh tạo bằng gói miễn phí trước hoặc sau thời gian trả phí thì không được dùng thương mại
Điều kiện bổ sung theo từng sản phẩm: Music, Sound Effects, Studio, Dubbing v2 và một số sản phẩm khác có Service-Specific Terms riêng. Ví dụ, Prohibited Use Policy cấm bán hoặc phân phối âm thanh tạo bằng Sound Effects dưới dạng bộ tư liệu độc lập. Ngoài ra, Sound Effects Terms quy định có thể dùng chức năng "Disable" trên trang sản phẩm để ngừng cấp phép lại (sublicense) hiệu ứng âm thanh đã tạo cho bên thứ ba (bao gồm cả người dùng ElevenLabs khác)

Ghi chú của ban biên tập: video có kiếm tiền, quảng cáo và video doanh nghiệp công khai ra bên ngoài nhiều khả năng được xem là sử dụng thương mại. Hãy tránh sản xuất bằng gói miễn phí và kiểm tra điều khoản mới nhất trước khi sử dụng.

Điều kiện nhân bản giọng nói

Instant Voice Cloning: theo tài liệu về thanh toán, nhân bản giọng nói dùng được từ gói Starter trở lên. Tài liệu khuyến nghị khoảng 1–2 phút âm thanh không có tạp âm. Khi tạo, có một bước xác nhận rằng bạn có quyền và đã được đồng ý để sao chép giọng nói đó
Professional Voice Cloning: dùng được từ gói Creator trở lên. Theo trung tâm trợ giúp, số lượng có thể tạo (slot) là 1 với Creator và Pro, 3 với Scale và 10 với Business. Lượng âm thanh khuyến nghị khoảng 30–180 phút (theo FAQ trong tài liệu Instant Voice Cloning), và việc huấn luyện thường mất 3–6 giờ
Chỉ giọng của chính mình: Professional Voice Cloning chỉ tạo được giọng của chính bạn, và không thể tạo giọng của người khác dù có sự đồng ý của họ. Cần xác minh để chứng minh bạn là chủ của giọng nói. Nếu muốn dùng giọng của người khác, cách được hướng dẫn là để chính người đó tạo trên tài khoản của họ rồi chia sẻ
Hành vi bị cấm: Prohibited Use Policy cấm cố ý tái tạo giọng của người khác khi không có sự đồng ý hoặc quyền hợp pháp, cũng như sử dụng nhằm che giấu việc giọng nói được tạo bằng AI

Ngoài ra, điều khoản sử dụng quy định người dùng cấp cho ElevenLabs giấy phép sử dụng nội dung đầu vào và đầu ra (bao gồm giọng nói) để cung cấp, cải thiện dịch vụ và phát triển dịch vụ, sản phẩm mới, và giấy phép này là vĩnh viễn, không thể thu hồi. Có thể từ chối việc dùng cho huấn luyện trong cài đặt "Data use", nhưng lựa chọn này không áp dụng cho những lần sử dụng trước đó. Mặt khác, trang giới thiệu Eleven v4 cho biết kịch bản và nội dung đã gửi sẽ không được dùng để huấn luyện nếu không có sự đồng ý; chúng tôi không xác định được mối quan hệ giữa tuyên bố này và điều khoản sử dụng.

Sử dụng với tiếng Nhật

Ở phần này, chúng tôi tách riêng "ngôn ngữ hiển thị của giao diện (UI)" và "ngôn ngữ được đọc".

Về khả năng đọc, danh sách mô hình trong tài liệu chính thức cho thấy tiếng Nhật nằm trong các ngôn ngữ được Eleven v4, v3, Multilingual v2 và Flash v2.5 hỗ trợ (Flash v2 chỉ hỗ trợ tiếng Anh). Theo trung tâm trợ giúp, bản web tự động nhận diện ngôn ngữ từ văn bản nhập vào, nên được khuyến nghị không trộn nhiều ngôn ngữ trong một lần nhập; còn với API, có thể chỉ định ngôn ngữ bằng language_code. Tuy nhiên, ảnh màn hình mẫu trên trang giới thiệu v4 có mục "Language override", vì vậy hãy kiểm tra tình trạng hiện tại của bản web trên giao diện mới nhất.

Trung tâm trợ giúp giải thích rằng ngôn ngữ do văn bản nhập vào quyết định, còn giọng địa phương và cách phát âm do giọng nói quyết định. Vì các giọng có sẵn và giọng được tạo ra đều là giọng tiếng Anh, cách được hướng dẫn là tìm giọng tiếng Nhật bằng bộ lọc ngôn ngữ của Voice Library hoặc tạo bản nhân bản từ bản ghi âm tiếng Nhật. Ngoài ra, tài liệu Eleven v4 cho biết mô hình được thiết kế để nói tự nhiên ngay cả bằng ngôn ngữ khác với ngôn ngữ của giọng gốc dùng để nhân bản, mà không mang theo giọng địa phương ban đầu (đây là mô tả của nhà cung cấp).

Về giao diện, trang web chính thức có phiên bản tiếng Nhật và cả trang giá tiếng Nhật (giá hiển thị bằng đô la Mỹ giống bản tiếng Anh). Tuy nhiên, từ các thông tin chính thức được kiểm tra lần này, chúng tôi chưa xác định được màn hình ứng dụng sau khi đăng nhập có hiển thị được bằng tiếng Nhật hay không (trung tâm trợ giúp chỉ xác nhận được bản tiếng Anh). An toàn hơn là cân nhắc với giả định sẽ thao tác ứng dụng trên giao diện tiếng Anh.

Để đánh giá chất lượng phát âm tiếng Nhật và cách đọc kanji, số, cách chắc chắn nhất là nghe thử với chính kịch bản bạn muốn dùng. Trung tâm trợ giúp có các bài hướng dẫn khi số, ngày tháng hoặc từ viết tắt bị đọc sai. Ngoài ra, theo trang giới thiệu Eleven v4, còn có tính năng từ điển phát âm (Pronunciation Dictionary) để chỉ định cách đọc.

Trường hợp phù hợp và không phù hợp

Dưới đây là nhận định của ban biên tập dựa trên các thông số đã xác nhận từ thông tin chính thức.

Những trường hợp có thể phù hợp:

Muốn liên tục tạo âm thanh từ kịch bản, như lời dẫn cho video hay sách nói
Muốn tạo âm thanh nhiều ngôn ngữ với cùng một giọng
Muốn giảm công sức thu âm bằng bản nhân bản giọng của chính mình
Muốn tích hợp chuyển văn bản thành giọng nói vào ứng dụng hoặc tác tử hội thoại thông qua API

Những trường hợp có thể không phù hợp:

Muốn dùng gói miễn phí cho quảng cáo hoặc nội dung kiếm tiền
Muốn nhân bản giọng của người khác, như người nổi tiếng hay đồng nghiệp, mà không thông qua tài khoản của chính họ
Bắt buộc màn hình ứng dụng phải hiển thị bằng tiếng Nhật (lần này chưa xác nhận được)
Mục đích chính là bản thân công việc dựng video (ngoài việc tạo giọng nói, cần cân nhắc thêm công cụ dựng video)

Ví dụ sử dụng (minh họa, chưa kiểm chứng)

Ví dụ dưới đây nhằm giải thích cách hoạt động; ban biên tập chưa thực sự sản xuất hay kiểm tra.

Giả sử bạn muốn thêm lời dẫn tiếng Nhật cho một video giới thiệu sản phẩm dài khoảng 3 phút để công khai ra bên ngoài. Vì việc công khai ra bên ngoài có thể được xem là sử dụng thương mại, ví dụ này giả định dùng gói trả phí như Starter.

Quy trình sản xuất với ElevenLabs: chuẩn bị kịch bản, chọn giọng tiếng Nhật, tạo âm thanh và kiểm tra phát âm. Tạo lại những phần cần thiết rồi hoàn thiện bằng công cụ dựng video.

Chuẩn bị kịch bản: số và danh từ riêng dễ bị đọc theo nhiều cách, nên khi cần hãy viết bằng kana hoặc thiết lập từ điển phát âm
Chọn giọng: tìm giọng tiếng Nhật bằng bộ lọc ngôn ngữ của Voice Library và nghe thử với kịch bản của bạn
Tạo âm thanh: tạo theo từng đoạn và chỉ làm lại những chỗ chưa ưng ý
Hoàn thiện: tải tệp âm thanh xuống và ghép khớp với hình ảnh trong công cụ dựng video

Vì Text to Speech tiêu hao khoảng 1 credit cho mỗi ký tự, kịch bản 1.000 ký tự sẽ tốn khoảng 1.000 credit cho mỗi lần tạo (có thể khác tùy mô hình hoặc kênh sử dụng). Bạn cũng cần tính trước lượng credit cho các lần tạo lại.

Cách chọn so với các công cụ khác

Các công cụ liên quan gồm Murf AI, cung cấp Studio để sản xuất lồng tiếng thuyết minh và API giọng nói, và Descript, trình biên tập AI cho phép chỉnh sửa video và âm thanh bằng cách chỉnh sửa bản ghi văn bản (đều theo mô tả trên trang web chính thức của từng công ty). Bài viết này không so sánh giá hay các số liệu khác giữa các công ty.

Khi lựa chọn, nên so sánh theo các tiêu chí sau:

Mục đích chính là tạo giọng nói, chỉnh sửa video và âm thanh, hay tích hợp qua API
Đơn vị tính phí (credit, thời lượng tạo, số ký tự, v.v.) và lượng sử dụng dự kiến mỗi tháng
Gói miễn phí có dùng thương mại được không và có cần ghi nguồn không
Điều kiện nhân bản giọng nói (xác minh danh tính, gói hỗ trợ, số lượng có thể tạo)
Chất lượng đọc tiếng Nhật (đánh giá bằng cách nghe thử với kịch bản thực tế) và có giao diện tiếng Nhật hay không

Bạn cũng có thể xem tổng quan về ElevenLabs tại trang giới thiệu ElevenLabs của chúng tôi.

Câu hỏi thường gặp

ElevenLabs có dùng miễn phí được không?

Có gói miễn phí với 10.000 credit mỗi tháng. Tuy nhiên, gói này không được dùng thương mại, và khi công khai cần ghi "elevenlabs.io" hoặc "11.ai" vào tiêu đề.

Sau khi hủy, tôi có còn dùng được âm thanh tạo trong thời gian trả phí không?

Theo tài liệu chính thức, âm thanh tạo trong thời gian trả phí vẫn được dùng theo giấy phép thương mại ngay cả sau khi gói đăng ký kết thúc. Tuy nhiên, credit chưa dùng sẽ hết hạn vào cuối kỳ thanh toán.

Ngày kiểm tra và nguồn tham khảo

Thông tin trong bài viết này được kiểm tra vào ngày 4/10/2026 (UTC) trên các trang chính thức dưới đây. Giá, chương trình khuyến mãi và thông số có thể thay đổi, vì vậy hãy kiểm tra thông tin mới nhất trước khi sử dụng.