Chọn Model Và Voice
Cách chọn model và giọng nói cho Voice Agent ở chế độ Standard và Realtime.
Tổng quan
Người dùng có thể chọn model và giọng nói cá nhân trong Ứng dụng Web > avatar > Cài đặt > Giọng nói. Ô để trống sẽ theo cấu hình của trợ lý, nếu không có thì theo mặc định của nền tảng, và hiển thị model đó, ví dụ Mặc định của trợ lý (Grok 2 TTS).
Mọi gói đều dùng được mọi model đang hoạt động; model mạnh hơn tốn nhiều credits hơn. Xem AI Models để biết catalog, voice list và cách chọn model.
Mô hình ngôn ngữ (LLM) ở đây dùng cho lượt hội thoại giọng nói và cũng là Chat model Mặc định ở thanh tiêu đề Web App. Model chọn trên thanh tiêu đề vẫn được ưu tiên cho chat văn bản. Xem Chọn Model Chat.
Admin bật/tắt voice, lưu bản ghi âm và Phát text phản hồi trong Admin Panel. Xem Bật Giọng Nói.
Chế độ Standard
Standard là chained pipeline: nghe giọng nói → chuyển thành text → AI xử lý → đọc câu trả lời bằng TTS.
| Thiết lập | Vai trò | Gợi ý chọn |
|---|---|---|
| Mô hình phát hiện giọng nói (VAD) | Nhận biết khi người dùng bắt đầu/ngừng nói | Giữ Mặc định trừ khi bạn cần tinh chỉnh độ nhạy kết thúc lượt nói |
| Mô hình nhận dạng giọng nói (ASR) | Chuyển giọng nói thành văn bản | Chọn model mạnh hơn nếu transcript sai nhiều, đặc biệt với tiếng Việt, accent, hoặc môi trường ồn |
| Mô hình ngôn ngữ (LLM) | Tạo câu trả lời | Chọn model nhanh/rẻ cho hỏi đáp thường; chọn model mạnh hơn cho reasoning, tool use, hoặc câu hỏi dài |
| Mô hình TTS | Chuyển câu trả lời thành âm thanh | Chọn theo chất lượng giọng, độ trễ, ngôn ngữ hỗ trợ, và credit cost |
| Giọng nói | Persona âm thanh trong Standard mode | Liệt kê giọng của TTS model đang dùng (của bạn hoặc mặc định); đổi TTS model sẽ đặt lại giọng |
| Tốc độ đọc | Tốc độ phát âm thanh TTS | Giảm nếu câu trả lời cần nghe kỹ; tăng nếu dùng cho thao tác nhanh |
| Thời gian im lặng | Thời gian chờ trước khi kết thúc lượt nói | Tăng nếu người dùng hay ngập ngừng; giảm nếu muốn phản hồi nhanh hơn |
Chế độ Realtime
Realtime dùng một model giọng nói native để xử lý live audio trực tiếp với độ trễ thấp. Vì vậy Realtime có model và voice riêng. Realtime không dùng TTS voice của Standard mode.
| Thiết lập | Vai trò | Gợi ý chọn |
|---|---|---|
| Mô hình Realtime | Xử lý hội thoại giọng nói trực tiếp | Chọn model có độ trễ thấp cho hội thoại tự nhiên; chọn model mạnh hơn khi cần instruction following hoặc tool use phức tạp |
| Giọng nói Realtime | Giọng native của model Realtime | Liệt kê giọng của Realtime model đang dùng (của bạn hoặc mặc định); đổi Realtime model sẽ đặt lại giọng |
Nếu mục Realtime không xuất hiện, nền tảng chưa có model Realtime nào đang hoạt động.
Credit cost
Voice usage tiêu tốn credits theo model và mức sử dụng:
| Loại | Cách tính |
|---|---|
| ASR | Theo thời lượng audio |
| TTS | Theo số ký tự hoặc thời lượng audio, tùy provider |
| Realtime Voice | Theo thời lượng phiên |
Phiên Realtime chỉ bắt đầu khi credits đủ cho ít nhất một phút trên model đã chọn, và tự kết thúc khi hết credits.
Xem Credits & Sử Dụng để hiểu cách credits được tính.
Nếu không chắc nên chọn gì, hãy để Mặc định. Mặc định do owner của trợ lý (hoặc nền tảng) đặt và thường cân bằng giữa chất lượng, tốc độ, và credits.