很多人第一次用文字轉語音（TTS），會卡在同一件事：工具打開了，卻不知道從哪一步開始。
這篇不講理論，直接走一條「三分鐘能出成品」的路。你需要的只有三樣：一段稿、一個聲音、一個輸出檔。看完你會有一支能用的旁白，也會知道之後怎麼越做越好。
先說結論：三步就夠
- 寫好口語稿（不是作文）
- 挑聲音、加節奏（標點比指令有用）
- 生成、聽、改一句、再輸出
下面把每一步拆開，附上我實測後真正有用的細節。你不用一次全學會——先跑通一次，再回來補技巧。
第一步：把稿子改成「會講話的文字」
TTS 唸不好，八成不是引擎的問題，是稿子太像書面語。機器不會「自動把文章變成聊天」，它只會老實把字唸出來。所以你要先把字改成「像人在講」。
今天就能改的 3 件事
- 長句拆短。 超過 40 字、中間沒逗點的句子，機器很容易喘不過氣，聽的人也會跟著累。
- 數字寫清楚。 「3.5 萬」會被唸成「三點五萬」或「三五萬」，你在意哪種，就先寫成那種。
- 品牌名、英文縮寫先決定唸法。 APP 要唸「A-P-P」還是「欸噗噗」，稿子裡先定案，不要交給運氣。
改稿前後對比
改之前（作文腔）： 本產品採用先進技術，可大幅提升工作效率，歡迎各位用戶踴躍使用。
改之後（口語腔）： 這工具能幫你省時間。想試的話，現在就可以開始。
同樣的意思，後者聽起來像人在說話，前者像公告。旁白要用的是後者。
小技巧： 自己小聲聲唸一遍。唸起來卡住的地方，機器也會卡。你的舌頭就是最好的測試器。
不同用途的稿子差在哪
| 用途 | 語速感 | 句子長度 | 語氣 |
|---|---|---|---|
| 短影音旁白 | 稍快 | 短 | 有鉤子、有情緒 |
| 教學課程 | 中等 | 中 | 清楚、穩 |
| 有聲書 | 稍慢 | 中長 | 說故事、有呼吸 |
| 廣告口播 | 快 | 短 | 有力、要行動 |
先想清楚你在做哪一種，再動筆。
第二步：挑聲音，用標點控制節奏
聲音先挑「聽起來像你的觀眾會喜歡的人」，不要先挑最貴的。工具沒有絕對的好壞，只有適不適合這段內容。
挑聲音的三個問題
- 你的觀眾是誰？（學生？買家？聽眾？）
- 內容要親切還是專業？
- 要不要用「自己的聲音」？（可以之後用克隆）
真正讓配音「有戲」的，多半是標點
- 逗點 = 換氣
- 句號 = 停半拍
- 驚嘆號 = 能量往上
- 括號情緒（例如（溫柔））= 整句濾鏡
- 方括號音效（例如 [停頓]）= 節奏點
叫 AI「開心一點」通常沒用；把「老實說」「你猜怎麼著」寫進稿子，語氣會自己出來。這是很多人試過之後才懂的事：情緒在文字裡，不在設定裡。
一個可用的標籤範例
（興奮）各位觀眾，好消息——本店今天全場八折！
（溫柔）慢慢來，不急。我們先把第一句聽清楚。
同一段字，加上標籤和停頓，聽起來可以差很多。
第三步：生成 → 聽 → 只改一句
不要一次改整篇。正確順序是：
- 先生成一版「能聽」的
- 記下最不順的 那一句
- 只改那一句的標點或用詞
- 再生成，挑更好的一版
為什麼只改一句？
因為 AI 每次演出都不一樣。如果你整篇重寫，你永遠不知道是「稿子變好了」還是「剛好這次比較順」。一次只動一個變數，才學得快。
輸出
需要交件或剪片時，輸出 WAV 或 MP3 就能進剪輯軟體。做課程、有聲書、短影片旁白，同一套流程都能用。
什麼時候 TTS 很好用？什麼時候該找真人？
| 情境 | 建議 |
|---|---|
| 教學、資訊、旁白、量大改稿多 | TTS 很划算 |
| 品牌形象片、要大哭大笑的戲 | 找真人 |
| 你在做台灣市場的內容 | 先試台灣腔聲音 |
| 需要今天就要、明天要改 | TTS 省時間 |
TTS 不是取代配音員，是把「大量、可改、要快」的活接走。
常見問題 FAQ
Q：一次可以轉多長的文字？
建議單次數千字以內。更長就分段，最後再合併，品質更穩。
Q：免費方案夠用嗎？
夠「試」。做一兩支短片沒問題；要日更或交件，通常要升級。
Q：可以用在商業影片嗎？
付費方案一般可商用；免費方案多限個人非商業。上架前看清楚條款。
Q：TTS 和聲音克隆差在哪？
TTS 用官方聲音；克隆是用你自己的音檔做一個專屬聲音。兩者可以搭配。
今天就可以做的第一支
挑一段 30 秒的稿——開場白或商品介紹都好——用上面三步走完。你會立刻知道：卡住的是稿子、聲音，還是節奏。
想再往下走，可以接著看：
準備好直接試，可以到 Soundwaver 文字轉語音 免費生成第一段。
