Trong video ngắn, hình và tiếng rất thường đến từ hai nguồn khác nhau: người trong hình đang nhép theo một đoạn âm thanh thịnh hành, hoặc tiếng nói đã được thay bằng giọng người khác hay giọng AI. Muốn biết lời nói có đúng là của người trong hình không, hãy kiểm ba thứ: âm thanh của clip là "âm thanh gốc" hay một âm thanh có tên riêng, môi có khớp với từng tiếng không, và chất giọng có đặc điểm của giọng tổng hợp như thiếu hơi thở, ngữ điệu phẳng, đọc sai thanh điệu hay con số.
Lồng tiếng và nhép miệng là một dạng trend hợp lệ, phổ biến và vui. Rủi ro xuất hiện khi người xem không nhận ra và coi lời nói là phát ngôn thật: một người nổi tiếng "nói" điều họ chưa từng nói, một nhân viên "thừa nhận" điều chưa từng xảy ra. Bài này giải thích các kiểu ghép tiếng thường gặp và cách tự kiểm; chuyện cuộc gọi giọng người thân xin tiền và khái niệm deepfake nói chung đã có tài liệu riêng.
Bốn kiểu "tiếng không phải của người trong hình"
Nhép miệng theo âm thanh thịnh hành. Đây là kiểu cơ bản của các nền tảng video ngắn: người dùng chọn một đoạn âm thanh có sẵn, có thể là câu thoại phim, đoạn phỏng vấn, câu nói của người nổi tiếng, rồi diễn khớp môi. Nền tảng gắn tên âm thanh ở cuối video, nhưng khi clip bị tải xuống và đăng lại nơi khác, thông tin này mất đi.
Lồng tiếng hài hoặc lồng tiếng tóm tắt. Người đăng thu giọng của chính mình đè lên một đoạn video khác, thường là cảnh động vật, cảnh phim, đoạn họp, để tạo tình huống hài hoặc kể lại câu chuyện. Phần lớn không có ý lừa, nhưng khi đoạn video gốc là cảnh người thật ngoài đời, lời lồng tiếng có thể bị hiểu là lời họ nói.
Ghép âm thanh từ nơi khác. Video thật của một sự việc nhưng tiếng là của sự việc khác: tiếng la hét, tiếng nổ, tiếng đám đông được chèn vào để tăng kịch tính. Kiểu này hay gặp ở clip được đăng lại bởi trang gom nội dung.
Giọng tổng hợp bằng AI. Công cụ nhân bản giọng có thể tạo ra giọng gần giống một người cụ thể từ một lượng mẫu giọng không nhiều, và có công cụ chỉnh khẩu hình cho khớp. Kiểu này nguy hiểm nhất vì nó được làm ra để người nghe tin rằng chính người đó đang nói.
Vì sao clip lồng tiếng dễ đánh lừa hơn ảnh
Người xem thường tin vào tiếng nói hơn vào chữ. Một câu được đọc lên bằng giọng quen thuộc, kèm hình người đang mấp máy môi, tạo cảm giác chứng kiến trực tiếp mà một dòng chữ hay một ảnh chụp màn hình không có. Vì vậy cùng một phát ngôn bịa, nếu ở dạng clip có tiếng thì thường được tin và lan nhanh hơn.
Thêm vào đó, video ngắn được xem trong điều kiện khó kiểm: màn hình nhỏ, lướt nhanh, nhiều người xem ở nơi ồn hoặc chỉ đọc phụ đề tự động. Phụ đề chèn sẵn trên video càng làm người xem tin rằng lời nói đã được "ghi lại", dù phụ đề chỉ là chữ do người đăng gõ, có thể khác cả tiếng lẫn ý của người trong hình.
Cuối cùng là thói quen của chính trend. Khi nhép miệng là chuyện thường ngày, người xem quen thấy người ta "nói" bằng tiếng của người khác và không còn để ý. Chính sự quen thuộc này tạo ra chỗ trống để những clip có ý đánh lừa trà trộn vào giữa hàng nghìn clip vui vô hại. Thói quen đọc tên âm thanh và hỏi "lời này của ai" là cách lấp chỗ trống ấy.
Nghe: đặc điểm của giọng ghép và giọng tổng hợp
Thiếu hơi thở và tiếng động cơ thể. Người nói thật lấy hơi giữa các câu, có tiếng chép miệng, tiếng nuốt, lúc ngập ngừng "ờ, à". Giọng tổng hợp thường trơn tru liên tục hoặc chèn hơi thở đều đặn một cách máy móc.
Ngữ điệu phẳng hoặc cảm xúc sai chỗ. Câu nói giận dữ mà giọng đều đều, hoặc nhấn mạnh vào từ không quan trọng. Giọng thật khi xúc động thay đổi tốc độ, cao độ và cả độ rõ của chữ.
Lỗi riêng của tiếng Việt. Tiếng Việt có sáu thanh và nhiều phương ngữ, là điểm khó với giọng tổng hợp. Chú ý thanh hỏi và thanh ngã bị đọc lẫn, từ mượn tiếng Anh đọc lạ, con số và ngày tháng đọc sai kiểu, giọng vùng miền không nhất quán trong cùng một câu, như đầu câu giọng Bắc cuối câu lơ lớ.
Âm nền không khớp với hình. Người đứng giữa đường phố mà tiếng nói sạch như trong phòng thu, không có tiếng xe, tiếng gió; hoặc tiếng vang của phòng lớn trong khi hình là một góc phòng nhỏ. Tiếng nền đột ngột tắt hoặc đổi khi người nói bắt đầu nói là dấu hiệu chèn tiếng.
Chất lượng tiếng khác chất lượng hình. Hình mờ, vỡ, quay từ xa bằng điện thoại nhưng tiếng nói rõ từng chữ như thu micro cài áo là điểm không khớp đáng chú ý.
Nhìn: kiểm khớp môi trong một phút
Mắt người nhạy với độ lệch giữa hình và tiếng hơn ta nghĩ, nhưng chỉ khi chủ động để ý. Các bước dưới đây dùng được ngay trên điện thoại.
- Xem một lần không tiếng, chỉ nhìn miệng và nét mặt. Hỏi: người này có vẻ đang nói hay đang hát, đang giận hay đang cười, có khớp với nội dung mà bạn đã nghe không.
- Tua chậm ở các âm môi. Các âm b, m, p trong tiếng Việt cần hai môi chạm nhau. Nếu tiếng phát ra chữ "bao nhiêu", "mẹ", "phải" mà môi không khép, hình và tiếng không đi cùng nhau.
- Nhìn vùng quanh miệng. Clip được chỉnh khẩu hình bằng AI hay để lộ vùng quanh môi mờ hơn phần còn lại của mặt, răng nhoè thành một mảng, cằm và cổ chuyển động không khớp với miệng.
- Để ý lúc người nói quay mặt hoặc bị che. Khi khuôn mặt nghiêng, tay đưa ngang miệng, hoặc có vật che, phần chỉnh sửa dễ lộ vì công cụ khó xử lý góc nghiêng và vật cản.
- So với video khác của chính người đó. Cách họ mở miệng, cử chỉ tay khi nói, tốc độ nói ở video đã biết là thật là thước đo tốt nhất để thấy chỗ khác thường.
Clip quay từ xa, độ phân giải thấp hoặc chỉ thấy lưng người nói thì không kiểm được khớp môi. Khi đó phải dựa vào nguồn âm thanh ở mục tiếp theo.
Tìm nguồn của đoạn âm thanh
Trên nền tảng gốc, bấm vào tên âm thanh ở cuối video là cách nhanh nhất. Nếu âm thanh mang tên một bộ phim, một bài hát, một đoạn phỏng vấn hay một tài khoản khác với người trong hình, gần như chắc chắn đó là nhép miệng hoặc lồng tiếng. Danh sách video dùng chung âm thanh cũng cho thấy hàng trăm người khác đang nhép cùng câu, đủ để thấy đó là trend chứ không phải phát ngôn riêng.
Khi clip đã bị đăng lại và mất tên âm thanh, hãy chép một câu đặc trưng trong lời nói rồi tìm bằng chữ, cả trên công cụ tìm kiếm chung lẫn trong ô tìm kiếm của nền tảng video ngắn. Câu thoại phim, câu nói nổi tiếng thường dẫn ngay về nguồn. Một số ứng dụng nhận diện bài hát cũng nhận ra được nhạc nền, giúp biết clip đã được phủ nhạc lên tiếng gốc.
Với phát ngôn được gán cho người nổi tiếng, nguồn đáng tin nhất là bản ghi đầy đủ của sự kiện mà họ được cho là đã nói: buổi phỏng vấn, chương trình truyền hình, buổi họp báo. Nếu đoạn clip lan truyền chỉ dài mười lăm giây và không ai chỉ ra được nó cắt từ đâu, hãy coi phát ngôn đó là chưa được chứng minh.
Phân loại nhanh theo mức rủi ro
Không phải mọi clip lệch tiếng đều đáng lo. Bảng dưới giúp xếp loại nhanh để quyết định có cần kiểm kỹ hay không.
| Kiểu clip | Dấu hiệu nhận ra | Mức rủi ro hiểu nhầm |
|---|---|---|
| Nhép miệng theo âm thanh thịnh hành, ghi tên âm thanh | Âm thanh có tên riêng, nhiều người dùng chung | Thấp |
| Lồng tiếng hài lên cảnh động vật, phim | Nội dung rõ ràng là đùa, giọng người đăng | Thấp |
| Lồng tiếng lên cảnh người thật ngoài đời | Lời nói không khớp môi, giọng khác chất lượng hình | Trung bình |
| Clip sự việc có tiếng nền được chèn | Tiếng nền đổi đột ngột, quá rõ so với hình | Trung bình đến cao |
| Phát ngôn người nổi tiếng bằng giọng giống thật | Không có nguồn đầy đủ, lỗi thanh điệu, môi lệch | Cao |
Với hai dòng cuối, trước khi tin hay chia sẻ cần ít nhất một nguồn độc lập xác nhận nội dung lời nói.
Ứng xử với clip lồng tiếng và giọng AI
Đọc tên âm thanh trước khi bình luận. Một thói quen đơn giản: trước khi phản ứng với một câu nói gây sốc trong video ngắn, liếc xuống tên âm thanh. Phần lớn hiểu nhầm có thể tránh chỉ bằng bước này.
Ghi rõ khi tự làm clip lồng tiếng. Nếu bạn làm clip lồng tiếng lên cảnh người thật, ghi rõ trong chú thích để clip không bị hiểu là lời người trong hình khi bị lấy đi nơi khác.
Không dùng giọng người khác khi không được phép. Tạo giọng giống một người cụ thể để nói điều họ không nói có thể xâm phạm quyền nhân thân và danh dự của họ, tuỳ quy định hiện hành. Ngay cả với ý đùa, hậu quả cho người bị nhại có thể thật.
Báo cáo phát ngôn giả gán cho người thật. Các nền tảng lớn có chính sách với nội dung bị chỉnh sửa gây hiểu lầm về người thật. Báo cáo kèm lý do cụ thể, như "lời nói không khớp môi, không có nguồn gốc", giúp người kiểm duyệt xử lý nhanh hơn.
Câu hỏi thường gặp
Giọng AI tiếng Việt bây giờ có còn dễ nhận ra không?
Ngày càng khó hơn. Các giọng tổng hợp mới đọc thanh điệu tốt hơn nhiều so với vài năm trước. Lỗi vẫn hay gặp ở từ mượn, con số, giọng vùng miền và ngữ điệu cảm xúc, nhưng không nên dựa hoàn toàn vào tai nghe; hãy kết hợp tìm nguồn và kiểm khớp môi.
Clip nhép miệng câu nói của người nổi tiếng có vi phạm gì không?
Nhép miệng theo âm thanh có sẵn trong thư viện của nền tảng là cách dùng phổ biến và thường được nền tảng cho phép. Vấn đề bản quyền và quyền nhân thân có thể phát sinh khi âm thanh bị lấy ngoài thư viện hoặc dùng để bôi nhọ, xúc phạm người khác.
Có công cụ nào kiểm tra một đoạn âm thanh có phải giọng AI không?
Có một số công cụ phát hiện giọng tổng hợp, nhưng độ chính xác thay đổi theo chất lượng âm thanh và loại công cụ tạo giọng. Âm thanh đã qua nhiều lần nén trên mạng xã hội làm giảm độ tin cậy, nên kết quả chỉ nên dùng để tham khảo.
Video có người nói khớp môi hoàn hảo thì có chắc là tiếng thật không?
Không chắc. Có công cụ chỉnh khẩu hình cho khớp với một đoạn tiếng mới, và người nhép miệng giỏi cũng khớp gần như hoàn hảo. Khớp môi chỉ loại bỏ được kiểu ghép thô; vẫn cần kiểm nguồn của lời nói.
Làm sao biết tiếng nền trong clip sự việc có bị chèn thêm không?
Nghe xem tiếng nền có thay đổi đột ngột khi chuyển cảnh không, có lặp lại một đoạn y hệt không, có khớp với những gì thấy trong hình không, ví dụ tiếng đám đông lớn trong khi hình chỉ có vài người. Tìm bản gốc dài hơn để so là cách chắc nhất.
Có nên tắt tiếng khi xem clip gây tranh cãi để tự đánh giá?
Đó là một bài tập tốt. Xem một lần không tiếng giúp bạn đánh giá hành động và nét mặt mà không bị lời nói hay nhạc nền dẫn dắt cảm xúc. Sau đó bật tiếng và so xem hai ấn tượng có khớp nhau không.