上禮拜幫一個做YouTube Shorts的朋友剪片，他堅持旁白匯出MP3，說檔案小上傳快。我照做了。結果背景音樂一疊上來，人聲悶到像隔著棉被講話，客戶還以為我麥克風壞掉。

後來做Podcast開場，我學乖改用WAV，Google雲端硬碟直接顯示空間不足。這兩件事讓我認真思考——MP3和WAV，到底什麼時候該用哪個？

今天就用這兩個最常見的場景，把我踩過的坑和最後的選擇邏輯，一次攤開說。

場景一：YouTube Shorts旁白，MP3真的夠用還更順

台灣創作者做Short，講求一個「快」。腳本出來、AI配音生成、匯出、上傳，整條流程最好半小時內結束，不然熱點就過了。

這種情況下，MP3 128kbps絕對是首選。為什麼？因為YouTube、IG、TikTok後台都會二次壓縮，你上傳WAV，它照樣幫你轉成低品質AAC。那何必一開始就給自己找麻煩？

我現在都用線上文字轉語音免費工具生成旁白，直接選MP3 128kbps，檔案才幾百KB，LINE傳給客戶、上傳到後台都快到不行。剪片的時候時間軸也不會卡。

不過有個地雷：位元率別低於128kbps。我曾經貪快選96kbps，結果背景音效一加，人聲直接糊掉，霧霧的一片。後來固定128kbps，平衡點剛剛好。

對了，有些免費TTS聲音合成工具匯出的MP3，開頭會帶個幾十毫秒的靜音，剪輯時要手動對齊，不然旁白永遠慢半拍，嘴型對不起來超尷尬。

場景二：Podcast開場，WAV的乾淨值得你多佔空間

Podcast跟Short完全是兩個世界。聽眾大多戴耳機，對聲音細節超敏感。開場白可能只有三十秒，但它就是節目的門面，一點點壓縮痕跡或底噪都會被放大。

我上次做Podcast開場，用免費聲音克隆克隆了自己的聲音，匯出時選WAV 44.1kHz/16bit。那種乾淨度真的很誇張，呼吸聲、齒音、句尾的收音都清清楚楚，後製要壓縮、要等化都超好處理。MP3經手過的檔案，後製只會越弄越髒。

當然WAV的代價就是檔案大。但Podcast開場通常不長，這點空間真的值得投資。如果你是要做有聲書或長篇旁白，那就另當別論。

提醒一件事：如果用免註冊聲音線上克隆服務，匯出前記得檢查取樣頻率。有些工具預設48kHz，但Podcast平台或剪輯軟體偏好44.1kHz，不合的話到時還要轉檔，超煩。

MP3和WAV的核心差別，白話文版本

MP3是破壞性壓縮，砍掉的是人耳比較不敏感的高頻，換來小檔案和快速度。WAV是原始資料，保真度高，但檔案大，適合還要後製的狀況。

你可以這樣記：要丟到社群平台，MP3；要自己留著慢慢修，WAV。

我的預設匯出策略，直接複製貼上

不管我用免費AI配音還是免費聲音克隆軟體，現在都遵守同一套規則：

  • YouTube Shorts、IG Reels、TikTok旁白：MP3 128kbps或192kbps
  • Podcast、有聲書、要交給客戶的素材：WAV 44.1kHz/16bit
  • 如果工具只能給一種格式，我選WAV，因為WAV轉MP3很簡單，MP3轉WAV只是包裝，救不回音質

這套邏輯幫我省了超多重錄的時間。

關於免註冊和永久免費的碎碎念

我常用的幾個工具，像線上免費聲音克隆和免費語音合成API，都是免註冊聲音合成，打開網頁就能用，匯出格式也能選。有些服務標榜永久免費聲音克隆，對個人創作者來說真的很友善。

但免費工具常有隱藏限制——比如只給MP3，要WAV得付費。我的建議是：先用免費版把腳本、語氣、語速調到滿意，確認音色對了，再來煩惱匯出格式。不要一開始就為了WAV還是MP3糾結，浪費感情。

如果你經常趕稿，無限制文字轉語音的功能也很重要，至少不會用到一半就跟你收費。

實測對比：同一段旁白，兩種格式到底差在哪

我做了個小測試。同一段腳本、同一個音色，分別匯出MP3 128kbps和WAV 44.1kHz/16bit，丟到Audition看波形。

WAV的波形邊緣乾淨利落，放大看連呼吸的起伏都在。MP3的波形邊緣有點毛邊，高頻部分明顯被削平。但說實話，正常播放距離下，除非你耳朵很挑剔，不然真的聽不太出來。

不過有個地方差很大：如果你要對音檔做變調處理，比如降調或升調，MP3會出現一種金屬摩擦的「嘶嘶」聲，那是壓縮演算法留下的痕跡。WAV怎麼變都自然，像原生音檔一樣順。

所以有後製變調、變速、或做音效設計的需求，WAV是必備。如果只是配個背景音樂直接發片，MP3完全夠。

常見誤區：以為WAV就是高音質，MP3就是爛音質

這是最大的誤解。格式只是容器，裡面裝什麼才決定品質。你用爛麥克風錄的WAV，照樣滿是底噪；你用專業設備錄的MP3，照樣清晰。

我看過有人非要用WAV，結果來源音檔本身就有冷氣聲，匯出來還是冷氣聲，檔案大到剪輯軟體一直lag。格式救不了爛源頭，源頭乾淨才是重點。

另一個誤區是位元率越高越好。MP3 320kbps確實比128kbps好，但丟到YouTube或IG壓縮後，320kbps和128kbps的最終聽感幾乎沒差，白白多佔一倍空間。別為了心安選高碼率，耳朵聽起來怎樣才是真實。

與其花錢請真人配音，現在不少真人語音合成免費工具的效果已經很自然，對預算有限的個人創作者來說，CP值真的高。

收尾前說點實際的

如果你現在正在糾結匯出格式，先問自己：這支影片或節目要去哪？

  • 發YouTube Shorts、IG、TikTok：MP3 128kbps，直接上，別猶豫
  • 做Podcast、有聲書、或要交付給客戶的專案：WAV 44.1kHz/16bit，給它專業下去

工具挑對了，格式選對了，剩下的就是把內容做好。畢竟觀眾記得的是你講了什麼，不是你的檔案副檔名是什麼。

FAQ

問題：手機剪輯App能用WAV嗎？

可以，但手機剪輯通常最後還是匯出成MP4，音訊內嵌其中。如果你手機空間緊張，建議直接生成MP3，免得剪到一半記憶體不足，整個專案當掉超哭哭。

問題：MP3匯出後人聲不清楚，是格式問題還是工具問題？

大概率是工具問題。好的免費文字轉語音工具，就算輸出MP3，人聲依然清晰。如果換了工具還是一樣霧，試試把語速調慢，或換個音色，效果比糾結格式有用多了。

格式只是容器，裡面的聲音好不好，源頭說了算。

你有沒有在匯出格式上翻車過？留言跟我分享，讓我知道不是只有我一個人崩潰。