Local Narrator TTS là plugin chuyển văn bản thành giọng nói dành cho Adobe Premiere Pro của Shiki Tatsuta, cho phép tạo lời thuyết minh bằng AI ngay trên máy tính và chèn tệp WAV trực tiếp vào timeline. Công cụ sử dụng một đoạn ghi âm tham chiếu cùng phần transcript chính xác để tạo câu thoại mới mang đặc điểm của giọng nói đó.

Điểm nổi bật của Local Narrator TTS là quá trình tổng hợp giọng nói được thực hiện cục bộ trên máy tính thay vì gửi từng yêu cầu lên dịch vụ TTS đám mây. Sau khi hoàn tất cài đặt engine và tải model, người dùng có thể thử lời thoại, nghe trong ngữ cảnh của video và tạo lại câu mới ngay trong Premiere Pro mà không phải liên tục xuất nhập tệp âm thanh thủ công.

TÍNH NĂNG

• Chuyển văn bản thành giọng nói bằng AI ngay trong Premiere Pro
• Tổng hợp âm thanh cục bộ trên máy tính
• Sử dụng Qwen3-TTS làm engine mặc định
• Sử dụng giọng nói tham chiếu để tạo lời thuyết minh mới
• Cho phép nhập transcript chính xác của đoạn giọng tham chiếu
• Tạo tệp âm thanh WAV
• Chèn WAV trực tiếp vào timeline Premiere Pro
• Chọn audio track đích trước khi tạo
• Chèn âm thanh tại vị trí playhead
• Chèn tại một thời điểm xác định theo giây
• Chèn vào cuối sequence
• Có thể nghe kết quả trong chính bản dựng rồi sửa câu và tạo lại
• Các WAV đã tạo được giữ lại để tiếp tục chỉnh sửa hoặc tái sử dụng
• Có thể lựa chọn thư mục lưu âm thanh
• Giao diện panel bằng tiếng Anh và tiếng Nhật
• Không tính phí TTS đám mây theo từng lần tạo

GIỌNG NÓI THAM CHIẾU

Local Narrator TTS không đơn thuần yêu cầu người dùng chọn một giọng đọc có sẵn.

Người dùng cung cấp:

• Một tệp WAV có giọng nói tham chiếu sạch
• Transcript chính xác từng từ được nói trong đoạn WAV
• Ngôn ngữ tương ứng với đoạn tham chiếu
• Nội dung mới cần tạo thành lời thoại

Nhà phát triển khuyến nghị sử dụng đoạn giọng tham chiếu dài từ khoảng 6 giây trở lên.

Giọng tham chiếu và nội dung mới nên sử dụng cùng một ngôn ngữ. Transcript phải phản ánh chính xác những gì được nói trong tệp âm thanh, thay vì là bản tóm tắt hoặc câu mà người dùng muốn tạo.

NGÔN NGỮ

Engine Qwen hiện cung cấp lựa chọn:

• Tiếng Anh
• Tiếng Nhật
• Tiếng Trung
• Tiếng Hàn
• Tiếng Pháp
• Tiếng Tây Ban Nha
• Tiếng Đức

Cần sử dụng bản ghi tham chiếu và transcript phù hợp với ngôn ngữ của phần lời thoại muốn tạo.

QUY TRÌNH LÀM VIỆC

1. Cài plugin và local engine.
2. Mở Local Narrator TTS trong Premiere Pro.
3. Chọn tệp WAV tham chiếu có giọng nói rõ ràng.
4. Nhập chính xác transcript của đoạn ghi âm đó.
5. Chọn ngôn ngữ tương ứng.
6. Nhập câu thoại mới cần tạo.
7. Chọn audio track và vị trí muốn chèn.
8. Chọn Generate & Insert to Timeline.
9. Plugin tạo WAV trên máy tính và đưa clip âm thanh vào sequence.
10. Nghe kết quả cùng video, sau đó chỉnh câu hoặc tạo một phiên bản mới nếu cần.

LƯU TRỮ ÂM THANH

Theo mặc định, các tệp WAV được tạo sẽ được lưu trong thư mục:

LocalNarratorTTS_Audio

Thư mục này nằm cạnh project Premiere Pro đã lưu. Người dùng cũng có thể chọn một thư mục đầu ra khác trong Advanced Settings.

ENGINE CỤC BỘ

Quá trình tạo giọng nói được xử lý trên máy tính. Internet vẫn cần thiết trong giai đoạn thiết lập, tải model và kích hoạt/xác thực giấy phép aescripts.

Việc cài đặt local engine yêu cầu:

• Python 3.10–3.12
• FFmpeg có trong PATH
• Một vài GB dung lượng trống cho engine, các gói Python và model tải về

Sau khi được thiết lập, engine chạy cục bộ và không sử dụng dịch vụ TTS đám mây tính phí theo từng lần tạo.

ỨNG DỤNG

• Tạo lời thuyết minh tạm trong quá trình dựng
• Thử nội dung voice-over trước khi thu âm chính thức
• Kiểm tra một câu thoại có vừa với thời lượng cảnh hay không
• Tạo lời dẫn cho video hướng dẫn
• Thử nhiều cách viết khác nhau ngay trên timeline
• Tạo lại một câu khi cần thay đổi nội dung
• Dựng bản nháp trước khi thực hiện buổi thu âm cuối cùng
• Tạo lời thoại bằng chính giọng của người dùng hoặc giọng mà người dùng được phép sử dụng

TƯƠNG THÍCH

• Adobe Premiere Pro 25.6 trở lên
• Được thử nghiệm trên Premiere Pro 2026
• macOS
• Windows
• Premiere UXP Panel
• Gói cài đặt bao gồm UXP .ccx dùng chung và tài liệu Install/Quickstart PDF

LƯU Ý

Phiên bản UXP hiện tại tạo từng clip một. Batch generation và tạo nhiều biến thể trong một lần chưa được hỗ trợ.

Chất lượng, cách phát âm, nhịp đọc và mức độ giống giọng tham chiếu có thể thay đổi tùy bản ghi và từng lần tạo. Nên sử dụng giọng tham chiếu sạch, transcript chính xác và kiểm tra từng WAV trước khi sử dụng trong sản phẩm hoàn chỉnh.

Chỉ nên sử dụng giọng nói của chính bạn hoặc giọng mà bạn có quyền sử dụng.