Đổ tiền vào sách nói, giới AI đang che giấu điều gì?

Ngành sách nói đã duy trì đà tăng trưởng ổn định trong hơn một thập kỷ qua, và các số liệu gần đây cho thấy thị trường này vẫn còn nhiều dư địa để phát triển. Theo báo cáo năm 2026 của Hiệp hội Sách nói (APA), doanh thu sách nói tại Mỹ đã tăng 9% trong năm 2025, đạt mức 2,43 tỷ USD, với số lượng đầu sách đang lưu hành tăng 43%.

Theo Voiceoverheard, những con số này phản ánh sự thay đổi trong hành vi người dùng. Ngày càng nhiều thính giả coi sách nói không phải là phương án thay thế cho việc đọc sách truyền thống, mà là một trải nghiệm có giá trị tương đương. Hiện nay, nhiều người linh hoạt chuyển đổi giữa các định dạng sách tùy thuộc vào lịch trình, sở thích và lối sống của họ.

Từ đây, thính giả cũng có nhu cầu cao hơn về giọng đọc. Ví dụ, dù trong bối cảnh AI phát triển, các đầu sách do AI đọc chỉ chiếm 0,03% trong tổng doanh thu hàng năm 2,43 tỷ USD tại Mỹ. Ngoài ra, mức độ quan tâm của thính giả đối với sách do AI đọc cũng đang suy giảm. Theo APA, tỷ lệ thính giả sẵn sàng thử nghe sách nói do AI đọc đã giảm từ 70% xuống còn 61% chỉ trong vòng 1 năm.

Nếu sự "chung sống" giữa AI và con người được dự đoán là thính giả sẽ phải thỏa hiệp và chấp nhận các giọng đọc công nghệ, thì các dữ liệu hiện tại lại đang cho thấy xu hướng ngược lại. Sức mạnh của AI chưa xứng với kỳ vọng hiện tại.

The Bookseller đặt câu hỏi liệu có sự khác biệt giữa các tuyên bố truyền thông và thực tế về sản phẩm và mục tiêu của ElevenLabs hay không?

Mục tiêu của giới AI

Theo The Bookseller, bước đầu tiên là cần nhìn vào dòng tiền. ElevenLabs đã tăng giá trị từ mức 1,1 tỷ USD vào năm 2024 lên 11 tỷ USD vào tháng 2/2026. Sách nói đóng vai trò then chốt trong câu chuyện tăng trưởng của công ty này, và họ hiện là gương mặt quen thuộc tại các hội nghị trong ngành. Họ tuyên bố tất cả đều nhằm thúc đẩy hợp tác với các nhà xuất bản.

ElevenLabs cho biết: "Các nhà xuất bản tìm đến chúng tôi vì họ muốn thu hẹp khoảng cách trong mảng âm thanh, để... sản xuất những đầu sách mà nếu không có công nghệ này thì sẽ chẳng bao giờ được chuyển thể thành sách nói".

Tuy nhiên, sản phẩm tiêu biểu mà công ty này dùng để giới thiệu với các nhà xuất bản lại là một phiên bản The Odyssey do một giọng đọc mô phỏng Michael Caine thực hiện. Đầu sách này cho đến nay đã có rất nhiều phiên bản do người thật đọc trên các nền tảng số.

Chưa kể, tác phẩm này không được sản xuất với sự can thiệp tối thiểu của con người như đã hứa, mà cần tới 4 người làm công tác sản xuất thực hiện trong suốt 6 tuần. Quy trình này hoàn toàn khác xa với viễn cảnh "chỉ cần một nút bấm" họ chào mời với các nhà xuất bản.

Với ElevenLabs, các đầu sách do giọng đọc chuyên nghiệp thực hiện là nguồn dữ liệu huấn luyện chất lượng cao cho các mô hình AI cốt lõi của họ.

Theo The Bookseller

Tại hội nghị riêng ở London, ElevenLabs được cho là đã hé lộ chiến lược lớn của họ. Theo đó, ngành xuất bản không phải là thị trường đích cuối cùng của họ mà chỉ là nhiên liệu cho một cỗ máy mang lại lợi nhuận lớn hơn nhiều. Với ElevenLabs, các đầu sách do giọng đọc chuyên nghiệp thực hiện là nguồn dữ liệu huấn luyện chất lượng cao cho các mô hình AI cốt lõi của họ.

Trên thực tế, vào tháng 5/2026, 9 vụ kiện tập thể đã được đệ trình lên tòa án liên bang tại Illinois, Mỹ nhắm vào ElevenLabs cùng tám gã khổng lồ công nghệ khác. Theo The Bookseller, các đơn kiện cáo buộc giọng nói của họ đã bị trích xuất để huấn luyện các mô hình giọng nói AI mà chưa có sự đồng ý của chủ sở hữu. Hai trong số các nguyên đơn là những giọng đọc chuyên nghiệp.

Giọng đọc con người giàu giá trị lịch sử và văn hóa

Theo Alta Online, có khoảng 10.000 người đang làm nghề đọc sách nói, tiếp nối sự phát triển từ năm 1932, khi Hiệp hội người khiếm thị Mỹ bắt đầu thu âm các tác phẩm văn học vào đĩa than cho Chương trình sách nói của họ.

Những bản thu thử nghiệm đầu tiên bao gồm bài thơ The Raven của Edgar Allan Poe và một chương trong cuốn Midstream của Helen Keller. Năm 1952, Dylan Thomas đã tự mình đọc tác phẩm văn xuôi A Child’s Christmas in Wales cho Caedmon, nhà xuất bản sách nói chính thức đầu tiên.

Ernest Hemingway và William Faulkner cũng từng tự đọc các đoạn trích trong tác phẩm của mình.

Đến năm 1985, hơn 20 nhà xuất bản, bao gồm Random House và công ty Books on Tape, đã phát hành sách nói trên băng cassette, với phần lớn nội dung do các diễn giả chuyên nghiệp thực hiện.

Những giọng đọc sách nói từ lâu đã góp phần tạo nên bản sắc riêng cho các tác phẩm. Ảnh: Boston University.

Tác giả Daniel Henning, kiêm giọng đọc từng 3 lần lọt vào vòng chung kết Audie, giải thưởng danh giá của ngành sách nói, chia sẻ: "Tôi chỉ cố gắng thể hiện sự chân thực, đậm chất người nhất có thể trong phần trình bày của mình. Càng mang lại những nét độc đáo thực sự, tôi càng có thêm lý do để được thuê thay vì dùng máy móc".

Mary Jane Wells, giọng đọc đã nhận được 4 giải Audie trong sự nghiệp 15 năm của mình, đã đối trọng với AI bằng sự thấu cảm và trải nghiệm sống phong phú: "Tôi nhập vai từng nhân vật bằng các chất giọng vùng miền khác nhau và thậm chí thêm thắt cả nhịp điệu hài hước, những điều vốn là thách thức đối với công nghệ học máy".

Có thể thấy ngay từ trước khi AI xuất hiện, sách nói vẫn luôn là một trong những định dạng tăng trưởng rất nhanh, điều này đến từ công sức của những người đọc, nhà sản xuất, đạo diễn, biên tập, nhân viên tiếp thị, nhân viên kinh doanh, chuyên gia cách âm… Tại sao toàn ngành lại tìm mọi cách cắt giảm chi phí và hạn chế thu nhập của những người đã tạo nên thành công, thay vì khuyến khích đầu tư vào những giá trị thực sự hiệu quả.

Sự xuất hiện của AI khiến tất cả choáng ngợp và quên đi những dữ liệu thực tế cho thấy giọng đọc AI còn xa mới xứng đáng với những kỳ vọng hiện tại.

Theo The Bookseller, một câu hỏi nghiêm túc đang được đặt ra: Nếu không suốt ngày bàn tán về AI, thì toàn ngành sẽ thảo luận và đầu tư vào những giá trị nào xứng đáng hơn?