AI 語音克隆 - 用 AI 複製你自己的聲音

從一個有聲書委託開始

前幾週，一位好朋友問我有沒有興趣接一本有聲書的案子。她希望以 AI 的方式，用作者自己的聲音來製作有聲書——聽起來很有趣，於是我開始研究。

研究之後發現，目前市面上已有相當成熟的 AI 語音克隆技術（Voice Cloning），能分析語音特色，生成可模擬真人聲音的「數位聲音模型」，可以達到朋友的要求。這個模型可應用於旁白、有聲書、教材、簡報等各種情境。

主流 AI 聲音克隆工具一覽

我實際測試了目前最常見的幾款工具，各有所擅長。選擇之前，建議先確認你的語言需求、對腔調的要求，以及預算範圍。

我測試了這三個 AI 聲音工具 —— 美國的 ElevenLabs、中國的Minimax、以及台灣的VoAI。

ElevenLabs 來自於美國，它是目前公認英文合成語音自然度是業界最高，多語言支援，介面簡潔易上手，支援 Voice Cloning、TTS（Text-to-Speak）、多聲線等完整功能。但網友評它的中文語調可能不夠自然，品質也不一定穩定。最便宜年繳方案是月付 4.17 美金。

Minimax 來自於中國，它的中文合成語音品質與自然度都不錯，支援多語言與多聲線，最便宜年繳方案是月付 4塊美金（我就是用它來配我 Video 的旁白），CP 值高的選擇。但它的台灣本土口音支援較有限，部分腔調細節不夠精準。Minimax常常會有新的語音模型推出，但還是建議選擇穩定性高的語音模型，不要選擇最新的模型，新模型相對訓練不夠，在模仿的語音品質跟辨識度上常常無法控制。

接下來是來自台灣本土的 VoAI 絕好聲創，它強調高度仿真的台灣口音腔調，針對想要聲音克隆的服務，可以搭配選購 VIP 模型訂製，由專人幫你訓練完整模型，適合高品質本土內容。方案費用較高，依需求詢價。有台灣口音腔調的需求，可以考慮用本土的絕好聲創。

如何在 ElevenLabs 建立你的聲音模型

以下六個步驟帶你從零開始，建立屬於自己的 AI 聲音模型，全程不超過 10 分鐘。

結論 & 後話

雖然 ElevenLabs 在英文語音合成上表現頂尖，網路上確實有部分使用者反映其中文語音的語調自然度不夠穩定。這很大程度上取決於你的語音樣本品質與錄製環境。

我在實際製作影片配音時，最終選擇以 Minimax 完成中文語音的生成，效果較為自然流暢。若你的內容以繁體中文為主、且對台灣腔調有明確需求，本土的 VoAI 絕好聲創或 ATEN 優聲學仍是更合適的選擇，只是費用相對較高。

最後有聲書的案子，並沒有用客製的AI 語音克隆方式，而是用VoAI 絕好聲創現成的 AI 角色聲音。在這過程中，又發現了另一個台灣 AI有聲書製作服務 - 聯經數位的 『Aicast』。我有用它來做最初的提案確認，它的費用不高，界面很好用，非常容易上手，且長篇文章上傳後，AI 會幫忙分析角色，準確度還蠻高的（這個功能 VoAI 絕好聲創並沒有提供），節省我不少時間。可惜的是，付完錢後竟然關閉付費會員的服務並退費，客服很難聯繫到。廠商最後是回覆目前還不知道重啟的時間。

用 VoAI 絕好聲創來進行有聲書製作，在試音的時候，發現擁有多種情境配音的角色，被訓練得比較成熟，唸起書來聲音比較生動。希望廠商能夠多多訓練同一個角色，像高興、生氣等不同情境的聲音，這樣對有聲書的選擇會比較多樣化。