一個人經營帳號，最先垮的通常不是選題，是嗓子。
我在台北租雅房，做 IG Reels 是下班後的事。十月的台北還悶熱，晚上八點多拖著疲憊的身軀回到房間，打開補光燈準備錄口播，樓下那間裝潢行的電鑽聲就準時響起。第一支影片我錄了十一次，不是忘詞，是每次聽回放都覺得那個聲音「不像我」——越不像越緊張，越緊張越不像。
到第十支那天，嗓子徹底啞了。第二天上班開會，講到一半發不出聲，同事遞來一瓶水，我看著他，突然意識到：這個帳號才經營半個月，我的嗓子已經先透支了。
觀眾對聲音的敏感度，比我想像中高
前十支全是我自己的聲音。數據不好看，我一開始怪封面標題，直到翻留言才發現，觀眾對「聲音」的關注遠超我想像。
十二條留言裡，有七條在問嗓子：「聲音聽起來好累」「是不是感冒了」「多喝熱水」。有一支我在捷運上用耳機麥克風錄的，背景音有報站聲，底下直接有人問：「妳是在捷運裡錄的嗎？」背景音這種東西，自己覺得沒什麼，觀眾一聽一個準。
後來我學乖了，正式錄前先用手機試錄一遍聽環境音——雅房隔音就那樣，冰箱嗡嗡聲、隔壁熱水器、樓下機車經過聲，全都聽得見。環境音躲不掉，只能挑時段：晚上十點以後裝潢停工、小區安靜下來，那兩小時是黃金時段。
也有意外收穫。有支影片我嗓子半啞，錄時帶出了家鄉台語腔，本想隔天重錄，太晚就直接發了。結果那支留言最熱鬧，評論區冒出一堆鄉親，有人說「一聽就是南部的」。原來口音不全是減分項，看它出現在什麼內容裡。
AI配音接手的活，比我想像中多
啞掉的那一週，我開始認真測 AI 配音。試完第一版的感覺是：我原來一直把它用錯地方。
分界線其實很清楚——凡是「我」不需要出現的內容，AI 配音都接得住。盤點類、清單類、資料整理類的口播，比方說有期講台北各區免費遛狗公園，十幾個點位挨個唸，我自己讀特別容易讀串、讀到第九個點位就開始吞字。AI 配音念這種稿子，一個點就是一個點，穩穩當當，還不帶情緒波動。
選聲音這步我折騰了兩個晚上。一開始挑最字正腔圓那個音色，唸出來像晚間新聞，跟我的內容完全不搭；換個偏年輕、收斂一點的，才對味。語速也試了一堆檔位，1.05x 偏趕，0.9x 又拖，最後卡在 0.95x——這數字沒道理可講，就是耳朵聽出來的。
時間帳也在這裡拉開。以前一支影片，光配音就要花四十分鐘：錄、聽回放、發現口誤、重錄、再聽。現在流程變成：稿子寫完是深夜，先丟給 AI 讀一版，隔天早上通勤捷運上戴耳機審一遍，中午休息把氣口節奏微調一下，晚飯前發出。配音這步，從四十分鐘縮到十幾分鐘。
這三十支裡，後面二十支，有十三支用的是 AI 配音。
當然也有翻車的。有期講離別的稿子，我想省事直接交給 AI，成片發出去，留言裡有人說「聲音沒感情，像在念說明書」，完播率掉了一半。這條教訓直接幫我把分工線劃好了。
真人聲音留下來的，是三樣東西
那真人聲音是不是可以退場了？三十支試下來，我的答案是：不能，但有條件。
第一樣是觀點。帶立場的結論，觀眾想聽的是「妳」怎麼說——同樣的判斷，真人說出來有拿不準的猶豫、有說到興頭上那一下加重。觀眾接得住這種毛邊，甚至喜歡這種毛邊。
第二樣是情緒的轉折。有支講故鄉老屋要拆的影片，我寫到「門框上還有我國小量的身高線」，錄到這句自己先停了半秒。那半秒的停頓，AI 給不了。那支留言也是最多的，好幾個人說「聽到這句我也想起我家」。
第三樣是熟悉感。有位老粉絲後來留言說，「一聽開頭就知道是妳」。這種感覺攢起來很慢，十支二十支地養，丟了就是丟了。這也是我最後沒全盤轉成 AI 配音的原因——省下來的時間，補不回這東西。
現在的分工，給剛起步的人三句話
現在規矩很簡單：觀點類、故事類，真人錄；資訊類、清單類，AI 配音。封面用統一模板，聲音不統一，觀眾居然也接受了——他們在意的是這支影片有沒有講出東西，而不是每一支都用同一個嗓子。
如果妳也是一個人在做號，配音這件事我只有三句話想說：
一，稿子先寫得像人話。配音只是最後一層皮，稿子別扭，誰的嗓子都救不回來。我吃過這虧：AI 配音讀我早期那些「新聞稿腔」的稿子，機器的穩跟人稿的別扭疊在一起，完播率慘不忍睹。
二，別拿 AI 配音裝成真人。觀眾不笨，露餡那一刻，比「難看」更傷號。要用就大方用，別遮遮掩掩。
三，嗓子是耗材。別學我連著錄十支，護著點，它比妳想像中脆弱。真啞了，AI 配音還能頂幾天；選題靈感啞了，才是真麻煩。
對了，前兩天我爸從南部打電話來，問我「是不是換麥克風了，聲音聽起來精神多了」。我說爸，換的不是麥克風，是方法。
想自己試試看的，可以直接上 線上免費聲音克隆工具 玩玩，免註冊、免費文字轉語音都能用，連 免費語音合成API 也開放呼叫。我自己是先在 這裡 測過幾個音色才決定長期用哪個，省得後來換來換去又要重新適應。
免費 AI配音 現在門檻低到嚇人，真心建議先玩玩再決定要不要把真人聲音全留給有溫度的內容。