Nhạc nền dưới giọng thuyết minh: để nhạc lùi lại mà giọng vẫn rõ
Vì sao nhạc nền hay át giọng nói, nên để nhạc thấp hơn giọng bao nhiêu, chọn thể loại và nhạc cụ nào để không tranh tiếng, cùng bảng xử lý lỗi khi trộn.
Lỗi gặp nhiều nhất ở video có thuyết minh không phải là nhạc dở, mà là nhạc quá to hoặc quá đông. Người xem trên điện thoại, loa nhỏ, ngoài đường ồn — giọng nói chỉ cần bị che một chút là họ không theo được nữa và lướt đi.
Bài này nói về ba việc: tạo bản nhạc "biết lùi lại", đặt mức âm lượng đúng, và xử lý những lỗi trộn âm hay gặp. Ví dụ xuyên suốt là một video giới thiệu sản phẩm dài khoảng 2 phút, giọng đọc làm bằng AI Giọng Nói, nhạc nền làm trên AI Âm Nhạc.
Vì sao nhạc hay "đánh nhau" với giọng nói
Tai người nghe rõ lời chủ yếu nhờ một vùng âm thanh ở giữa — vùng của các phụ âm như "s", "t", "ch", "kh". Khi nhạc cụ trong bản nhạc nền cũng chơi mạnh ở đúng vùng đó (piano dồn dập, guitar quạt chả, kèn, synth dẫn giai điệu), giọng nói bị che dù tổng âm lượng nhạc không lớn.
Vì vậy chỉ hạ nhỏ nhạc là chưa đủ. Bản nhạc phải được chọn từ đầu để thưa ở vùng giữa.
Tạo bản nhạc biết lùi lại
Chọn thể loại và tâm trạng
| Nên chọn | Vì sao |
|---|---|
| Lofi + Nhẹ nhàng | Trống mềm, piano điện êm, ít nốt — gần như không tranh tiếng |
| Acoustic + Nhẹ nhàng hoặc Vui tươi | Guitar mộc, có không khí mà vẫn thưa |
| Ballad + Nhẹ nhàng | Hợp video sang, cảm xúc; cần cắt bỏ đoạn cao trào |
| Nên tránh dưới giọng nói | Vì sao |
|---|---|
| Rock | Guitar điện méo phủ kín vùng giữa |
| EDM + Sôi động | Synth dày, nhiều lớp, tiếng kick dồn |
| Bất kỳ thể loại nào + Hào hùng | Nhạc dâng dần lên, càng về sau càng át giọng |
Viết ô Mô tả thêm
Khi chọn giọng hát Không lời (hoà tấu), hệ thống mặc định yêu cầu máy có một nhạc cụ dẫn giai điệu — hợp cho video không có lời nói, nhưng dưới giọng thuyết minh thì nên làm nó nhẹ đi. Gõ vào Mô tả thêm (bằng tiếng Anh, máy hiểu tốt hơn):
Nếu muốn cụ thể hơn về nhạc cụ, thêm một trong các cụm: warm pads (nền hơi êm), soft piano chords (hợp âm piano nhẹ, không dồn nốt), light acoustic guitar (guitar mộc nhẹ). Tránh các chữ catchy, energetic, lead synth — chúng kéo nhạc lên phía trước.
Chọn độ dài
Video 2 phút có thuyết minh thì nhạc không cần chạy suốt. Cách bọn mình hay làm:
- Nhạc rõ ở 3–5 giây đầu, trước khi giọng vào.
- Hạ xuống khi giọng nói bắt đầu.
- Nâng lên ở các khoảng nghỉ giữa phần (chuyển ý, chuyển cảnh).
- Nâng lên ở cảnh cuối, khi giọng đã nói xong lời kêu gọi.
Một bài 2 phút là vừa đủ. Không cần bài 4 phút.
Mức âm lượng: con số để bắt đầu
Phần mềm dựng nào cũng hiển thị mức âm lượng bằng dB (dấu âm, 0 là to nhất). Đây là điểm xuất phát bọn mình dùng, sau đó chỉnh bằng tai:
| Đoạn | Giọng nói | Nhạc nền |
|---|---|---|
| Mở đầu, chưa có giọng | — | khoảng −10 đến −8 dB |
| Đang có giọng nói | đỉnh khoảng −6 dB | thấp hơn giọng 15–20 dB |
| Khoảng nghỉ giữa các ý | — | nâng lên khoảng −14 dB trong 1–2 giây |
| Cảnh kết | — | khoảng −10 dB rồi mờ dần |
Con số "thấp hơn giọng 15–20 dB" nghe có vẻ rất nhỏ khi bạn đeo tai nghe tốt. Nhưng hãy nghe lại trên loa điện thoại — đó là thiết bị phần lớn người xem dùng. Trên loa điện thoại, nhạc ở mức đó vẫn nghe thấy rõ, còn nếu chỉ thấp hơn 6–8 dB thì giọng đã bắt đầu đục.
Tự hạ nhạc khi có giọng nói
Nhiều phần mềm dựng (kể cả trên điện thoại) có chức năng tự hạ nhạc nền khi phát hiện giọng nói, thường gọi là "ducking" hoặc "giảm âm lượng tự động" tuỳ phiên bản. Bật chức năng này trên dòng nhạc và chọn dòng giọng nói làm tham chiếu.
Ba thông số cần để ý nếu phần mềm cho chỉnh:
- Mức hạ: 12–18 dB là vừa.
- Thời gian hạ: nhanh, khoảng 0,1–0,3 giây, để chữ đầu câu không bị nhạc đè.
- Thời gian nâng lại: chậm hơn, khoảng 0,5–1 giây. Nâng lại nhanh quá thì giữa hai câu nhạc "phập phồng" rất khó chịu.
Nếu phần mềm không có chức năng này, làm tay bằng điểm âm lượng (keyframe): đặt điểm hạ trước câu nói đầu tiên khoảng nửa giây, điểm nâng sau câu cuối khoảng nửa giây.
Tách vùng âm thanh bằng bộ chỉnh âm sắc
Nếu phần mềm có bộ chỉnh âm sắc (EQ) cho dòng nhạc, có một thủ thuật rất hiệu quả: khoét nhẹ vùng giữa của nhạc để nhường chỗ cho giọng.
- Hạ khoảng 3–5 dB ở vùng từ 2.000 đến 4.000 Hz trên dòng nhạc.
- Không cần đụng vào dòng giọng nói.
Nghe riêng bản nhạc sẽ thấy hơi "lùi" — đúng là mục đích. Ghép với giọng, lời nói sẽ nổi lên rõ hơn mà không cần hạ thêm âm lượng nhạc.
Giọng thuyết minh: những thứ nên làm trước khi trộn
Giọng làm bằng AI Giọng Nói thường đã sạch và đều, ít cần xử lý. Vài lưu ý khi ghép:
- Chọn giọng hợp không khí nhạc. Nhạc Lofi nhẹ thì giọng ấm, chậm; nhạc Acoustic vui tươi thì giọng tươi sáng. Trang AI Giọng Nói có phần nghe thử từng giọng.
- Chia giọng thành từng đoạn theo ý, mỗi đoạn một tệp. Khi ghép, bạn chèn được khoảng nghỉ 0,5–1 giây giữa các ý — chính là chỗ để nhạc "thở".
- Không để giọng chạy liền từ giây 0. Cho nhạc 3–5 giây dạo đầu, người xem có thời gian "vào" video.
Bảng xử lý khi trộn chưa ổn
| Nghe thấy | Thường do | Cách sửa |
|---|---|---|
| Giọng rõ trên tai nghe, đục trên loa điện thoại | Nhạc chỉ thấp hơn giọng vài dB | Hạ nhạc thêm, thấp hơn giọng 15–20 dB |
| Đầu câu nói bị nhạc che mất một chữ | Hạ nhạc chậm | Đặt điểm hạ sớm hơn nửa giây hoặc rút ngắn thời gian hạ |
| Nhạc phập phồng giữa các câu | Nâng nhạc lại quá nhanh | Kéo dài thời gian nâng lên 0,5–1 giây |
| Hạ nhạc đến mức gần như không nghe vẫn thấy rối | Bản nhạc quá dày ở vùng giữa | Tạo lại với Lofi/Acoustic và "sparse arrangement" |
| Đoạn cuối video nhạc to vọt | Bản nhạc có cao trào ở cuối | Cắt bỏ cao trào, hoặc lấy đoạn đầu bài làm đoạn kết |
| Giọng và nhạc như hai thế giới khác nhau | Giọng khô, nhạc nhiều vang | Chọn nhạc ít vang hơn (Acoustic), tránh "cinematic" |
Kiểm cuối cùng trong một phút
- Nghe toàn bộ video trên loa điện thoại, âm lượng điện thoại khoảng một nửa.
- Nghe lại một lần không nhìn màn hình. Hiểu hết lời là đạt.
- Nghe đoạn đầu và đoạn cuối: nhạc có vào và ra mượt không, có bị cụt không.
Nếu bạn cần nhạc vừa khít độ dài video ngắn, xem tiếp bài cắt nhạc AI thành bản 15, 30, 60 giây. Còn muốn nhạc đi đúng nhịp cắt cảnh, bài khớp nhịp nhạc với nhịp cắt cảnh có bảng tính sẵn. Làm cả video từ kịch bản tới hình ảnh, giọng đọc và nhạc trong một chỗ thì có AI Làm Phim.
