ElevenLabs Voice Agent 2026: 6 bước dựng tổng đài tiếng Việt

Lưu ý: Bài viết này có chứa affiliate link tới ElevenLabs. Nếu bạn đăng ký qua link, Nhịp AI nhận một khoản hoa hồng nhỏ — không ảnh hưởng đến giá bạn trả.

TP.HCM, 7/9/2026 — Một tổng đài viên toàn thời gian ở Việt Nam hiện tốn khoảng 9–12 triệu đồng mỗi tháng, trực được 8 tiếng và nghỉ Chủ nhật. Trong khi đó, một ElevenLabs Voice Agent nhận cuộc gọi lúc 2 giờ sáng, nói tiếng Việt có ngữ điệu, và tính tiền theo phút thực gọi. Đó là lý do nửa năm qua, câu hỏi tôi nhận nhiều nhất từ các chủ doanh nghiệp dịch vụ không còn là “AI nói tiếng Việt được chưa”, mà là “dựng cái đó mất bao lâu và tốn bao nhiêu”.

Bài này trả lời đúng hai câu hỏi đó. Bạn có thể mở tài khoản ElevenLabs miễn phí với 15 phút gọi để làm theo song song — không cần thẻ tín dụng ở bước đầu.

Nội dung chính

• ElevenLabs Voice Agent là gì và khác chatbot chữ ra sao
• Vì sao ElevenLabs Voice Agent xử lý tiếng Việt tốt hơn bạn nghĩ
• 6 bước dựng ElevenLabs Voice Agent cho tổng đài tiếng Việt
• Chi phí thật của ElevenLabs Voice Agent quy ra tiền Việt
• 3 nhược điểm của ElevenLabs Voice Agent phải biết trước
• Nhận dựng ElevenLabs Voice Agent làm dịch vụ tại thị trường Việt
• Câu hỏi thường gặp về ElevenLabs Voice Agent

ElevenLabs Voice Agent là gì và khác chatbot chữ ra sao

Hồi đầu năm, sản phẩm này còn mang tên Conversational AI. Nay ElevenLabs gọi nó là ElevenAgents, nhưng trong giới làm dịch vụ ở Việt Nam mọi người vẫn quen miệng gọi là ElevenLabs Voice Agent. Bản chất là một tác nhân hội thoại chạy trọn vòng: nghe khách nói, hiểu ý, tra dữ liệu của bạn, rồi trả lời bằng giọng nói tổng hợp.

Khác biệt lớn nhất so với chatbot chữ nằm ở chỗ độ trễ trở thành yếu tố sống còn. Một chatbot chữ để khách chờ 3 giây thì không ai để ý. Một cuộc gọi để khách chờ 3 giây là khách tưởng máy hỏng và cúp. Vì thế toàn bộ kiến trúc của ElevenLabs Voice Agent được thiết kế quanh việc rút ngắn quãng lặng giữa hai lượt nói.

Một điểm nữa dân kỹ thuật hay bỏ qua: ElevenLabs Voice Agent không chỉ chạy trên web. Theo tài liệu chính thức, nền tảng này cắm được vào hệ thống tổng đài điện thoại, web và ứng dụng di động. Nghĩa là bạn có thể gắn nó vào đầu số 1900 đang dùng mà không phải đổi nhà mạng.

Nếu bạn mới bắt đầu và muốn hiểu bức tranh chung của loại hình này trước, bài tổng đài AI trả lời điện thoại tự động cho shop của Nhịp AI đi từ khái niệm cơ bản, không gắn với một nền tảng cụ thể nào.

Vì sao ElevenLabs Voice Agent xử lý tiếng Việt tốt hơn bạn nghĩ

Định kiến phổ biến là công cụ nước ngoài đọc tiếng Việt sẽ ngang phè, sai dấu. Điều đó đúng với thế hệ giọng đọc máy cũ, nhưng không còn đúng với các mô hình hiện tại đứng sau ElevenLabs Voice Agent.

Cụ thể, theo trang tài liệu mô hình của ElevenLabs, mô hình Eleven Flash v2.5 hỗ trợ 32 ngôn ngữ với độ trễ khoảng 75 mili giây, còn Eleven Multilingual v2 hỗ trợ 29 ngôn ngữ và ổn định nhất khi đọc đoạn dài. Tiếng Việt nằm trong danh sách được hỗ trợ. Ở chiều ngược lại, mô hình nhận dạng giọng nói Scribe v2 Realtime nghe được hơn 90 ngôn ngữ với độ trễ khoảng 150 mili giây.

Cộng hai con số đó lại, phần xử lý giọng của ElevenLabs Voice Agent chỉ chiếm khoảng một phần tư giây. Phần còn lại của độ trễ đến từ mô hình ngôn ngữ suy nghĩ và từ đường truyền — hai thứ bạn kiểm soát được bằng cách chọn mô hình nhẹ hơn và viết prompt gọn hơn.

Thực tế khi tôi thử nghiệm, tiếng Việt phổ thông giọng miền Bắc và miền Nam đều nghe tự nhiên. Chỗ ElevenLabs Voice Agent còn vấp là tên riêng địa phương và các từ viết tắt kiểu “COD”, “ck”, “sđt”. Cách chữa nằm ở bước 4 phía dưới.

6 bước dựng ElevenLabs Voice Agent cho tổng đài tiếng Việt

Toàn bộ quy trình dưới đây làm bằng giao diện, không cần viết code. Một người quen việc mất khoảng 90 phút cho bản chạy được.

Bước 1 — Xác định đúng một việc cho agent làm. Sai lầm kinh điển là bắt ElevenLabs Voice Agent vừa tư vấn sản phẩm, vừa tra đơn, vừa nhận khiếu nại. Hãy chọn một việc chiếm nhiều cuộc gọi nhất. Với shop bán lẻ thường là tra tình trạng đơn hàng; với phòng khám là đặt lịch hẹn.

Bước 2 — Viết system prompt bằng tiếng Việt. Prompt nên nêu rõ vai trò, giọng điệu xưng hô, phạm vi được phép trả lời, và câu thoát khi gặp câu hỏi ngoài phạm vi. Câu thoát quan trọng hơn bạn tưởng: nó quyết định agent nói “em xin phép chuyển máy cho anh chị” thay vì bịa ra một chính sách bảo hành không tồn tại.

Bước 3 — Chọn giọng. Bạn có thể dùng giọng có sẵn trong thư viện, hoặc nhân bản giọng nhân viên thật để giữ nhận diện thương hiệu. Quy trình nhân bản giọng Nhịp AI đã hướng dẫn riêng trong bài clone giọng nói bằng ElevenLabs.

Bước 4 — Nạp Knowledge Base và sửa lỗi phát âm. Đưa bảng giá, chính sách đổi trả, câu hỏi thường gặp vào phần Knowledge Base để ElevenLabs Voice Agent tra cứu thay vì đoán. Đây cũng là chỗ bạn khai báo cách đọc các từ dễ sai: viết “COD” thành “xi âu đi”, “sđt” thành “số điện thoại”.

Bước 5 — Dựng luồng hội thoại bằng Workflow Builder. Công cụ này cho phép vẽ các nhánh nhiều bước: nếu khách hỏi đơn hàng thì gọi API tra đơn, nếu khách bực thì chuyển người thật. Gói miễn phí cũng đã có Workflow Builder nên bạn thử thoải mái.

Bước 6 — Chạy thử, đo, rồi mới nối số điện thoại. Nền tảng có sẵn phần testing và analytics. Hãy tự gọi ít nhất 30 cuộc với đủ kiểu khách khó tính trước khi cho ElevenLabs Voice Agent tiếp xúc khách thật. Chỉ khi tỉ lệ xử lý trọn vẹn vượt 70% mới nên nối vào đầu số chính.

Chi phí thật của ElevenLabs Voice Agent quy ra tiền Việt

Đây là phần khiến nhiều người bất ngờ. Bảng giá ElevenAgents công bố ngày 7/9/2026 như sau:

Chia ra, mọi gói trả phí đều rơi vào khoảng 0,08 USD mỗi phút — tức xấp xỉ 2.100 đồng. Con số này gần như không đổi dù bạn ở gói 6 USD hay gói 990 USD, nên đừng vội nhảy lên gói cao để mong rẻ hơn; hãy chọn theo số phút thực dùng và số cuộc gọi đồng thời. Bạn có thể đối chiếu trực tiếp tại bảng giá ElevenAgents.

So sánh nhanh cho một shop nhận khoảng 600 cuộc gọi mỗi tháng, trung bình 2 phút một cuộc: 1.200 phút, tương đương gói Pro 99 USD, khoảng 2,6 triệu đồng. Rẻ hơn đáng kể một nhân sự trực điện thoại, nhưng ElevenLabs Voice Agent không thay thế hoàn toàn được người — nó hút phần việc lặp đi lặp lại để người tập trung vào ca khó.

Một lưu ý về dòng tiền: đây là chi phí ngoại tệ trả hàng tháng bằng thẻ quốc tế. Với hộ kinh doanh nhỏ chưa có thẻ doanh nghiệp, đó là rào cản hành chính thật, không nên bỏ qua khi lập kế hoạch.

3 nhược điểm của ElevenLabs Voice Agent phải biết trước

Không có công cụ nào hoàn hảo, và ba điểm dưới đây tôi gặp ở gần như mọi dự án triển khai.

Một, giới hạn cuộc gọi đồng thời rất dễ chạm trần. Gói Creator 22 USD chỉ cho 10 cuộc cùng lúc. Một chiến dịch livestream bán hàng có thể tạo ra 30 cuộc gọi trong cùng một phút, và khách thứ 11 trở đi sẽ nghe máy bận. Đây là lý do phổ biến nhất khiến doanh nghiệp phải nhảy gói giữa chừng.

Hai, tiếng Việt vẫn vấp ở tên riêng và số phức tạp. ElevenLabs Voice Agent đọc “Nguyễn Thị Bích Ngọc” hay dãy số tài khoản 14 chữ số chưa mượt bằng người thật. Với nghiệp vụ đọc lại số tài khoản để xác nhận chuyển khoản, tôi vẫn khuyên chuyển sang tin nhắn thay vì để agent đọc.

Ba, không có hoá đơn VAT và hỗ trợ tiếng Việt. Toàn bộ tài liệu, giao diện quản trị và kênh hỗ trợ đều bằng tiếng Anh. Nếu công ty bạn cần chứng từ đầu vào hợp lệ để hạch toán, đây là vướng mắc phải giải quyết với kế toán trước khi ký. Các nền tảng nội địa như Vbee có lợi thế rõ ở điểm này — bài so sánh ElevenLabs, Murf và Vbee phân tích kỹ hơn phần đánh đổi này.

Nhận dựng ElevenLabs Voice Agent làm dịch vụ tại thị trường Việt

Nếu bạn làm freelance hoặc agency nhỏ, đây đang là khoảng trống dễ ăn. Doanh nghiệp Việt biết đến tổng đài AI nhưng phần lớn không có người ngồi đọc tài liệu tiếng Anh để dựng.

Mô hình giá tôi thấy chạy được ở thị trường trong nước gồm hai phần. Phần một là phí thiết lập trọn gói, khoảng 8–15 triệu đồng cho một ElevenLabs Voice Agent gồm viết prompt, nạp knowledge base, dựng workflow và nối số. Phần hai là phí vận hành hàng tháng 2–4 triệu đồng, gồm chi phí nền tảng cộng công theo dõi và tinh chỉnh.

Điểm mấu chốt để giữ khách không nằm ở kỹ thuật dựng, mà ở việc đọc bản ghi cuộc gọi hàng tuần và sửa prompt theo lỗi thật. Một ElevenLabs Voice Agent dựng xong bỏ đó sẽ tệ dần khi sản phẩm và chính sách của khách thay đổi. Nếu bạn muốn tự động hoá luôn phần chăm sóc sau bán, bài workflow AI trả lời khách hàng ghép được vào đúng quy trình này.

Muốn bắt đầu, cách rẻ nhất là dựng thử một agent cho chính công việc của bạn trước khi bán cho ai. Đăng ký ElevenLabs và dựng agent đầu tiên tại đây — 15 phút miễn phí đủ để chạy trọn một kịch bản mẫu.

Câu hỏi thường gặp về ElevenLabs Voice Agent

ElevenLabs Voice Agent có nói được giọng miền Nam không?
Có. Bạn chọn giọng miền Nam trong thư viện hoặc nhân bản giọng nhân viên người miền Nam. Chất lượng ngữ điệu tốt, nhưng từ địa phương hiếm gặp vẫn cần khai báo cách đọc trong Knowledge Base.

Có cần biết lập trình để dựng không?
Không, nếu bạn chỉ dùng Workflow Builder và Knowledge Base. Chỉ khi cần agent tra dữ liệu từ hệ thống nội bộ như phần mềm quản lý đơn hàng thì mới cần người biết gọi API.

Nối vào đầu số 1900 hay 1800 đang dùng được không?
Được, vì nền tảng hỗ trợ tích hợp qua hệ thống tổng đài. Bạn cần nhà cung cấp đầu số hỗ trợ SIP trunk, và nên hỏi kỹ điều này trước khi triển khai.

Chi phí thật cho một shop nhỏ là bao nhiêu?
Với dưới 275 phút gọi mỗi tháng, gói Creator 22 USD (khoảng 580 nghìn đồng) là đủ. Vượt mức đó, ElevenLabs Voice Agent tính khoảng 2.100 đồng mỗi phút, nên hãy ước lượng số phút trước khi chọn gói.

Bài viết phản ánh giá và thông số công bố tại thời điểm 7/9/2026. Nhà cung cấp có thể thay đổi chính sách; hãy kiểm tra lại trước khi quyết định.