Hướng dẫn âm thanh VberAI: Giọng nói game, SFX và nhạc lặp nhanh hơn

Trong game, âm thanh không phải “nền.” Nó là phản hồi: nút có nhận không, kỹ năng có trúng không, hay màn xuất hiện của boss có đủ áp lực không. Người chơi thường xác nhận những khoảnh khắc đó bằng tai trước tiên. Âm thanh cũng là lớp mà các nhóm nhỏ hay trì hoãn—thuê VO tính theo từng câu, thư viện SFX lộn xộn nhiều phiên bản, nhạc hợp tâm trạng nhưng không hợp giấy phép. Một thay đổi thiết kế kéo theo thêm một vòng bàn giao.

VberAI Studio (AI Studio) đặt việc tạo giọng nói, SFX và nhạc trên cùng một canvas game: mô tả tài nguyên bằng văn bản, rồi cắt, tách và gắn nó vào Spine / chuỗi khung hình / sự kiện UI trước khi xuất theo định dạng engine. Bài này không đi vào giao diện (các lớp và công cụ: các lớp âm thanh AI Studio). Bài chỉ nói một điều: cách viết prompt để phải sửa lại ít hơn.

Ba khả năng tạo âm thanh

Khả năng	Mục nhập	Đầu ra điển hình	Dùng trong game
Giọng nói / tiếng quái vật	Voice / Monster VO	Hội thoại, tường thuật, tiếng gọi sinh vật	Cốt truyện, NPC, mở màn boss, tiếng rên khi trúng đòn
SFX game	Sound Effect	Tương tác, chiến đấu, không khí ngắn	Nhấp UI, kỹ năng, cửa, bước chân, vòng lặp
Nhạc / bài hát	Music / Song	Nhạc nền, chủ đề, nền âm	Menu chính, vòng lặp màn, cutscene, sự kiện

Cả ba dùng chung một thứ tự: nó là gì, cảm giác thế nào, rồi dài bao lâu và dùng để làm gì. Các phần dưới sẽ mổ xẻ từng loại.

Giọng nói / tiếng quái vật: hội thoại, tường thuật và tiếng gọi sinh vật

Khi nào dùng

• Tạo hội thoại nguyên mẫu trước—kiểm tra nhịp độ và mật độ thông tin trước khi đặt thuê người thu âm
• Lượng lớn câu thoại NPC ngắn (thương nhân, lính gác, gợi ý nhiệm vụ) nơi chi phí từng câu cộng dồn
• Tiếng quái vật: gầm, thì thầm, trúng đòn, chết—khó thu, tốn kém khi thuê ngoài
• Bản địa hóa: giữ một âm sắc cho mỗi nhân vật, chỉ đổi câu thoại

Công thức prompt

vai + âm sắc + cảm xúc + nhịp / ngữ điệu + ngôn ngữ + thoại

Ví dụ

Deep, raspy elderly wizard. Slow and mysterious, slight echo. English:
"Welcome to my dungeon, mortal."

AI Lồng tiếng

00:00

--:--

Phù thủy già, trầm và khàn. Chậm, huyền bí, hơi vang. Tiếng Việt:
"Chào mừng đến hầm ngục của ta, kẻ phàm."

AI Lồng tiếng

00:00

--:--

Quỷ cỡ trung bị đẩy lùi. Tiếng gầm cộng hưởng từ lồng ngực, giận chuyển thành đau, không lời thoại, khoảng 1,2 giây.

AI Lồng tiếng

00:00

--:--

Tham chiếu âm sắc

Mô tả giọng “giống X” ổn định hơn là xếp chồng tính từ. Vài mốc hữu ích:

• Pháp sư nữ lạnh lùng: Diablo III Wizard (nữ)—lạnh, tiết chế
• Pháp sư nam vững vàng: Diablo III Wizard (nam)—trầm, uyên bác
• Quỷ / succubus: thì thầm phả hơi kiểu Lilith; gầm cộng hưởng lồng ngực với xử lý phi nhân loại

Khi một giọng đã được duyệt, lưu nó bằng Voice presets và tái sử dụng qua các cảnh thay vì mô tả lại nhân vật mỗi câu.

SFX game: UI, kỹ năng và không khí ngắn

Khi nào dùng

• Phản hồi UI: nhấp, đổi trang, xác nhận, lỗi
• Phản hồi chiến đấu: trúng, đỡ, chí mạng, kỹ năng bắt đầu / va chạm / tan biến
• Môi trường: cửa, bước chân, đuốc, giọt nước, vòng gió ngắn
• Tài nguyên tạm hàng loạt cho nguyên mẫu, rồi thay theo cảm giác

Công thức prompt

hành động + chất liệu + không gian + thời lượng + phong cách

Ví dụ

Cửa gỗ nặng kẽo kẹt mở kèm ma sát xích. Vang hầm ngục. 1,5 giây.

AI SFX

00:00

--:--

Đoản kiếm kim loại đập vào giáp da. Tiếng thịch đục kèm đuôi kim loại ngắn, không vang phòng, 0,4 giây, chân thực.

AI SFX

00:00

--:--

Thu xu 8-bit retro. Hai nốt đi lên, sáng, 0,3 giây.

AI SFX

00:00

--:--

Mốc phong cách

“Phong cách” là từ dễ bỏ trống nhất. Tên thư viện hoặc thể loại cụ thể hiệu quả hơn:

• Vật lý / chân thực: tiếng nứt, va chạm và ma sát kiểu Strata Physics
• Điện tử / sci-fi: xung trầm và UI synth kiểu Deep Tech – Kenno Sample Pack
• Pixel / retro: âm chip 8-bit, sóng vuông và nhiễu, ngắn và sạch

Nhạc / bài hát: nhạc nền màn và chủ đề

Khi nào dùng

• Vòng lặp nhạc nền menu chính và màn chơi
• Cutscene và chuyển đổi cảm xúc trận boss
• Chủ đề skin sự kiện gắn với đổi giao diện một cú nhấp
• Nhạc trailer / chuỗi khung hình

Công thức prompt

phong cách + tâm trạng + nhạc cụ + nhịp độ / BPM + thời lượng + mục đích

Ví dụ

Gothic tối, chủ đề Halloween. Đàn ống, glockenspiel, trống trầm.
Nhịp trung bình, căng thẳng và bí ẩn. Vòng lặp liền mạch, 30 giây, nhạc nền màn.

AI Nhạc

00:00

--:--

Piano độc tấu nhẹ nhàng, ấm và hơi hoài niệm, chậm ~70 BPM, không trống, 60 giây, menu chính khi chờ.

AI Nhạc

00:00

--:--

Mốc phong cách

• Chiptune 8-bit: platformer, dự án pixel retro
• Nhạc game điện ảnh: dây + kèn đồng + bộ gõ cho boss và cutscene
• Piano nhẹ: menu, cảnh ký ức, màn kết quả

Nghiên cứu tình huống: bộ âm thanh hầm ngục gothic

Giả sử một hầm ngục gothic tối. Bạn cần ba tài nguyên: VO mở màn quái vật, SFX phép lửa, nhạc nền sự kiện Halloween.

1. VO mở màn quái vật

Lính canh gargoyle khổng lồ. Giọng như đá mài, cực trầm và chậm, vang nhà thờ.
Khinh miệt ẩn dưới cơn giận. Tiếng Việt:
"Lại một kẻ đến để chết."

Mục tiêu: 4-7 giây; nhấn vào “chết,” kéo âm tiết cuối; đuôi vang khoảng 1 giây. Nếu nghe quá giống người, thêm “phi nhân loại, bỏ hơi thở.”

AI Lồng tiếng

00:00

--:--

2. SFX phép lửa

Cầu lửa từ trượng: tiếng vút như hít vào ngắn, rồi tiếng nổ tần số thấp,
kèm lửa nổ lách tách và cộng hưởng kim loại nhẹ, vang phòng đá, tổng 1,8 giây, dark fantasy.

Mục tiêu: ba giai đoạn (bắt đầu → bùng nổ → tàn); âm trầm không được lấn tiếng lách tách tầm trung. Để xếp lớp trong engine, Split clip thành “bắt đầu” và “bùng nổ” để mỗi pha thi triển kích hoạt riêng.

AI SFX

00:00

--:--

3. Nhạc nền Halloween

Gothic tối, chủ đề Halloween. Giai điệu đàn ống, điểm nhấn glockenspiel, trống trầm đều,
khoảng 90 BPM, căng thẳng và bí ẩn nhưng không kinh dị, vòng lặp liền mạch, 30 giây, nền sảnh sự kiện.

Mục tiêu: đầu và đuôi phải khớp; glockenspiel chỉ ở cuối câu để không chật. Nếu điểm lặp bị tách, dùng AI audio extend ở đuôi rồi cắt lại.

AI Nhạc

00:00

--:--

Sau khi tạo, cả ba nằm trên cùng canvas: VO trên khung mở màn boss, SFX trên khung kỹ năng, nhạc nền như lớp lặp—rồi xuất WAV / OGG cho Unity / Godot / Cocos.

Mẹo viết prompt

1. Vai trò trước, tính từ sau: gọi tên ai hoặc cái gì, rồi thêm âm sắc. “Pháp sư già, khàn” tốt hơn “khàn, bí ẩn, giọng trầm.”
2. Viết cảm xúc như một chuyển biến: “giận chuyển thành đau” khớp phản hồi trúng đòn hơn “giận.”
3. Luôn nêu không gian: hầm ngục, phòng đá, cánh đồng, khô—điều này quyết định bạn có phải thêm Reverb trong engine không.
4. Thời lượng đến 0,1 giây: SFX ngắn 0,3–0,6 giây, cửa 1–2 giây, VO theo độ dài câu thoại.
5. Nêu rõ vòng lặp: viết “vòng lặp liền mạch” cho nhạc nền và không khí, nếu không bạn sẽ nhận một đoạn có đầu và cuối.
6. Kết bằng mục đích: “menu chính khi chờ,” “phản hồi trúng đòn”—những từ này ảnh hưởng động lực và mật độ.
7. Lặp bằng phủ định: “bỏ hơi thở,” “không giọng hát,” “không trống” ổn định hơn viết lại toàn bộ prompt.
8. Hội thoại theo ngôn ngữ nói; SFX và nhạc thì không: viết câu thoại bằng ngôn ngữ nhân vật sẽ nói; SFX và nhạc dùng chung giữa các ngôn ngữ—đừng tạo bản “dịch.” Tên nhạc cụ và thể loại thường ổn định hơn bằng tiếng Anh.

Thư viện giọng nói, SFX và nhạc miễn phí

Âm thanh tạo bằng AI không phải lựa chọn duy nhất. Tài liệu tham chiếu và tài nguyên tạm vẫn hữu ích. Các nguồn dưới đây miễn phí để lấy; kiểm tra giấy phép từng mục trước khi dùng thương mại.

SFX

Nguồn	Dùng	Ghi chú bản quyền
Freesound	Thư viện SFX lớn do người dùng tải lên	Trộn CC0 / CC-BY / CC-BY-NC; kiểm tra từng tệp
ZapSplat	SFX sản xuất có phân loại	Gói miễn phí cần ghi công; gói trả phí thì không
Mixkit	SFX + nhạc	Mixkit License, cho phép dùng thương mại
Kenney	Gói UI / tương tác game	CC0, ít ràng buộc nhất
Sonniss GDC	Gói chuyên nghiệp GDC hằng năm	Miễn phí bản quyền dùng thương mại; không phân phối lại
OpenGameArt	SFX + nhạc + đồ họa	CC0 / CC-BY / GPL và khác; kiểm tra từng tệp
Taira Komori	SFX game phong cách Nhật	Miễn phí kể cả thương mại; không phân phối lại

Giọng nói / phát âm

Nguồn	Dùng	Ghi chú bản quyền
Coqui TTS	Mô hình TTS mã nguồn mở và gói giọng	Giấy phép khác nhau; xác nhận trước khi dùng thương mại

Nhạc

Nguồn	Dùng	Ghi chú bản quyền
Pixabay Music	Nhạc nền đa thể loại	Pixabay Content License; thương mại OK, không phân phối lại nguyên bản
Incompetech	Thư viện nhạc miễn phí kinh điển	CC-BY 4.0 cần ghi công; tùy chọn trả phí bỏ ghi công
NCS	Nhạc điện tử	Nhà sáng tạo dùng cần ghi công; dùng thương mại trong game cần giấy phép riêng

Một thói quen thực tế: chọn một clip miễn phí gần giống làm “tham chiếu phong cách,” rồi viết “kết cấu như X” trong prompt. Cách đó thường đạt kết quả nhanh hơn chỉ dùng tính từ.

Tổng kết

Khi giọng nói, SFX và nhạc bị thuê ngoài theo ba luồng, phần tốn kém không phải một tài nguyên đơn lẻ—mà là căn chỉnh ba chuỗi. Tạo, cắt, tách, gắn và xuất trên một canvas cho phép nhóm nghe phản hồi đầy đủ trong nguyên mẫu, rồi quyết định clip nào đáng thuê người hoặc xử lý chuyên sâu.

Cốt lõi prompt gói trong một câu: nêu vai trò, cảm giác, không gian, thời lượng và mục đích. Viết theo thứ tự đó và số lần sửa lại sẽ giảm.

Hãy thử bộ gothic trong VberAI Studio, so kết quả với các mục tiêu trên, rồi tinh chỉnh mẫu prompt của riêng bạn.