WellSaid Producer đưa quy trình sản xuất lồng tiếng bằng AI vào các quy trình làm việc MCP

WellSaid ra mắt WellSaid Producer vào ngày 10 tháng 11 năm 2026, đưa các công cụ sản xuất lồng tiếng của hãng vào sử dụng ngay trong Claude, ChatGPT, Copilot và các quy trình làm việc khác kết nối thông qua Model Context Protocol (MCP). Bản phát hành này cũng tạo âm thanh trực tiếp ở tần số 48 kHz, tiêu chuẩn dành cho phim, video và phát sóng.

Producer đưa các khâu tuyển chọn giọng, chỉ đạo, xử lý phát âm, duyệt và quản lý phiên bản ra khỏi một giao diện sản xuất duy nhất. Các chức năng này có thể hoạt động ngay trong trợ lý AI hoặc phần mềm riêng của khách hàng thông qua máy chủ MCP của WellSaid, giúp kết nối các công cụ sản xuất với những ứng dụng đó. WellSaid Studio vẫn là không gian làm việc trên web để chỉnh sửa trực tiếp.

Tổng giám đốc điều hành Benjamin Dorr cho biết đợt ra mắt này đáp ứng nhu cầu của các nhóm đang kết hợp khả năng từ nhiều công cụ khác nhau, trong khi WellSaid tập trung vào việc cung cấp nội dung chính xác, duy trì giọng điệu thương hiệu nhất quán và cấp phép để bảo vệ diễn viên.

Sản xuất trên các công cụ hiện có

Tài liệu về Producer mô tả quy trình bắt đầu bằng kịch bản từ một trợ lý kết nối qua MCP, nền tảng nội dung hoặc công cụ quản lý dự án. Các nhóm có thể nghe thử hàng trăm giọng đọc, điều chỉnh nhịp điệu và cách nhấn giọng bằng ngôn ngữ thông thường, rồi gửi kết quả để phê duyệt. Sau đó, âm thanh hoàn chỉnh và phụ đề có thể được chuyển sang hệ thống quản lý nội dung, hệ thống quản lý tài sản số hoặc hệ thống quản lý học tập, kèm hồ sơ quyền sử dụng và giấy phép được tích hợp.

Producer và Studio dùng chung giọng đọc, thư viện phát âm và dự án. Âm thanh tạo bằng Producer được quản lý phiên bản và theo dõi chỉnh sửa trong Studio. Khi có thay đổi trong kịch bản, tên sản phẩm hoặc chính sách, Producer có thể cập nhật toàn bộ phần lồng tiếng bị ảnh hưởng chỉ trong một lần, theo giọng đọc và chỉ đạo đã được phê duyệt, để người duyệt đánh giá các phiên bản mới thay vì phải tạo lại từng tệp.

Nhờ đó, việc duy trì nội dung trở thành một phần của quy trình ra mắt: cùng một kết nối được dùng để tạo bài học đào tạo hoặc video sản phẩm cũng có thể cập nhật lời thuyết minh khi tài liệu gốc thay đổi.

Âm thanh gốc và cách phát âm

WellSaid cho biết Producer là nền tảng sản xuất lồng tiếng đầu tiên tạo âm thanh trực tiếp ở tần số 48 kHz, cho phép đưa âm thanh đầy đủ độ trung thực vào dòng thời gian video mà không cần tăng tần số lấy mẫu. Khả năng này khác với đầu ra 96 kHz đã được hỗ trợ từ năm 2025 cho mục đích biên tập và phối âm thương mại, đồng thời đáp ứng yêu cầu về độ trung thực cao hơn so với các ứng dụng thoại tương tác và công nghiệp.

Các hướng dẫn phong cách dành cho tác tử áp dụng cách phát âm của tên thương hiệu, tên sản phẩm, từ viết tắt và thuật ngữ kỹ thuật xuyên suốt các quy trình làm việc được kết nối. WellSaid cho biết mô hình phát âm nền tảng được huấn luyện bằng hơn 500.000 bản phiên âm của Oxford Languages.

Bộ dữ liệu này có nguồn gốc từ sự hợp tác mà WellSaid công bố vào ngày 6 tháng 2 năm 2024. Oxford Languages cung cấp các bản phiên âm tiếng Anh có và không có dấu phân chia âm tiết, cùng với âm thanh của hầu hết các từ, để huấn luyện hệ thống Respelling của WellSaid, cho phép người dùng định hình cách phát âm của từ có thật hoặc từ tự tạo. Producer áp dụng khả năng kiểm soát đó trên các công cụ được kết nối, nhờ vậy cách phát âm mong muốn có thể duy trì nhất quán khi nội dung được chỉnh sửa.

Cấp phép trong các quy trình làm việc AI

Chính sách cấp phép này được áp dụng như nhau dù nhóm làm việc trong Studio hay thông qua Producer. WellSaid cho biết mọi giọng đọc hãng cấp phép sử dụng cho mục đích thương mại đều do diễn viên chuyên nghiệp thu âm; họ đã đồng ý và được trả thù lao mỗi khi giọng đọc được sử dụng. Điều khoản của từng giọng đọc đều hiển thị trong cả hai môi trường. Hồ sơ cấp phép vẫn đi kèm âm thanh hoàn chỉnh ngay cả khi quá trình sản xuất diễn ra trong trợ lý AI hoặc công cụ do khách hàng tự xây dựng. Khách hàng cũng có thể tạo thư viện bản sao giọng nói kỹ thuật số tùy chỉnh cho thương hiệu của mình theo cùng phương thức xin phép và cấp phép.

Alicia Harris, diễn viên thể hiện một trong những giọng đọc trên nền tảng, cho biết sản phẩm giúp khách hàng sử dụng giọng của cô dễ dàng hơn, đồng thời nâng cao hiệu quả cho họ và giúp các diễn viên “vẫn là một phần của quy trình và được trả thù lao”. Phát biểu của cô nhấn mạnh khía cạnh lao động trong đợt ra mắt này: tự động hóa làm thay đổi nơi sản xuất lồng tiếng, nhưng mô hình của WellSaid vẫn gắn việc sử dụng giọng đọc với sự đồng ý và thù lao dành cho diễn viên.

Producer cũng cho phép các mô hình giọng nói từ những nhà cung cấp khác hoạt động song song với giọng đọc của WellSaid trong cùng một quy trình. WellSaid tự xây dựng các mô hình của mình và hợp tác với những mô hình khác được huấn luyện bằng dữ liệu đã được cấp quyền sử dụng thương mại; hãng cho biết dự định mở rộng các lựa chọn về nhân tài và cấp phép của Producer.

Với các doanh nghiệp thường xuyên sản xuất khóa học, video tiếp thị và nội dung khác, yêu cầu đặt ra không chỉ dừng ở việc tạo giọng nói. Cách phát âm, các lần chỉnh sửa và giấy phép của diễn viên phải được duy trì nguyên vẹn khi âm thanh đi qua trợ lý AI, mô hình giọng nói bên ngoài và hệ thống xuất bản; Producer được xây dựng để giữ các khâu kiểm soát sản xuất này trong cùng một quy trình.