MTxStudio - Lồng tiếng AI & Dựng video đa kênh

MTxStudio là giải pháp phần mềm đa nền tảng chuyên nghiệp hỗ trợ toàn diện Windows và macOS (Apple Silicon M-Series và Intel x64), cung cấp quy trình sản xuất trọn gói từ lồng tiếng video AI tự động, nhân bản giọng nói tức thì, sản xuất âm thanh hội thoại đa nhân vật đến phòng thu nhạc cụ dân tộc và biên tập video timeline đa kênh với tăng tốc phần cứng.

Lồng Tiếng Video AI Hàng Loạt & Tách Lời Whisper

MTxStudio tự động hóa toàn diện quy trình lồng tiếng lại (Re-voicing) từ video gốc:

• Tiếp nhận Video Đa Nguồn: Tải tự động qua liên kết mạng xã hội bằng yt-dlp hoặc nạp hàng loạt file video cục bộ (.mp4, .mov, .mkv, .avi, .webm).
• Bóc Tách Lời Thoại Chính Xác (Whisper STT): Sử dụng mô hình Faster-Whisper và WhisperX nhận diện chính xác từng câu kèm timecode mili-giây và tự động nhận diện ngôn ngữ nguồn.
• Dịch Thuật AI Đa Nhà Cung Cấp: Kết nối OpenAI (GPT-4o), DeepSeek (V3, R1), Google Gemini (1.5 Pro, 2.0 Flash), Anthropic Claude (3.5 Sonnet) và mô hình cục bộ Ollama.
• AI 1-Click Polish: Tự động sửa lỗi chính tả tiếng Việt, chuẩn hóa dấu câu và làm mượt văn phong đọc truyền cảm một chạm.
• Review Studio Trực Quan: Không gian kiểm soát kịch bản song ngữ, cho phép sửa text trực tiếp, tách dòng, gộp dòng, chèn thẻ phản xạ cảm xúc và nghe thử âm thanh từng phân đoạn trước khi phê duyệt.

Tổng Hợp Giọng Nói OmniVoice & Nhân Bản Giọng Zero-Shot

Trang bị động cơ giọng nói thế hệ mới vận hành trực tiếp trên máy tính người dùng:

• Động Cơ OmniVoice Diffusion LM: Tổng hợp giọng đọc chất lượng cao hỗ trợ tăng tốc CPU bfloat16 và GPU CUDA float16.
• Zero-Shot Voice Cloning: Chỉ cần mẫu âm thanh ngắn 3 đến 10 giây để trích xuất đặc trưng âm sắc (Voice ADN / Speaker Embedding) và lưu trữ dưới dạng Voice Preset tái sử dụng.
• Voice Design Đa Chiều: Thiết kế giọng đọc linh hoạt theo 5 nhóm thuộc tính: Giới tính, Độ tuổi, Cao độ, Phong cách biểu cảm (thì thầm, đọc chuẩn) và hơn 20 ngữ điệu vùng miền quốc tế.
• Khóa Cố Định Định Danh Giọng (Seed Lock): Khóa cố định mã Seed để đảm bảo một nhân vật AI luôn giữ nguyên 100% âm sắc xuyên suốt các tập video.
• Thẻ Biểu Cảm Phi Ngôn Ngữ (Expression Tags): Hỗ trợ chèn trực tiếp các phản xạ tự nhiên vào văn bản kịch bản: [laughter], [sigh], [surprise-ah], [dissatisfaction-hnn].

Sản Xuất Âm Thanh Hội Thoại Đa Nhân Vật

• Trình Soạn Thảo Kịch Bản Chat Bubble Timeline: Giao diện timeline dạng bong bóng trò chuyện trực quan với màu sắc và avatar riêng biệt cho từng nhân vật.
• Quản Lý Dàn Nhân Vật (Cast Manager): Thiết lập dàn diễn viên AI với giọng đọc, cao độ, tốc độ và mã Seed độc lập, đóng gói thành Cast dùng cho toàn bộ series podcast hoặc kịch truyền thanh.
• Tinh Chỉnh Tương Tác Tự Nhiên: Điều chỉnh khoảng cách ngắt nghỉ giữa các lượt nói (Inter-turn Pause 300ms - 800ms) và mức độ chèn chồng tự nhiên (Natural Overlap).
• Xuất Bản Linh Hoạt: Xuất một file audio hoàn chỉnh, tách riêng từng track nhân vật (Multi-track Audio) hoặc thay thế trực tiếp vào video kèm phụ đề tên người nói.

Trình Dựng Video Timeline Đa Kênh Chuyên Nghiệp

• Multi-Track Timeline: Quản lý độc lập Video Track, Voiceover Track, Background Music Track, Subtitle Track và Overlay Image Track.
• Công Cụ Thao Tác Chuẩn Studio: Thước đo thời gian mili-giây, bắt dính thông minh (Smart Snapping), cắt clip (Ctrl + B), nhân bản clip (Ctrl + D), cắt đầu cuối và hoàn tác Undo/Redo đa cấp.
• Canvas Preview & Transform Bounding Box: Xem trước thời gian thực trên Canvas 2D/WebGL với khung điều khiển trực quan cho phép kéo chuột di chuyển tọa độ X/Y, phóng to thu nhỏ (Scale) và xoay đối tượng (Rotation) trực tiếp trên màn hình.
• Đa Dạng Tỷ Lệ Khung Hình: Chuyển đổi linh hoạt giữa 16:9 (YouTube, TV), 9:16 (TikTok, Shorts, Reels), 1:1 (Vuông), 4:3 và 3:4.
• Auto Subtitle Editor với Per-Line Voice Override: Tự động phân đoạn câu theo timestamp, hỗ trợ Default Voice và đặc biệt cho phép gán giọng đọc AI riêng biệt cho từng câu phụ đề (Per-Line Voice Override), kết hợp nút Batch TTS tổng hợp toàn bộ phụ đề thành audio chèn vào timeline chỉ với 1 click.
• Tích Hợp AI Image Generator: Nhập prompt mô tả sinh ảnh bằng AI (DALL-E 3, Gemini Imagen, Stable Diffusion) và đưa thẳng vào timeline làm hình minh họa hoặc bối cảnh.
• Động Cơ Render Phần Cứng: Tích hợp FFmpeg Complex Filtergraph xuất video ở độ phân giải 720p HD, 1080p Full HD và 4K Ultra HD với bộ mã hóa phần cứng NVENC, Intel QuickSync, AMD AMF và Apple Silicon VideoToolbox.

Phòng Thu Âm Nhạc, Sáo Trúc & Nhạc Cụ Dân Tộc

• Sáo Trúc & Động Tiêu Solo: Hỗ trợ đầy đủ các hệ sáo chuẩn (C5, D5, E5, F5, G5, A4, Bb4, Động Tiêu F4, C4). Tích hợp bộ chuyển đổi cảm âm tiếng Việt (VietnameseCamAmConverter nhận diện Do2, Sol2, Mi2, Fa2, Do3, nốt lướt lasol), tính năng tự động dịch giọng (Transpose Tone) khi đổi loại sáo, cùng kỹ thuật luyến hơi mộc (Portamento), rung hơi (Vibrato) và tiếng xì hơi đầu nốt.
• Vision Sheet Music Scanner: Sử dụng AI thị giác quét hình ảnh sheet nhạc hoặc chụp trực tiếp từ camera, tự động nhận diện nốt nhạc và cảm âm đưa vào trình soạn thảo Sáo Trúc hoặc Guitar.
• Saxophone Studio: Mô phỏng Soprano (phong cách Kenny G), Alto và Tenor Saxophone với kỹ thuật luyến môi (Scoop), rung ngân và Subtone ấm áp ban đêm.
• Nhạc Cụ Dân Tộc Việt Nam: Đàn Bầu uốn cần hơi oán bồi âm thuần khiết, Đàn Tranh quạt lướt Á thập lục vê móng đồi mồi và Đàn Nguyệt nhấn phím cung đình đĩnh đạc.
• Guitar Classical & Fingerstyle Studio: Mô phỏng vật lý Karplus-Strong với đầy đủ kỹ thuật guitar bậc thầy: gõ thùng slap palm, bồi âm tự nhiên harmonics, rung vê tremolo, quạt ngón rasgueado và cuộn hợp âm (Sunflower Paddy Sun 145 ô nhịp, Echoes Between the Lands).
• Soạn Thảo ChordPro & Lead Sheets: Chuẩn hợp âm ChordPro ([Am], [G], [C]) kết hợp lời bài hát và đệm hát cho 10 dòng nhạc và 8 điệu đệm kinh điển.
• Zen Spa & Âm Thanh Trị Liệu: Chuông xoay Tây Tạng, chuông gió, mõ gỗ thiền viện, tần số Solfeggio chữa lành (432Hz, 528Hz), tiếng suối róc rách và tiếng mưa thiên nhiên.

Trí Tuệ Thị Giác Phân Tích Video Câm

• Phân Tích Khung Hình Bằng AI Thị Giác (VLM): Tự động trích xuất keyframe phân cảnh bằng FFmpeg scene cut detection và phân tích bối cảnh, hành động, cảm xúc nhân vật qua các mô hình Moondream2, Florence-2, Qwen2.5-VL và Google Gemini Vision.
• Sáng Tác Kịch Bản Thuyết Minh Ngữ Cảnh: Tự động sinh kịch bản lời bình khớp thời lượng từng phân cảnh theo các phong cách dẫn chuyện chuyên biệt: Kể chuyện (Storytelling), Đánh giá (Review), Phim tài liệu (Documentary) hoặc Hướng dẫn (Instructional).
• Kết Nối Làm Mượt Kịch Bản: Ghép nối các mô tả phân cảnh rời rạc thành một câu chuyện liền mạch, hấp dẫn và tự động nạp vào Review Studio để nghe thử giọng đọc AI TTS.

Động Cơ Hát AI & Ghi Hình Màn Hình

• Động Cơ Hát AI (AI Singing Engine): Tích hợp dịch vụ AceStep và DiffSinger điều khiển đường cong cao độ F0, độ rung và ngắt nghỉ âm tiết tiếng Việt từ nốt nhạc và lời ca, hỗ trợ tự động phối bè quãng 3, quãng 5 hoặc bè đuổi bổ trợ giai điệu chính.
• App Showcase Screen Recorder: Nút nổi FAB điều khiển quay màn hình tiện lợi, hỗ trợ quay toàn màn hình chất lượng cao 30 FPS qua FFmpeg native (gdigrab trên Windows, avfoundation trên macOS) hoặc quay Canvas Stream chunks, thu âm đồng thời microphone và âm thanh hệ thống, tự động lưu trữ video vào thư mục MTxStudio_Recordings.

Quản Lý Dữ Liệu Cục Bộ & Hàng Đợi Render Đa Luồng

• Truy Vết Nguồn Gốc Toàn Diện: Dễ dàng truy ngược từ tệp video đầu ra về URL nguồn ban đầu, transcript Whisper, bản dịch AI, kịch bản phê duyệt, Voice Template và thời gian render.
• Tổ Chức Cây Dữ Liệu Chuyên Nghiệp: Phân loại nội dung theo cấu trúc Kênh (Channel) -> Danh mục (Category) -> Dự án (Project).
• Lưu Trữ Bền Vững SQLite3: Quản lý toàn bộ cấu hình, kịch bản, dự án và từ điển phát âm trong cơ sở dữ liệu SQLite cục bộ, đảm bảo quyền riêng tư và hoạt động mượt mà khi không có kết nối internet.
• Hàng Đợi Render Đa Luồng Độc Lập: Điều phối tải linh hoạt theo số nhân CPU và GPU, giám sát tiến độ thời gian thực với chỉ số FPS và thời gian dự kiến hoàn thành (ETA).

Phân Hệ Modules Mở Rộng

MTxStudio sở hữu kiến trúc module mở rộng linh hoạt theo chuẩn vòng đời quản lý độc lập (Install, Activate, Deactivate, Configure), cho phép kích hoạt và tùy biến các gói công cụ chuyên sâu theo nhu cầu sản xuất:

MTxDownloader - Video Link CRUD & Bulk Downloader

• Quản lý danh mục URL video đa nền tảng từ YouTube, TikTok, Facebook Reels, Instagram Reels, Douyin và X/Twitter.
• Hỗ trợ tải hàng loạt cuốn chiếu (Rolling Queue) với thuật toán kiểm soát ngưỡng an toàn tài nguyên máy tính (CPU/RAM giới hạn trần 90%).
• Tự động bóc tách và phân loại thư mục lưu trữ video theo cấu trúc Kênh và Danh mục quy chuẩn.
• Lưu vết nguồn gốc chi tiết bao gồm URL gốc, metadata tác giả, ngày tải, độ phân giải và thời lượng video.
• Tích hợp Downloader Editor Vault để quản lý và đưa nhanh video đã tải vào quy trình lồng tiếng hoặc dựng timeline.

MTxRain - Ambient Rain & Storm Soundscape Studio

• Bộ tạo âm thanh mưa rơi đa tầng và bão sấm độc bản (Non-repeating Procedural Waveform) vận hành 100% On-Device qua DSP thuật toán mô phỏng vật lý.
• Ma trận mô phỏng bề mặt va đập âm học đa dạng: mưa mái tôn, mưa kính cửa sổ, mưa rớt lá cây, mưa mặt đường nhựa và mưa lều bạt.
• Bàn trộn âm thanh 5 tầng độc lập: tầng giọt mưa (Rain Drops), tầng rào nền (Rain Hum), tầng gió bão (Wind Howl), tầng sấm sét (Thunder Strike) và tầng không gian buồng (Room Ambience).
• Tùy biến tần số va chạm, khoảng cách sấm sét ngẫu nhiên, độ vang không gian và xuất file audio loop vô tận.

Atmospheric Visual FX Suite

• Bộ hiệu ứng thị giác và bầu không khí hạt đa tầng chạy mượt mà 60 FPS tối ưu trực tiếp cho Video Editor Canvas và Timeline.
• Mưa rơi trên kính (Rain on Glass): Giọt nước trôi trượt chân thực, vệt nước đọng và tán xạ ánh sáng tự nhiên.
• Tuyết rơi mùa đông (Winter Snow): Hiệu ứng chiều sâu đa lớp Parallax với kích thước hạt và tốc độ rơi biến thiên tự nhiên.
• Lá rơi mùa thu (Autumn Leaves): Quỹ đạo chao lượn vật lý 3D trong gió, độ xoay và màu lá vàng phong phú.
• Khói bay nhẹ nhàng (Gentle Smoke): Luồng khói mờ ảo uốn lượn phục vụ không gian thiền định, nến ấm, quán cà phê.
• Bụi vàng Bokeh (Golden Dust Particles): Hạt bụi phát sáng chuyển động bồng bềnh tạo bầu không khí điện ảnh kỳ ảo.

Vietnamese - English Phonetic Normalizer

• Tự động chuẩn hóa các thuật ngữ công nghệ, tên thương hiệu và từ mượn tiếng Anh phổ biến (AI sang "ây ai", ChatGPT sang "chát giê pi ti", YouTube sang "diu túp", TikTok sang "tóp tóp", Facebook sang "phây búc") sang phiên âm tiếng Việt tự nhiên khi tạo giọng đọc TTS.
• Nhận diện và chuẩn hóa từ viết tắt chat và tin nhắn tiếng Việt (ko sang "không", dc sang "được", hnay sang "hôm nay", ng sang "người").
• Cơ chế bảo vệ thẻ kẹp vuông (Tag Protection System): Bảo vệ an toàn các thẻ thoại nhân vật [Nam], [Nữ] và thẻ biểu cảm phi ngôn ngữ [laughter], [sigh], [SFX: ...], ngăn ngừa việc thay thế nhầm vào cú pháp hệ thống.
• Hỗ trợ các chế độ khớp từ chính xác, khớp từ nguyên vẹn (Word Boundary) và biểu thức chính quy Regex.

ElevenLabs Voice Engine

• Mở rộng kết nối ElevenLabs API phục vụ nhu cầu tạo giọng đọc chất lượng studio với hơn 29 ngôn ngữ toàn cầu.
• Tự động đồng bộ danh mục giọng nói cá nhân và mẫu giọng cộng đồng về ứng dụng.
• Điều khiển linh hoạt độ ổn định (Stability), độ tương đồng (Clarity/Similarity) và phong cách biểu cảm (Style Exaggeration).

Smart Audio Loop & Mastering

• Tự động lặp âm thanh nền (Auto-loop) với kỹ thuật crossfade liền mạch không giật ngắt.
• Công nghệ Smart Ducking tự động hạ âm lượng nhạc nền khi có giọng thuyết minh và khôi phục khi ngắt nghỉ.
• Bộ công cụ Master âm thanh chuyên nghiệp: Khử nhiễu nền (Noise Gate), lọc tần số Equalizer và chuẩn hóa âm lượng phát sóng LUFS (-14 dB cho YouTube / -16 dB cho TikTok).

Non-profit organizations, charities, and community initiatives supporting elderly people, children, people with disabilities, and other vulnerable groups are always welcome to reach out to us.

If your organization uses Perfex CRM and requires any of our modules, plugins, or related products, we will gladly provide assistance with installation, customization, training, and long-term operation.

As part of our commitment to supporting meaningful social impact projects, we offer lifetime free support for all products used by eligible non-profit organizations. Our goal is to help you streamline operations, reduce technology costs, and focus more resources on serving your community.

For inquiries and support, please contact us at polyxgo@gmail.com. We will do our best to assist your organization as quickly as possible.