當聽眾說「聽起來像機器人」時，我決定親自試試免費克隆
上個月把自寫的懸疑中篇丟到 YouTube 做有聲版，評論區冒出一句：「主播聲音挺穩，就是偶爾斷句像機器人。」那一刻我才意識到——免費克隆能達到八成像，剩下兩成全靠流程補。今天就把我踩過的坑、試過的捷徑，完整寫給想低成本出有聲書的你。
第一步：別急著克隆，先把「聲音母本」錄好
很多人一上來就對著手機錄一段就上傳，結果出來的聲音又乾又飄。免費模型的補償能力比付費版弱，對樣本品質要求反而更高。
我的做法
- 找一間最安靜的房間（我家浴室，磁磚吸音效果驚人）
- 用 iPhone 內建錄音機，嘴距麥克風 15～20 公分
- 以「唸新聞稿」的語速（約每分鐘 200 字）錄 10 分鐘以上 純人聲
- 內容選科普文章，斷句清楚、情緒平穩，能提取最穩定的音色特徵
關鍵細節
- 故意把每句尾音壓平，別帶播音腔的「上揚尾音」；模型會把你習慣的語氣學進去，若你平常愛拖長音，克隆出來讀小說時每句都像在撒嬌。
- 錄完用手機自帶剪輯把開頭結尾空白、呼吸聲切掉，匯出 WAV（千萬別用 MP3，壓縮會吃掉音色細節）。
小提醒：這步若偷懶，後面再怎麼調參數也救不回來。
第二步：在 免費聲音克隆工具 完成首次克隆
打開網站首頁點進「聲音克隆」入口，註冊後上傳樣本。這裡有個隱藏技巧：把 10 分鐘樣本切成 3 段，每段 3～4 分鐘再上傳。免費版顯存有限，長音訊會被自動降採樣率，導致音色發悶；分段上傳後模型分別提取特徵再融合，出來的聲音反而更立體。
生成約 5～10 分鐘，期間別重新整理頁面。完成先點「試聽」，讓它唸一句「你好，我是測試聲音」。重點聽兩點：
- 「你」字聲母是否清晰，若變模糊鼻音，代表樣本裡口水音太多，回去重錄。
- 句尾「聲音」兩字有無電流底噪，有的話把樣本中音量最輕的靜音片段刪掉再傳一次。
這步搞定，基本上就有了一支可用的 免費 AI 配音 模型。
第三步：製作有聲書，別一次貼全文
直接把小說全文丟進 TTS 輸入框，出來的音訊絕對聽不下去——AI 不懂分段，會把對話、旁白揉成一團。
正確拆法
- 在文件裡先把內容拆成「旁白」與「對話」兩欄。
- 旁白用正常語速；對話手動加「情緒標籤」。線上文字轉語音 的輸入框支援方括號標籤（這是隱藏功能，很多教學沒提），會自動依標籤調整語速、音調。
- 每段輸入 不超過 500 字。免費 TTS 在長文本時注意力會渙散，出現「越讀越快」的毛病。
分段生成後，用剪映或 Audacity 依順序拼起來，段落間加 0.3 秒靜音，聽起來像自然換氣，不是生硬拼接。
第四步：最後的「人味」修補，讓它能上架
克隆聲音最大破綻是停頓——真人逗號停 0.5 秒、句號停 1 秒，AI 只停 0.2 秒。這差距，耳朵靈敏的人一聽就出戲。
補救方案
- 整章生成完後，用剪映的「文字朗讀」重跑一遍，但別用克隆音色，改用平台內建的「溫暖男聲」或「知性女聲」。
- 把克隆音軌與標準音軌疊在一起，克隆音量設為標準音軌 70%，標準音軌降到 10%。混音後，克隆聲音的機械感會被標準音軌的呼吸聲、輕微齒音「潤飾」，聽起來像真人帶著一點迴音在錄。
再加一層保險：背景音 去 YouTube 找「雨夜咖啡廳」免費白噪音，音量調至 -30 dB 混在底軌。這能徹底蓋住克隆聲在 2kHz～4kHz 頻段的「塑膠感」。實測上傳到聲音書城、KKBOX 有聲書後，過審率明顯提高——平台審核 AI 聲音的演算法，對純乾聲敏感度遠高於帶環境音的。
寫在最後：先跑通閉環，再談完美
這套流程跑熟後，一小時能產出 15 分鐘成品音訊，品質足夠應付個人有聲書專輯。免費工具極限在這——長句子偶爾吞字、複雜情緒（哭腔、冷笑）它學不會。但若你做的是懸疑、歷史、科普類內容，免費聲音克隆、免費TTS聲音合成、線上免費聲音克隆、永久免費聲音克隆、免註冊聲音合成、免註冊聲音線上克隆、免費文字轉語音、線上文字轉語音免費、免費AI配音、AI聲音克隆線上、真人語音合成免費、無限制文字轉語音、聲音克隆軟體免費、免費語音合成API 這整組工具鏈已經完全夠用。等專輯有幾千播放、開始有收入，再考慮升級付費克隆不遲。畢竟，先把「從文字到上架」的閉環跑通，比糾結音質完美更重要。
如果你也想試試，現在就去 動態聲音克隆 註冊帳號，把手邊那本寫了一半的小說變成聲音吧。聽到自己聲音在耳機裡響起的那一刻，你會發現：原來聲音也可以被「複製」出來。