如果你要寫「AI 配音工具比較」這類文章，這裡有可以直接引用的素材。
我們是 Soundwaver，做繁體中文 AI 配音。這份素材包把四件事整理好，方便你直接引用，不用自己去逐家查。
我們的原則：不藏對手比我們強的地方。 下面對照表裡，Azure 的台灣腔是母語級、ElevenLabs 的表現力最強、免費工具的額度比我們大——這些我們都照寫。查不到的我們留白，不會用「部分支援」含糊帶過。
一、平台台灣腔與情緒控制支援對照表
整理時間 2026-10-26。來源等級：【官】 廠商官方文件｜【實】 第三方親手實測｜【彙】 第三方彙整｜【查】 整理當時查不到可靠資料。
| 工具 | 繁中／台灣腔 | 情緒控制 | 聲音克隆 | 長文 | 免費／價格 | 來源 |
|---|---|---|---|---|---|---|
| Microsoft Azure TTS | ★★★★★ 原生 3 音色（曉臻／曉雨／雲哲） | ✗ 官方文件未列 speaking style | ✗ 需 Custom／Personal Voice | ✓ | F0 層每月 50 萬字免費；Standard $15／百萬字 | 【官】 |
| Google Gemini TTS | ✓ 有台灣口音設定 | ✓ 可用自然語言指定 | ✓ | 查不到 | 免費（額度很小） | 【官】 |
| Google Cloud TTS | ✓ cmn-TW 共 6 個語音 | △ cmn-TW 無 Chirp3-HD | ✓ | ✓ | 有免費層 | 【官】 |
| Amazon Polly | ✗ 沒有 cmn-TW | △ SSML 有限 | ✓ | ✓ long-form async | 分引擎計價 | 【官】 |
| ElevenLabs | △ 有台灣口音選項但偏中國腔 | ✓✓ 表現力強 | ✓ | △ 超 1,000 字偶爾跳音 | 免費 1 萬字不可商用；Starter $5 起 | 【實】【彙】 |
| 剪映／CapCut | ？ 查不到官方完整音檔清單 | ✗ 只有滑桿 | ✓（進階） | ✗ 長段落需分段 | 多數免費，進階需 Pro | 【彙】 |
| VoAI 絕好聲創 | ✓✓ 73+ 台灣口音 | 查不到 | 查不到 | 查不到 | 免費 1,000 字不可商用；NT$680／月起 | 【官】【彙】 |
| TTSMaker | △ 繁中有，非台灣腔專項 | 查不到 | 查不到 | 查不到 | 永久免費、每週約 2 萬字，可商用 | 【彙】 |
| Soundwaver | ✓ 內建音色 + (台灣腔) 風格標籤 |
✓✓✓ 三層控制（自然語言／導演模式／行內標籤），可做同一段內的語氣轉場 | ✓ 30 秒素材 | ✓ 音色穩定（±1.2%） | 免費 1,000 credits／月（約 16.7 分鐘）；$5.49 起 | 【我】【官】 |
可以怎麼引用：表格可直接複製，請註明整理時間與來源等級。我們不介意你寫我們比較弱的地方——那會讓這篇文章更可信。
二、credits 換算表（1 credit = 1 秒）
我們的計價單位是秒，不是字數。換算基準為繁體中文旁白約 5.4 字／秒（我們的實測）。
| 方案 | credits | 約可生成 | 約幾萬字 |
|---|---|---|---|
| 免費 | 1,000 | 16.7 分鐘 | 0.54 萬字 |
| 入門版 $5.49／月 | 5,000 | 83 分鐘 | 2.7 萬字 |
| 創作者版 $17.49／月 | 21,900 | 6.1 小時 | 11.8 萬字 |
| 專業版 $53.49／月 | 120,000 | 33.3 小時 | 64.8 萬字 |
單次點數包（一次付款、永久有效、不會過期；訂閱會員加購 6 折）：
| 點數 | 原價 | 訂閱會員價 | 約可生成 |
|---|---|---|---|
| 2,000 | $6 | $3.60 | 約 33 分鐘 |
| 5,000 | $13 | $7.80 | 約 83 分鐘 |
| 10,000 | $23 | $13.80 | 約 2.8 小時 |
| 30,000 | $60 | $36 | 約 8.3 小時 |
| 60,000 | $108 | $64.80 | 約 16.7 小時 |
| 100,000 | $160 | $96 | 約 27.8 小時 |
一個實測提醒：我們把同一段稿用「白話描述腔調」跑過一次，出來的是東北腔。腔調請用
(台灣腔)風格標籤控制；節奏另外用指令寫，兩件事分開。細節見我們的<a href=“/blog/taiwan-accent-tts-tools-compared/”>台灣腔比較實測</a>。
三、商用授權清單
| 工具 | 免費層可以商用嗎 | 備註 |
|---|---|---|
| Adobe Firefly | ✓ | 需 Adobe 帳號 |
| Google Gemini TTS | ✓ | 需 Google 帳號，免費層額度很小 |
| TTSMaker | ✓ | 依其官方說明可商用，每週約 2 萬字 |
| 剪映／CapCut | △ | 進階音色需 Pro，商用條款依 App 版本，請自行確認 |
| ElevenLabs | ✗ | 免費層不可商用，Starter 起才可 |
| VoAI | ✗ | 免費 1,000 字不可商用 |
| Soundwaver | 免費方案限個人、非商業用途；付費方案可商用 | 依我們的服務條款第 8 條 |
通用提醒：用任何人聲做 AI 配音，都要確認那個聲音的授權狀態——包括上傳自己的錄音時，你是否真的擁有那個聲音的商業使用權。
四、四段實測音檔（可下載）
同一段 72 字繁體中文（內含台灣限定詞、地址、時間、電話格式）、同一個音色，唯一的差別是「怎麼下指令」。
| 版本 | 做法 | 下載 |
|---|---|---|
| A | 內建音色，不加任何標籤 | tw-A-default.mp3 |
| B | 內建音色 + (台灣腔) 風格標籤 |
tw-B-tag.mp3 |
| C | 內建音色 + 一句白話描述腔調 （失敗案例：出來是東北腔） | tw-C-nl.mp3 |
| D | VoiceDesign 用文字描述造音色 （不穩定） | tw-D-voicedesign.mp3 |
量測結果（FFT 音色亮度 + 自相關音高）：
| 版本 | 長度 | 語速 | 音高（F0） | 音色亮度 |
|---|---|---|---|---|
| A | 14.24 秒 | 303 字／分 | 158 Hz | 2,466 Hz |
| B | 16.00 秒 | 270 字／分 | 150 Hz | 2,602 Hz |
| C | 17.92 秒 | 241 字／分 | 130 Hz | 2,821 Hz |
| D | 18.72 秒 | 231 字／分 | 111 Hz | 1,894 Hz |
聽感：A 只有一點點台灣感、B 明確是台灣腔、C 出來的是東北腔、D 本次有台灣感但不穩定。
這些數字是我們自己生成的樣本、自己跑的量測。數字與聽感是兩回事，請以你的耳朵為準。
五、情緒動態範圍：同一段稿的三種做法
同一段 72 字（內含台灣口語，並且有一個明確的情緒轉折），同一個音色，三種做法：
| 版本 | 做法 | 下載 |
|---|---|---|
| V1 | 不加任何標籤 | emo-1-default.wav |
| V2 | 行內情緒標籤（[停頓]、(嘆氣)、(興奮) 直接寫在文字裡） |
emo-2-inline-tags.wav |
| V3 | 導演模式指令（角色／場景／指導 三行） | emo-3-director.wav |
量測數字（我們自己跑的，方法在下方）：
| 版本 | 長度 | 音量動態範圍 | 音色動態範圍 |
|---|---|---|---|
| V1 預設 | 16.48 秒 | 75.0% | 17.0% |
| V2 行內標籤 | 15.20 秒 | 64.2% | 23.1% |
| V3 導演模式 | 18.88 秒 | 116.3% | 29.5% |
量測方式：把音檔切成前、中、後三段，各取 RMS（音量）與 spectral centroid（音色亮度）的平均值，動態範圍 = 三段之間的最大相對落差。
我們不替你下「哪個比較有戲」的結論，因為數字看不出來：V3 的動態範圍最大，但 V2 的音量動態範圍其實低於不加工具的 V1（這段稿最後一句本來就是感嘆句，自然就比較大聲）。「聽起來有沒有戲」是耳朵的事，不是數字的事。
所以請直接聽三個檔案。這三個就是同一段稿、同一個引擎、只差「怎麼下指令」。
六、可直接複製的段落
我用同一段稿、同一個音色，只改「怎麼下指令」測了四種做法。結論是：台灣腔只有一條路——內建音色加
(台灣腔)風格標籤。同一段稿，預設輸出只有一點點台灣感，加了標籤就明確是台灣腔；而用白話描述腔調（「請用台灣腔、不要大陸腔」）出來的竟然是東北腔，用文字描述造音色也不穩定。另外節奏是可控的：一句「語速放慢，約每分鐘 240 字」就能把語速從 303 字／分降到 241 字／分，正好落在專業旁白的 220–250 字／分區間。腔調用標籤、節奏用指令，兩件事分開寫。
七、聯絡我們
需要更多數據、或想看我們的完整實測方法與長篇音色穩定度分析，直接來信：official@soundwaver.net
我們很樂意被引用，也樂意被糾錯——如果你的聽感跟我們的量測不一致，請告訴我們，我們會去查。
