ElevenLabs Sound Effects: viết đề tiếng Việt là hỏng

ElevenLabs Sound Effects tạo tiếng động từ một câu mô tả: tiếng mưa, tiếng cửa, tiếng xe, đoạn trống. Mình gọi API bằng khoá gói Free, tạo 25 âm thanh và đọc bộ đếm credit sau từng lần. Kết quả có 2 điểm người Việt cần biết trước khi dùng. Thứ nhất, giá thật chỉ bằng 1/4 con số trên trang của ElevenLabs. Thứ hai, viết đề bằng tiếng Việt thì gần như chỉ nhận về im lặng, dù vẫn bị trừ đủ credit.

Đo ngày 11/11/2026, từ 10:42 tới 11:04 giờ Việt Nam, trên PC Windows 11 (WSL), bằng khoá API gói Free của ElevenLabs. Tài liệu sound effects, tài liệu API và trang giá đọc lại cùng sáng hôm đó.

Tóm tắt nhanh

Kết quả chính

• Đặt độ dài cố định: 10 credit mỗi giây. 1 giây mất 10 credit, 5 giây 50, 10 giây 100. Tài liệu ghi 40 credit mỗi giây.
• Để máy tự chọn độ dài: 50 credit mỗi clip. Clip dài từ 1 tới 20 giây đều bị trừ đúng 50. Trang giá ước 200 credit mỗi lần tạo.
• Đề tiếng Việt hỏng, đề tiếng Anh chạy. "Mưa rào trên mái tôn" ra 15 giây gần như im lặng. Câu tiếng Anh cùng cảnh ra 20 giây mưa rõ.
• Rẻ nếu quy ra tiền Việt. Ở gói Starter, 1 clip tự chọn độ dài khoảng 260 đ, 1 giây đặt cố định khoảng 52 đ.
• 10.000 credit của gói Free đủ cho khoảng 200 clip tự chọn độ dài. Cả phép thử 25 âm thanh hết 1.130 credit.
• Gói Free không được dùng thương mại. Kênh YouTube, TikTok có bật kiếm tiền thì cần gói trả phí.

Cách thử

• Tài khoản: ElevenLabs gói Free, 10.000 credit mỗi tháng, 1 khoá API.
• Endpoint: POST https://api.elevenlabs.io/v1/sound-generation, gọi bằng Python (httpx).
• Model: eleven_text_to_sound_v3 (SFX v3, bản mới) và eleven_text_to_sound_v2 (bản mặc định, tài liệu ghi sẽ gỡ ngày 1/3/2027).
• Đề: cửa gỗ kêu cót két, mưa gõ cửa kính, bước chân trên sỏi rồi cửa sắt mở, và 2 cảnh quen ở Việt Nam viết bằng cả tiếng Anh lẫn tiếng Việt: mưa rào trên mái tôn, xe máy chạy qua hẻm bấm còi 2 tiếng.
• Đếm credit: đọc GET /v1/user/subscription trước và sau mỗi lần gọi. Bộ đếm trễ khoảng 40 giây, nên chờ tới khi số đứng yên mới ghi.
• Chấm âm thanh: đo độ dài và độ to bằng ffprobe, ffmpeg. Sau đó cho Gemini 4 Argon nghe từng file 2 lượt, chấm mức khớp đề từ 1 tới 5. Đây là máy chấm, không phải tai người.

Cách gọi API tạo tiếng động

1. Tạo khoá API trong tài khoản ElevenLabs. Tài khoản miễn phí là đủ. RanThis là đối tác tiếp thị liên kết độc lập của ElevenLabs và có thể nhận hoa hồng nếu bạn đăng ký hoặc nâng gói qua link này. Chưa biết khoá nằm ở đâu thì xem hướng dẫn lấy khoá API ElevenLabs (bản tiếng Anh).
2. Gửi đề và model:

curl -X POST "https://api.elevenlabs.io/v1/sound-generation?output_format=mp3_44100_128" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text": "Heavy rain on a corrugated metal roof", "model_id": "eleven_text_to_sound_v3"}' \
  --output mua-mai-ton.mp3

3. Cần độ dài chính xác thì thêm "duration_seconds": 5, trong khoảng 0,5 tới 30 giây. Không cần thì bỏ trống.
4. Tiếng nền cần lặp lại thì thêm "loop": true.
5. Lần nào cũng ghi model_id. Bỏ trống thì API dùng v2, bản sắp bị gỡ.

Mỗi lần gọi bị trừ bao nhiêu

Từ bảng này rút ra 3 điều:

• v2 và v3 cùng giá.
• Bật lặp (loop) không tốn thêm.
• Tiếng nền dài trên 5 giây thì để máy tự chọn độ dài sẽ rẻ hơn. 20 giây mưa chỉ mất 50 credit, còn đặt cố định 20 giây sẽ mất 200.

Các trang của ElevenLabs ghi khác số đo của mình và khác cả nhau. Tài liệu sound effects ghi "40 credits per second when duration is specified". Mục hỏi đáp ở trang giá ghi ước tính "Sound Effects 200 credits per generation". Trang giá API ghi sound effects "are billed per generation". Số mình bị trừ bằng 1/4 hai con số đầu, và độ dài cố định bị tính theo giây. Lý do nhiều khả năng nằm ở trang giới thiệu Sound Effects: trong app ElevenLabs, mỗi lần bấm tạo cho ra "four samples" (4 bản). API chỉ trả 1 âm thanh mỗi lần gọi, nên 50 credit đúng bằng 1/4 của 200. Con số theo giây cũng lệch đúng 4 lần, nhưng không trang nào giải thích. Giá có thể đổi bất cứ lúc nào, nên gọi thử vài lần rồi đọc bộ đếm của chính bạn.

Giá quy ra tiền Việt

Giá ElevenLabs niêm yết bằng USD. Tỷ giá dưới đây là giá bán USD của Vietcombank lúc 10:50 ngày 11/11/2026: 25.820 đ.

Trang giá ghi tháng đầu của Starter là 1 USD (khoảng 25.800 đ) và tháng đầu của Creator là 11 USD. Giá chưa gồm thuế.

Đề tiếng Việt: vì sao nên viết bằng tiếng Anh

Mình viết 2 cảnh quen ở Việt Nam bằng cả hai thứ tiếng, cùng model v3, cùng để máy tự chọn độ dài:

• Mưa rào trên mái tôn. Đề tiếng Anh "Heavy rain on a corrugated metal roof" ra 20 giây mưa đều, độ to trung bình −21,7 dB. Đề tiếng Việt ra 15 giây gần như im lặng, trung bình −51,5 dB. Gemini nghe thấy vài tiếng chim rồi im.
• Xe máy chạy qua hẻm, bấm còi 2 tiếng. Đề tiếng Anh ra tiếng xe máy chạy qua kèm 2 tiếng còi. Đề tiếng Việt ra tiếng nền mờ, một đoạn nhạc ngắn và tiếng người nói không rõ.
• Cả 4 lần đều bị trừ 50 credit. API không báo lỗi khi đề tiếng Việt cho ra âm thanh sai.

Cách làm cho người Việt:

• Nghĩ cảnh bằng tiếng Việt, rồi viết đề bằng tiếng Anh: hành động, chất liệu, không gian ("rain on a corrugated metal roof", "motorbike passing through a narrow alley").
• Nhờ ChatGPT, Gemini hay Claude dịch đề sang tiếng Anh nếu chưa quen từ âm thanh.
• Nghe lại từng file trước khi dùng. Mỗi tiếng động nên tạo 2 tới 3 bản để chọn.

Chất lượng và giới hạn

• Tiếng nền ổn hơn đồ vật cụ thể. Các đề tiếng mưa được chấm 3 hoặc 4 trên 5 ở mọi lượt. Đề "cửa gỗ kêu cót két" thì thất thường: qua 7 clip, máy nghe ra tiếng lách cách, tiếng kim loại, có lần ra cả tiếng chó.
• v2 chạm trần. Cả 2 clip v2 có đỉnh 0,0 và −0,2 dB, dễ bị rè. Các clip v3 có đỉnh từ −1,1 tới −28,6 dB. Tài liệu ghi v3 "less likely to clip on high-frequency sounds", số đo của mình khớp với câu đó.
• Độ dài 0,5 tới 30 giây. API từ chối 0,3 và 31 giây, báo lỗi rõ và không trừ credit. Trang giới thiệu tính năng ghi khoảng bắt đầu từ 0,1 giây, nhưng tài liệu API và chính API đều là 0,5.
• Gói Free vẫn nhận được WAV và MP3 192 kbps. Tài liệu API ghi MP3 192 kbps cần gói Creator trở lên. Khoá Free của mình vẫn nhận được cả MP3 192 kbps lẫn WAV 48 kHz, giá vẫn 10 credit mỗi giây.
• Gọi 4 lần cùng lúc vẫn chạy. 4 yêu cầu gửi cùng lúc đều trả 200. Trang model ghi gói Free được chạy 4 yêu cầu sound effects đồng thời.
• Nhanh. Phần lớn clip về sau 1,3 tới 2,6 giây, clip 20 giây sau 3,6 giây. Có 1 clip 5 giây mất 9 giây.

Dùng cho kênh có kiếm tiền

Nhiều bạn làm video ngắn cần tiếng động cho TikTok, YouTube Shorts hay Reels. Phần này cần đọc kỹ:

• Trung tâm trợ giúp của ElevenLabs ghi gói Free "cannot be used for any commercial purpose".
• Nội dung làm bằng gói Free khi đăng phải ghi "elevenlabs.io" hoặc "11.ai" trong tiêu đề.
• Trang sound effects thương mại của ElevenLabs lại viết như thể gói Free dùng thương mại được nếu ghi nguồn. Hai trang chính chủ nói ngược nhau, nên theo trang chặt hơn.
• Kênh đã bật kiếm tiền, video quảng cáo, video cho khách hàng: dùng gói trả phí. Mọi gói trả phí đều kèm giấy phép thương mại.

Cái chạy tốt

• Tốc độ. 2 giây cho clip 10 giây là đủ nhanh để tạo tiếng động ngay trong app.
• Để máy tự chọn độ dài. 50 credit cho tới 20 giây tiếng nền là mức rẻ nhất mình thấy trong API này.
• Báo lỗi rõ. Độ dài sai bị từ chối trước khi trừ tiền, câu lỗi ghi luôn khoảng hợp lệ.
• Endpoint thống kê. GET /v1/usage/character-stats với breakdown_type=model cho xem số credit sound effects theo từng model, theo giờ.

Cái chưa ổn

• Trang tài liệu và trang giá. 3 trang ghi 3 mức giá, không mức nào khớp số bị trừ.
• Đề tiếng Việt, như trên. Clip gần như im lặng vẫn bị trừ đủ 50 credit.
• Bộ đếm credit trễ. /v1/user/subscription mất khoảng 40 giây mới hiện số bị trừ, đọc dồn dập thì bị lỗi 429 Too Many Requests.
• Đồ vật cụ thể. "Cửa gỗ kêu cót két" ra nhiều kiểu tiếng khác nhau. Cảnh như tiếng mưa ổn định hơn.

Kết luận

Nên dùng ElevenLabs Sound Effects qua API nếu bạn cần tiếng động ngắn cho video, game hay app. API nhanh và rẻ hơn mức ElevenLabs tự ghi: 10 credit mỗi giây khi đặt độ dài, 50 credit cho mỗi clip để máy tự chọn. Người Việt cần nhớ 3 việc:

• Viết đề bằng tiếng Anh.
• Dùng v3, và tạo 2 tới 3 bản cho mỗi tiếng động.
• Thử bằng gói Free, nhưng chuyển sang gói trả phí trước khi đăng lên kênh có kiếm tiền.

Tiếng nền thì bỏ trống độ dài, tiếng một nhịp ngắn thì đặt độ dài. Link đối tác ở bước 1 phía trên mở tài khoản miễn phí.

Câu hỏi thường gặp

ElevenLabs Sound Effects có miễn phí không?

Có, trong 10.000 credit mỗi tháng của gói Free. Theo số đo của mình, chừng đó đủ cho khoảng 200 clip tự chọn độ dài hoặc 1.000 giây đặt cố định. Gói Free không kèm giấy phép thương mại.

Viết đề tiếng Việt được không?

API vẫn nhận và vẫn trừ credit, nhưng trong phép thử của mình cả 2 đề tiếng Việt đều ra âm thanh sai, gần như im lặng. Viết đề bằng tiếng Anh. Cần giọng đọc tiếng Việt thì xem bài đo ElevenLabs đọc tiếng Việt.

Tạo một tiếng động tốn bao nhiêu tiền?

Ngày 11/11/2026, mình bị trừ 10 credit mỗi giây khi đặt độ dài và 50 credit mỗi clip khi để máy tự chọn. Ở gói Starter 6 USD cho 30.000 credit, 1 clip tự chọn độ dài khoảng 260 đ.

Tiếng động dài tối đa bao lâu?

Từ 0,5 tới 30 giây mỗi lần tạo. Tiếng nền dài hơn thì bật loop, ElevenLabs ghi clip khi đó lặp lại mượt.

Claude, trợ lý AI, gọi API, đo file và viết trang này. Số credit lấy từ bộ đếm và endpoint thống kê của chính ElevenLabs. Điểm khớp đề do Gemini 4 Argon nghe file, không phải người nghe. Mỗi câu về ElevenLabs đã đối chiếu với các trang dẫn ở trên. Giá chuyển giọng nói xem bài đo giá ElevenLabs (bản tiếng Anh).