很多人用 AI 配音的第一個抱怨，不是「不好聽」，是「沒感情」。明明聲音很自然，唸出來卻像在讀報，字字正確，句句平淡。
我本來也這麼想。直到某支客戶的廣告片，老闆只丟了一句話：「這支要熱血一點，你想想辦法。」我照著網路上教的，在指令欄打「用興奮的語氣、充滿能量地唸」，出來的結果……比較像一個人被迫嗨，尷尴尬尬。
那之後我花了一整個禮拜，把自己當白老鼠，反覆試各種讓 AI 聲音「有情緒」的招。這篇把我真正有用的方法記下來，包括那些被神話、其實沒用的東西，你就不用再踩一次坑。
先說結論：情緒不是一個按鈕
多數工具都有一個「情緒」或「風格」的選項，但實際測起來，那只是把語速和音高做固定組合——開心就是快一點高一點、悲傷就是慢一點低一點。它不會真的「理解」你這句話在難過還是在嘲諷。
所以與其期待按鈕，不如把情緒「寫進稿子裡」。這是整篇最核心的一句話：AI 的情緒來自你給的文字，不是來自你的指令。
我犯的第一個錯：直接下情緒指令
我的第一版做法，是在系統提示寫「請用溫柔的語氣」。結果呢？它把整段都變慢、變輕，聽起來不像溫柔，像沒睡飽。
後來我才搞懂，這類指令對模型的影響很「平均」——它會把整段聲音一起往下壓，而不是在該溫柔的地方溫柔。你要的情緒起伏，指令給不了，文字才給得了。
第一招：標點是情緒的節拍器
這是我收穫最大的一招，簡單到有點蠢，但真的有用。
句號是停頓，驚嘆號是用力，刪節號是猶豫。 你稿子裡怎麼打標點，AI 就怎麼喘氣。同一個句子，換標點語氣完全不同：「這件事，我知道了。」是冷靜；「這件事……我知道了。」是遲疑；「這件事我知道了！」是篤定。
我後來養成一個習慣：寫稿時把標點當「呼吸記號」在打。要它急，就連續用短句加驚嘆號；要它緩，就把逗號拉多一點。真人配音員會做的事，其實就是用標點控制節奏，AI 也吃這套。
破折號跟頓號也很重要。 破折號能製造一個明顯的換氣和轉折，頓號則會讓列舉變快。你可以拿同一段話，只改標點，聽兩次，差別會嚇到你。
第二招：把情緒寫進句子，不要寫在指令
與其下指令「悲傷」，不如把悲傷寫出來。
舉個實際例子。要 AI 唸「我們的產品很便宜」，平淡得像公告。改成「我們的產品，比你想的還要便宜很多」——多了一個「比你想的」，語氣裡就多了一層對比和邀請感，不用任何指令。
關鍵是把「感受詞」放進文案。 「老實說」「講真的」「你可能不敢相信」「問題來了」「結果你猜怎麼著」——這些口語的轉折詞，就是情緒的錨點。AI 唸到這些詞，語氣自然會跟著走，因為它學的就是真人講這些詞的方式。
我現在寫稿的順序反過來了：先想「聽的人此刻應該有什麼感覺」，再把那個感覺翻譯成文字。文字到位了，情緒就到七成，剩下三成才靠語速補。
第三招：語速跟停頓，才是語氣的本體
情緒指令沒用，但「語速」跟「停頓」這兩個參數，是真的有用，而且立竿見影。
語速是情緒的最短路徑。 興奮、急迫，語速往上調一成到一成五；沉穩、感性、說教，往下調一成。差一點點，聽感差很多。我的體感是，同樣的稿子，1.0 倍聽起來是唸稿，1.15 倍像在講重點，0.9 倍像在跟你掏心掏肺。
停頓比你想的更有戲。 在關鍵句之前，塞一個明顯的停頓——用換行或破折號製造——聽的人會被「逼著」專心等下一句。這是所有說書人都在用的技巧，AI 也做得出來。
進階：那些被神話的功能
講幾個我親測後的心得，幫你省時間。
情緒標籤（emotion tag）：有些工具支援在稿子裡標 [happy]、[sad] 這類標籤。我測下來，效果參差不齊——對「快樂」「悲傷」這種大方向有用，但「諷刺」「傲嬌」「欲言又止」這種細緻情緒，標了跟沒標一樣。它適合當輔助，不適合當主力。
SSML 語音標記：能精準控制停頓、音高、語速，功能很強，但門檻高，要寫程式碼般的標記。如果你只是要「語氣自然」，用不到；如果你要「每一句都精準」，它才值得學。
我留下來的三個情緒模板
試了一週，我把最常用的三種情境，固定成三個「模板」，之後直接套：
熱血開場：短句連發＋驚嘆號＋語速 1.15。「注意！機會只有一次。錯過，就沒有下一次了。」
感性說故事：刪節號＋語速 0.9＋長一點的停頓。「那一年……我們什麼都沒有，只有一個，很笨的念頭。」
專業解說：句號為主＋語速 1.0＋少用驚嘆號。「這個技術的原理，其實很簡單。我們一步一步來看。」
模板不是萬能，但能讓你在十分鐘內，從零到有一支「有語氣」的配音。
哪些情緒，AI 現在還做不到
我不想把話說滿。實測下來，這幾種情緒，AI 目前給不了你要的層次：
真正的爆發。 大吼、崩潰、喜極而泣，這種需要「破音」的情緒，AI 一用力就失真，聽起來像訊號壞掉。
哭腔跟哽咽。 它會變慢變輕，但不會真的「哽咽」，那個生理上的細節，模型學不來。
曖昧的反諷。 嘴上說好、心裡罵人的那種語氣，人類一秒就懂，AI 只會照字面唸，完全抓不到。
遇到這三種，我會老實承認：這稿子得找真人。省下來的時間跟錢，剛好補在真的需要人的地方。
我現在改稿的三個動作
把方法收斂成三個每次都做的動作，幾分鐘就完成。
第一，讀一遍，標出「情緒轉折點」。 哪裡要它慢、哪裡要它停、哪裡要它用力，先在稿子上畫出來，才不會唸成一條直線。
第二，把平淡句改成「有錨點的句子」。 看到「我們的產品很好」，就改成「我們的產品，好到你可能不敢相信」。多幾個感受詞，語氣就有了。
第三，用標點做記號。 要停頓就換行、要遲疑就打刪節號、要強調就打破折號。標點不是裝飾，是給 AI 的呼吸指令。
這三個動作做熟之後，我發現自己連寫稿都會不自覺帶上語氣——因為你開始「用耳朵寫稿」，而不是用眼睛。
一週之後的帳
這禮拜我大概產了二十幾支配音，成功率（一次到位、不用大修）從原本的三成拉到七成。省的不是錢，是「來回試」的時間——以前一支要調十次，現在三次內搞定。
方法說穿了不難：標點當呼吸、情緒寫進字、語速停頓當表情。難的是你願不願意花半小時，把稿子重寫一次。多數時候，聲音沒感情，問題不在聲音，在稿子。
