免費 AI 配音不是不能用，是用不完整。
你打開一個免費工具、貼一段稿、按下去、聽到聲音——然後你發現它唸得像簡體中文的廣告配音。你想調一下情緒，沒有。想用自己的聲音，沒有。想放進你的商品頁或影片當商用，條款寫得模糊不清。最後你放棄了，回去用剪映內建的，或者乾脆自己配音。
這篇文章想解決的就是這個「放棄」的那一步：我們用同一段台灣文案、同一個音色、只改「怎麼下指令」，把結果做成可以直接聽的音檔給你；再把 7 款工具在「台灣腔、情緒控制、聲音克隆、商用授權、價格」這五個維度上的實際狀況整理成一張表。最後附上「如果你是 X，就選 Y」的選擇表。
誠實聲明 本文由 Soundwaver 團隊撰寫——我們就是做 AI 配音的，所以我們沒有資格替自己打分，也沒打算說自己最好。 但有責任把測試方法、原始數字，以及對手在哪一項比我們強一起寫出來。 每個主張都標了來源等級，整理時間 2026-10-26。各家功能與價格會變，請以各家官網當日頁面為準，本文只是整理時點的快照。
來源代號：\【官\】 廠商官方文件｜\【實\】 第三方親手實測｜\【彙\】 第三方彙整（可能含廠商素材，可信度較低）｜\【查\】 整理當時查不到可靠資料｜\【我\】 我們自己做的測試
一、免費工具會卡住你的四個瞬間
在開始比較之前，先把「免費工具不夠用」講具體一點，不然下面的表格會變成雞同鴨講：
- 唸出來不像台灣人。 標示「Chinese」不代表是台灣華語。很多工具給的是普通話音色，唸起台灣口語會怪；台灣的語助詞、語序、連讀方式都對不上。
- 情緒沒有得選。 多數工具只給「語速、音高、音量、停頓」幾個滑桿。你要的是「這句要帶著壓抑的怒氣」，不是「音高 +2」。
- 商用授權講不清楚。 免費方案能不能商用？加了浮水印能不能上片？這兩件事的答案，跟「工具免不收費」不是同一件事。
- 不能用你自己的聲音。 品牌旁白、有聲書多角色、小說主角——都需要同一個聲音穩定地唸幾百段文字，這不是一個滑桿能解決的。
二、我們怎麼測
測試稿
同一段 72 字的繁體中文，裡面刻意塞了台灣限定詞、地址、時間與電話格式：
這家牛肉麵我從大三吃到大四，悠遊卡也刷了五年，地址在台北市信義區松仁路 100 號。下午兩點半營業到晚上九點，0912345678 撥過去就行。
四種做法
| 版本 | 做法 |
|---|---|
| A | 內建音色，不加任何標籤（預設輸出） |
| B | 內建音色 + 文字開頭加風格標籤 (台灣腔) |
| C | 內建音色 + 一句自然語言指令：「請用台灣腔（台灣國語）朗讀，語氣自然口語化，像台灣人在說話，不要大陸腔。」 ❌ 實測失敗：出來的是東北腔 |
| D | VoiceDesign：不用任何內建音色，直接用一段文字描述生成一個新音色 |
先講結論：台灣腔只有一條路——內建音色 +
(台灣腔)風格標籤。我們把另外兩條路也測了，兩條都不穩：
- C（用白話描述腔調） 這次出來的是東北腔，不是台灣腔。指令寫得再細，模型也不會照著描述給腔調。
- D（用文字描述造音色） 這次做出了台灣感，但同一段描述再跑一次，結果不保證一樣——跟 C 是同一個病根：用文字描述腔調，模型會跑偏。
所以我們把 C 與 D 都放進來對照，因為「我們試過，失敗了」比「我們說有效」更值得你相信。要穩定的台灣腔，就用內建音色 +
(台灣腔)標籤。
三個量測指標（用白話講）
- 語速（字／分鐘）：唸得多快。台灣旁白與解說的慣用節奏大約在 220–250 字／分鐘，小說敘事更慢，約 150–170 字／分鐘。唸太快，聽起來會像廣告廣播；唸太慢會像念稿。
- 音高（F0，赫茲）：聲音的基頻。數字越低通常越沉。這是「是不是同一個人」最容易被耳朵察覺的線索。
- 音色亮度（spectral centroid，赫茲）：聲音的「明亮／厚薄」程度，同一個人同一句話不同演法之間，這個值會隨情緒與音高移動。
三、先聽再說：四段實測音檔
A 跟 B 用的是同一個音色、同一段稿、同一個引擎，唯一的差別是文字開頭有沒有加 (台灣腔)。 請戴上耳機，用自己的耳朵判斷——這才是這篇文章真正想給你的東西。
⚠️ 實測失敗：這段是東北腔，不是台灣腔。 指令寫得再清楚，模型也不會照著描述給腔調。腔調只能用
(台灣腔)標籤控制。
量測結果
| 版本 | 做法 | 長度 | 語速 | 音高（F0） | 音色亮度 |
|---|---|---|---|---|---|
| A | 預設輸出 | 14.24 秒 | 303 字／分 | 158 Hz | 2,466 Hz |
| B | (台灣腔) 風格標籤 |
16.00 秒 | 270 字／分 | 150 Hz | 2,602 Hz |
| C | 自然語言指令 ❌ 東北腔 | 17.92 秒 | 241 字／分 | 130 Hz | 2,821 Hz |
| D | VoiceDesign（文字描述造音色） | 18.72 秒 | 231 字／分 | 111 Hz | 1,894 Hz |
四個值得帶走的結論：
- A 對 B 這組，是整篇文章最關鍵的一組。 同一個音色、同一段稿、同一個引擎，只差一個
(台灣腔)標籤——A 聽起來只有一點點台灣感，B 明確就是台灣腔。這不是「換了一個人」，是同一個人用不同的方式在說話。如果你做的是台灣內容，這一個標籤就是最大的差別。 - 腔調只能用標籤控制，你寫得再細也沒用。 C 版把「請用台灣腔、不要大陸腔」寫得清清楚楚，出來的卻是東北腔。這是整篇文章最該記住的一句話：腔調是描述不出來的。
- 但節奏可以描述，而且有效。 C 版雖然腔調跑偏，語速卻落到 241 字／分，正好落在專業旁白的 220–250 字／分區間裡。所以正確的用法是把兩件事分開寫：
✅ 腔調用標籤：
(台灣腔)✅ 節奏用指令：「語速放慢，約每分鐘 240 字，句尾留短停頓」 ❌ 兩件事混在一起寫：「請用台灣腔朗讀，不要大陸腔」——會得到東北腔 - 描述造聲音這條路也不穩。 D 這次做出了台灣感，但同一段描述不保證每次都成功——跟 C 同一個病根。要穩定，就用內建音色 + 標籤。
資料來源與限制：以上數字來自我們自己做的測試，樣本是我們自己生成的音訊，用 FFT（音色亮度）與自相關（音高）量測。數字僅供理解「指令確實改變了輸出」這個現象；「像不像台灣人」是聽覺判斷，請以你的耳朵為準。 我們另外量測過 3.1 小時的實際長篇輸出，音色層面的穩定度在 ±1.2% 以內。
四、平台支援對照表
這張表是本文最實用的部分。整理時間 2026-10-26。
| 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），真正的台灣母語腔 | ✗ 官方文件未列出任何 speaking style | ✗ 需 Custom／Personal Voice，有審核與訓練成本 | ✓ | F0 層每月 50 萬字免費；標準版 $15／百萬字 | 【官】 |
| Google Gemini TTS | ✓ 有台灣口音設定 | ✓ 可用自然語言指定風格 | ✓ | 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（表情款） | ✓ | ✓ | 有免費層 | 【官】 |
| Amazon Polly | ✗ 沒有 cmn-TW（只有 cmn-CN、yue-CN） | △ SSML 支援有限 | ✓ | ✓ long-form async | 分引擎計價 | 【官】 |
| ElevenLabs | △ 有台灣口音選項，但部分發音與用語仍偏中國腔 | ✓✓ 表現力強 | ✓ | △ 讀超過 1,000 字偶爾跳音 | 免費 1 萬字不可商用；Starter $5 起 | 【實】【彙】 |
| 剪映／CapCut | ？ 我們查不到官方的完整音檔清單，無法確認有沒有台灣腔 | ✗ 只有語速／音高／音量／停頓滑桿 | ✓（進階功能） | ✗ 長段落需分段轉換 | 多數免費，進階音色需 Pro | 【彙】 |
| VoAI 絕好聲創 | ✓✓ 73+ 台灣口音，定位最專注 | 查不到 | 查不到 | 查不到 | 免費 1,000 字不可商用；Starter NT$680／月 | 【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，官方標明可商用 | 【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（角色／場景／指導）、行內情緒與音效標籤，可做同一段內的語氣轉場 | ✓ 30 秒素材即可 | ✓ 音色穩定（±1.2%，3.1 小時實測） | 免費 1,000 credits／月（約 16.7 分鐘）；付費 $5.49 起 | 【我】【官】 |
這張表要怎麼讀
- 台灣腔最強的母語音色是 Azure（曉臻、曉雨、雲哲）。這是母語錄音員的等級，我們沒有牌可打，也沒有假裝有。
- 剪映的台灣腔，我們查不到。 官方音檔清單我們無法完整取得，所以這一格我留白而不是猜。它確定有的是滑桿式控制，以及克隆音色（進階功能）。
- ElevenLabs 的中文偏中國腔是第三方實測普遍提到的問題，但它的表現力確實是第一梯队。
- VoAI 是最專注的在地競品，73 個台灣口音，但價位是 NT$680 起跳。
- Soundwaver 的位置不是「每一項最強」，而是「台灣腔風格 + 情緒控制 + 克隆 + 商用授權 + 價格，這五項同時有」。 對照表裡沒有任何一家是全項有值的。
五、「哪些免費工具可以商用？」
這是很多人搜「免費」時真正在問的問題，而且很少有工具把它講清楚。
| 工具 | 免費層可以商用嗎 | 備註 | 來源 |
|---|---|---|---|
| Adobe Firefly | ✓ | 需 Adobe 帳號 | 【官】 |
| Google Gemini TTS | ✓ | 需 Google 帳號，免費層額度很小 | 【官】 |
| TTSMaker | ✓ | 依其官方說明可商用，每週約 2 萬字 | 【彙】 |
| 剪映／CapCut | △ | 進階音色需 Pro，商用條款依 App 版本，請自行確認 | 【彙】 |
| ElevenLabs | ✗ | 免費層不可商用，Starter 起才可 | 【彙】 |
| VoAI | ✗ | 免費 1,000 字不可商用 | 【官】 |
| 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 | 【官】 |
提醒：使用任何人聲做 AI 配音，都要確認那個聲音的授權狀態——包括你上傳自己的錄音時，你是否真的擁有那個聲音的商業使用權。
六、計費方式：為什麼是「1 credit = 1 秒」
多數工具以字數計費，少數以分鐘計費。Soundwaver 用的是 1 credit = 1 秒音訊。
它的好處是好算：你聽一分鐘就是一分鐘，不會因為中文標點、數字、英文夾雜而估不準。壞處是不適合用字數思考的人——很多人估算稿長習慣用「幾千字」。
換算表（依我們實測的繁中旁白約 5.4 字／秒）：
| credits | 約略長度 | 約略字數 |
|---|---|---|
| 1,000 | 16.7 分鐘 | 約 5,400 字 |
| 5,000 | 83 分鐘 | 約 27,000 字 |
| 21,900 | 6.1 小時 | 約 118,000 字 |
| 120,000 | 33 小時 | 約 648,000 字 |
老實說：換算下來，以字數計費的工具與我們的單價差異其實不大。計價單位不是重點，「能不能控制」才是。 我們列出換算表，是為了讓你估算時不會估錯，不是要說我們比較便宜。
七、選擇表：如果你是 X，就選 Y
| 你的狀況 | 我會建議 |
|---|---|
| 只是一次性的短影片旁白，30 秒內，不商用 | 剪映內建或任何免費工具，不用付費 |
| 要商用，但產量少、稿短 | 免費方案先用；若需商用則升級付費方案 |
| 要做有聲書／長篇旁白，需要同一個聲音唸幾百段 | 選有專案與批次能力的工具；並優先測「長篇音色一致性」，不要只看示範音檔 |
| 需要多角色對話（小說、遊戲、廣告） | 需要角色音色可保存重用的工具，並確認角色之間不會互相干擾 |
| 需要用自己或配音員的聲音 | 確認聲音克隆功能，以及克隆後還能不能控制情緒——這兩件事常常不能兼得 |
| 需要台灣腔，但不想綁月費 | 選可單次購買、不過期的點數方案 |
| 要接 API 進自己的系統 | 確認有穩定的 API 與速率限制說明 |
| 對 AI 聲音反感、就是要真人 | 真人配音，別硬用 AI。這題沒有科技解 |
八、常見問題
Q：免費方案可以拿來做商業用途嗎？ 可以拿來評估效果與產出草稿，但依我們的服務條款，免費方案的生成內容限個人、非商業用途。要商用請使用付費方案。
Q：(台灣腔) 是真的台灣腔，還是只是一個標籤？
它是一個風格標籤，不是專屬的台灣腔音色——但它確實有效。同一個音色、同一段稿，本文第三節的 A／B 兩段只差這個標籤，A 只有一點點台灣感、B 明確是台灣腔。這是實測，不是形容詞。
而且請只用它管腔調。 我們實測過用白話描述腔調（「請用台灣腔、不要大陸腔」），結果出來的是東北腔；用文字描述造音色同樣不穩定。腔調只能用標籤控制；節奏另外用指令寫，兩件事分開。
不過如果你要的是母語錄音員等級的台灣口音，Azure 的 zh-TW 三個音色是目前公開選項裡最紮實的，我們沒有牌可打。
Q：那我到底該怎麼下指令？ 一行一個用途，不要混：
| 你要控制的 | 怎麼寫 | 例子 |
|---|---|---|
| 腔調 | 用風格標籤 | (台灣腔) |
| 節奏 | 用自然語言指令，只講速度與停頓 | 「語速放慢，約每分鐘 240 字，句尾留短停頓」 |
| 情緒 | 用自然語言指令或情緒標籤 | (開心)、「帶著壓抑的怒氣」 |
| 角色與場景 | 用導演模式三行 | 角色／場景／指導 |
千萬不要把腔調和節奏寫在同一句裡——我們就是這樣做出東北腔的。
Q：可以只買一次、不用每月付嗎？ 可以。點數包為單次購買、永久有效、不會過期，訂閱會員加購另有折扣。
Q：同一段稿要重複生成很多次，可以嗎？ 可以，而且我們建議你這樣做——同一段稿換不同音色或不同標籤各生一次再比較，是最快找到適合設定的方法。
Q：你們自己做的測試，會不會有偏見？ 有。測試由我們執行、樣本由我們生成、用的也是我們自己的引擎。所以第三節的音檔請你一定要自己聽，而第四、五節的對照表裡，我們把查不到的格子留白，也把對手強的地方寫出來了。
延伸閱讀
- 2026 免費中文 TTS 比較：6 款文字轉語音工具實測（附選擇表） —— 想看泛中文的工具比較與選擇表
- 台灣腔 AI 配音素材包（對照表・換算表・商用授權・實測音檔） —— 要引用這份數據或下載音檔的，看這頁
九、資料註記
- 整理時間：2026-10-26。價格與功能請以各家官網當日頁面為準。
- 來源等級：本文的第三方工具資訊來自各廠官方文件與公開的第三方實測；標示「查不到」者表示我們在整理當時無法取得可靠的一手資料，不是該功能不存在。
- 我們自己做的測試：第三節的量測數字與音檔，以及第四節 Soundwaver 列的穩定度數字，來自我們的內部量測，樣本為我們自行生成的音訊。- 聽感確認：第三節四段音檔已實際試聽，確認 A 僅有輕微台灣感、B 明確為台灣腔、C 出來的是東北腔（失敗案例）、D 本次有台灣感但不穩定。數字與聽感是兩回事，請以你的耳朵為準。
- 未涵蓋：粵語與其他方言的細項比較、API 延遲的第三方基準測試、每一家的完整功能盤點。本文只回答「台灣腔、情緒控制、克隆、商用授權、價格」這五個維度。
- 封面照片：Shure SM7，攝影 The Midnite Wolf／Wikimedia Commons，授權 CC0 1.0（可商用、免署名）。我們仍標列出處，僅為透明度。
如果你想自己試一次：Soundwaver 免費開始（免信用卡，免費方案每月 1,000 credits，約 16.7 分鐘語音）。
