上禮拜幫姑姑的早餐店弄客服語音，就是那種「按1訂位、按2外帶」的IVR提示。我自認唸得字正腔圓，結果姑姑聽完只丟一句：「你這個聲音，客人會以為是詐騙集團吧？」我當場愣住。後來才發現，幫YouTube Shorts配旁白、幫Podcast錄開場白，跟錄IVR根本是三回事。

短影音旁白最怕「念稿感」

刷Reels、Shorts的時候，觀眾停留時間是以幀在算的。八十個字的腳本，我上次錄了快兩小時，難點從來不是咬字清不清楚，而是語氣得踩在剪接點上。食材下鍋的那一聲「唰」，你的停頓要剛好落在前面半拍，慢一點，觀眾拇指一滑就離開了。

再來是背景音樂搶戲。有時候覺得自己錄得蠻乾淨，一混進影片裡，人聲被BGM吃掉一半，根本聽不清在供三小。還有平台審查，像「最便宜」「保證有效」這類詞在台灣的廣告規範裡很容易被標記，得改口白又重配，搞到後來連自己都聽不下去。

Podcast開場白的另一種修行

Podcast不用配畫面，但對聲音本身的要求更變態。沒有音樂掩護、沒有轉場遮醜，你嘴巴的氣音、緊張時的喉嚨顫抖、甚至房間空蕩的回音，全部被放大。聽眾耳朵很尖，一點不真實就滑掉。

我之前幫一個獨立節目錄開場，要求一遍到底不能剪。五遍才過，不是台詞錯，就是語氣太像在念新聞，完全沒有那種「半夜跟你說秘密」的親密感。麥克風前只有你自己，房間空空，很容易讀成廣播體操。

客服IVR到底要什麼聲音

回到IVR，它既不是短影音也不是Podcast，夾在中間有自己的脾氣。提示音要清晰、耐聽、不能太有情緒。客人打進來可能是要客訴、要退貨，聲音太激昂顯得不專業，太悶又像在敷衍，兩邊都不是人。

關鍵是「重複耐聽」。同一段話一天可能播幾百次，聲音稍嫌刺耳，客人還沒講到重點就先掛電話了。我後來摸出一點心得：IVR適合那種中性偏溫和的真人語音合成免費工具產出的聲音，語速放慢一點，停頓留白，讓客人有反應時間，不要像機關槍一樣掃過去。

家裡錄音環境的真實折磨

我最開始也傻，以為桌上麥克風隨便一錄就行。結果第一次試錄，背後是電腦風扇在狂轉，窗外剛好有機車呼嘯而過，錄起來的氣流聲跟遙遠的引擎聲，我聽完都想直接刪檔，更別說客人了。

距離感也是學問。離麥克風太近，每個「p」音都像爆破；太遠，房間的回音跟冷氣聲就變得特別突出。IVR那種乾淨到近乎苛刻的風格，對環境的要求真的很高，一點點雜音放大後就是噪音風暴。

還有很多免費錄音app預設壓縮比高得可怕，高頻細節直接砍斷，聲音變得扁平無生氣。我試了老半天才回頭抓WAV原始採集，否則後製想調EQ都沒地方調。與其事後補救，不如一開始就找線上工具，省去安裝聲音克隆軟體免費版的麻煩。

為什麼你的短影音旁白不能直接當IVR

前陣子有個做短影音的朋友問，能不能把他之前的旁白素材直接拉來當IVR。我試了，災難。短影音旁白帶著劇情走向，情緒高潮時音高刻意拉高，賣點前故意拖長停頓，這種「演技」放進IVR裡，客人只會頭痛，反而忽略真正的業務資訊。

IVR比較像全天候的電話管家，聲音要像極了廣播體操，有可懂度，沒有戲劇張力。語速上，短影音為了節奏緊湊往往加快，IVR則要拉慢，給大腦留處理資訊的緩衝。停頓上，影片裡的停頓是為了配合剪接，IVR的停頓是為了讓客人按鍵或思考下一步。硬要遷移，到頭來得從頭錄、改調、重採樣，得不償失。

用VoxClone免註冊做IVR配音

我不是專業配音員，買不起錄音室，更沒時間找外包。後來直接用VoxClone處理，它是免註冊聲音合成，打開網頁就能用，不用註冊帳號，也不用先付費。

做法很簡單：先找一段自己喜歡的客服語音樣本，或者用手機錄一段乾淨的問候語，上傳到免費聲音克隆頁面，克隆出自己的AI聲音。接著在線上文字轉語音免費輸入IVR腳本，例如「您好，歡迎致電XX早餐店，請按1訂位，按2外帶」，生成音訊後下載，直接接進電話系統。

全程在線免費聲音克隆，等於免註冊聲音在線克隆，不用安裝任何聲音克隆軟體免費版，幾分鐘就能拿到可用的免費AI配音。生成的檔案沒有浮水印，可以無限制文字轉語音，對小微店家快速迭代IVR提示很方便，AI聲音克隆在線操作也很直覺。如果之後要接自有系統，它也有免費語音合成API，文件放在更多教學裡。

語速與停頓的微調實戰

我第一次用VoxClone生成IVR時，預設語速偏快，聽起來像在趕火車。後來發現參數裡有「語速」滑桿，從1.0調到0.85，整個味道就對了。停頓也要手動加逗號或句號，甚至用「...」來製造半秒的呼吸空間，客人聽到「請按1」之後才不會急著按錯。

另外，我建議生成後用耳機反覆聽三遍：第一遍純聽清晰度，第二遍模擬客人第一次打進來的心情，第三遍把音量調到手機聽筒的實際大小。很多音檔在電腦上聽很飽滿，一放到電話線路上就變悶，高頻被吃掉，字尾糊掉。如果發現「訂位」聽成「定位」，就回去把那個詞前後加停頓，或者換成更口語的「訂座位」。

常見問題

IVR語音提示可以用克隆的聲音嗎？

可以，只要克隆出的聲音清晰、發音標準，完全能用在客服IVR。關鍵是生成的音訊不要有背景雜音，語速適中，讓客人一次就聽懂。

免費TTS聲音合成生成的音訊能商用嗎？

VoxClone是永久免費聲音克隆平台，生成的音訊可以用於商業場景，包括客服電話、短影音、Podcast等，不用擔心版權問題。

拿出手機，錄一段30秒的客服問候，上傳克隆看看。或者先想清楚：你的品牌聲音，到底想要客人聽到什麼？