免費聲音克隆跟付費TTS差多少？我兩邊都試了，結果有點意外
上禮拜我媽打電話來，劈頭就問：「你什麼時候錄的那個導覽？我聽了好幾遍，總覺得哪裡怪怪的。」我愣住，因為我根本沒錄過什麼導覽。後來才知道，是我妹用我的聲音做了一支假語音，騙我媽說是我錄的。我媽信了，還誇我「聲音聽起來很專業」。
我當下真的又氣又好笑，但更多的是好奇——現在的聲音克隆已經這麼像了嗎？我妹說她用的是一個免費的線上工具，不用註冊，上傳幾十秒的聲音就能複製。我二話不說，決定自己來測一輪，順便看看免費的跟付費的到底差多少。
我怎麼測的：用我自己的聲音，各克隆一次
我錄了一段大約 40 秒的日常講話，內容是「今天天氣不錯，我打算去買杯青茶，順便繞去書店翻翻新書」。然後分別丟進免費的「免費聲音克隆」網站跟一個我朋友推薦的付費 TTS 平台。
免費的那個，操作真的很簡單，就是上傳音檔、按一下，大概 30 秒就出現我的「複製聲」。付費的反而囉嗦，要先選模型、調參數、還得等佇列。我心裡想：花錢的怎麼還比較慢？
免費跟付費的實際差異：音質、自然度、速度、限制
音質：免費的略糊，但沒到破音
免費版出來的聲音，乍聽之下很像，但仔細聽，有些尾音會稍微「虛掉」，像手機錄音跟麥克風錄音的差別。付費版的音質明顯更紮實，氣音跟唇齒音都保留得比較好。
但老實說，如果你只是要拿來做 YouTube 旁白或 IG 限動，免費版那點差異，一般人根本分不出來。我拿給我室友盲測，他猜了三次，猜錯兩次。
自然度：免費版偶爾會「出戲」
免費版的自然度其實讓我意外，大部分句子都很順，但遇到「啊」「喔」這類語氣詞，或是「真的假的」這種口語，它會突然變得很「字正腔圓」，像新聞主播在唸稿。付費版就比較會「演」，語調會上揚、停頓也比較自然。
不過我發現一個祕訣——免費版有「聲調」跟「發音」的高級設定，我把聲調調低一點，發音調「台灣腔」，整體自然度立刻提升不少。
速度：免費版海放付費版
免費版幾乎是秒出，我上傳完去倒杯水，回來就好了。付費版我等了快五分鐘，中間還一度以為當機。
如果你是那種「想到就要馬上做」的人，免費版這點真的很加分。
限制：免費版有「時間」跟「長度」的隱形天花板
免費版雖然免註冊、永久免費，但每次生成的音檔長度有限制，我試了大概 200 字的文本，它直接跟我說「太長，請分段」。付費版就沒這問題，一口氣唸完 3000 字也沒事。
還有，免費版不能商用，但付費版可以。這點對創作者來說很關鍵。
閩南語腔的還原度：免費版意外的強項
我特別測了一句閩南語：「你今仔日欲去佗位？」（你今天要去哪裡？）
免費版竟然唸得「有夠道地」，連那個「佗位」的尾音上揚都抓到了。付費版反而唸得有點「國語腔」，像是硬要唸閩南語的台北人。
我猜是因為免費版用了大量台灣使用者的錄音去訓練，所以對閩南語腔的掌握反而比國際大廠的付費模型更細膩。這對我們這種日常會混著閩南語的人來說，真的很重要。
免費聲音克隆的隱憂：個資跟「聲音被盜用」的風險
講到這，我必須潑點冷水。免費工具雖然方便，但你上傳的聲音檔案，等於是把你的「聲紋」交出去。誰知道你錄的那幾十秒，會被拿去訓練什麼？
我妹之前用免費工具，還把生成結果拿去整我，這代表——如果今天有人拿到你的聲音檔，就能用免費工具複製你的聲音，然後打給你家人詐騙。我後來特別查了一下，台灣的《個人資料保護法》目前對「聲音」的保障還很模糊，所以真的要小心。
我自己是這樣：拿免費工具來玩可以，但絕對不放太私密的內容，也盡量用「假名」或「變聲」去錄訓練檔。
到底該選免費還是付費？我的建議是這樣
如果你只是好奇、想玩玩，或需要快速做一支短片旁白，免費版真的夠用了，尤其它支援繁體中文跟閩南語腔，這點大勝很多付費工具。
但如果你要靠聲音賺錢——例如做有聲書、Podcast 或商業廣告，那就別省，付費版比較穩，也比較不會有「聲音被盜用」的疑慮。
最後，給你的實用建議
我現在的做法是：先用免費版試水溫，確定效果可以，再考慮要不要花錢升級。而且免費版有個好處——它不用註冊，所以我不用留 email，也不用怕被寄垃圾信。
如果你也想試，我建議先錄一段 20 秒左右、口齒清晰的講話，內容最好包含不同語調的句子。上傳後，記得去調那個「聲調」跟「發音」的進階設定，差很多。
對了，我用的免費工具是這個：免費聲音克隆，它是線上版，不用安裝，點進去就能用。如果你想要看更多使用心得，可以逛一下動態列表，裡面有不少人分享實測。
老實說，免費跟付費的差距，沒有我想像中那麼大。至少我媽到現在還以為那支導覽是我錄的。