很多人搜「聲音克隆」「AI 聲音複製」「克隆自己的聲音」，其實只想知道三件事：怎麼做、要多少錢、會不會有法律問題。
這篇是完整版教學，大約 3000 字。從原理、準備素材、實際步驟、費用、授權、翻車急救，到怎麼用在 YouTube／有聲書／品牌，一次講完。你可以把這篇當成「聲音克隆說明書」，照著做就行。
先說結論（懶人包）
| 你想做的事 | 建議 |
|---|---|
| 先試試看像不像自己 | 用 30 秒乾淨錄音 + 免費額度 |
| 做 YouTube／短影音固定旁白 | 克隆自己的聲音，授權寫清楚 |
| 做有聲書／課程 | 長文穩定度優先，分章測試 |
| 做品牌廣告 | 一定要有書面同意與商用授權 |
| 幫別人克隆 | 沒有本人同意，絕對不要做 |
如果只記住一句話： 聲音克隆很方便，但沒有同意就不能用；先聽像不像，再談上片。
聲音克隆是什麼？（白話版）
聲音克隆，就是讓 AI 學會「某個人怎麼說話」，之後用那個人的聲音讀你寫的字。
它不是變魔術，通常分三步：
- 收集聲音樣本：你錄一段乾淨的聲音
- 模型學習：系統學你的音色、節奏、咬字
- 生成語音：你丟文字，它用你的聲音唸出來
有的產品叫「聲音複製」「Voice Clone」「AI 分身聲音」，意思差不多。
跟一般文字轉語音差在哪？
| 項目 | 一般 TTS | 聲音克隆 |
|---|---|---|
| 聲音來源 | 平台內建 | 你的錄音 |
| 像不像你 | 不像 | 可以很像 |
| 準備成本 | 低 | 要先錄音 |
| 法律敏感度 | 低 | 高（要同意） |
| 適合 | 試稿、量產旁白 | 品牌、個人 IP、固定角色 |
如果你只是要做「隨便一個好聽聲音」，用一般 文字轉語音 就夠了。
如果你要「聽起來就是我」，才需要克隆。
誰適合用聲音克隆？
很適合
- YouTuber／短影音創作者：每支片都用自己的聲音，但不想一直錄
- 講師：課程旁白、重點重述、多語版本
- 品牌：門市廣播、廣告、客服提示音統一
- 有聲書作者：長篇量產時省時間
- Podcast 補稿：補開場、結尾、宣傳片段
不太適合
- 你還沒有「穩定的聲音素材」
- 你只是想模仿明星、同事、前任
- 你要做的是「多角色廣播劇」——那更適合 多角色對話配音
開始前要準備什麼？
1. 乾淨的錄音（最重要）
- 長度：通常 30 秒～3 分鐘就夠試用；要做更穩，可到 3～10 分鐘
- 環境：安靜房間、手機靠近嘴巴、關冷氣風聲
- 內容：正常講話，別朗讀腔、別背景音樂
- 格式：WAV 或高品質 MP3，單人聲音
錄音範例稿（直接念）：
大家好，我是某某某。今天想跟大家聊聊，我平常怎麼做影片旁白。其實不難，重點是把句子說清楚，節奏放自然。如果你也有在做內容，歡迎跟我交流。
2. 你的用途說明
先想清楚：這聲音要用在哪裡？
自用？商用？廣告？別人也會聽到嗎？
用途會影響授權，也會影響你選哪個方案。
3. 書面同意（幫別人克隆時必備）
如果是幫同事、家人、配音員克隆，請準備：
- 本人姓名
- 同意用途（YouTube／廣告／內部教材⋯⋯）
- 期限（永久／一年）
- 簽名或可追蹤的書面紀錄
沒有同意，就不要做。這不是「小心一點」，是紅線。
授權細節可看：聲音克隆授權指南。
實際步驟：30 分鐘做出自己的 AI 聲音
步驟 1：錄好樣本
用上面的範例稿，錄 30～60 秒。
聽一次回放：有沒有噴麥？有沒有旁人說話？有沒有音樂？
步驟 2：上傳到克隆功能
打開 聲音克隆頁面，照畫面上傳。
注意檔案大小與格式限制，太長有時反而不穩。
步驟 3：等待模型學習
有的很快，有的要等幾分鐘。
這時候不要狂按重整，耐心等完成通知。
步驟 4：先測 5 句真實稿
不要一開始就丟 1000 字。先測：
- 「欸，等一下齁，這支片三分半就好。」
- 「今天這集，我會分享三個實際踩過的坑。」
- 「2026 年 3 月 15 日，我們上線了新功能。」
- 「記得訂閱，也歡迎在留言區告訴我你的做法。」
- 「這句是測試：3.5 萬塊，到底會不會唸對？」
步驟 5：微調稿子，不是微調靈魂
如果數字怪、語助詞怪：
- 改寫法（「3.5 萬」→「三萬五千」）
- 分句
- 換標點
不要指望一次就完美。克隆像不像，70% 取決於素材與稿子。
步驟 6：輸出與備份
把成功的輸出存檔，並記住：
- 用哪個版本的聲音
- 稿子長度
- 問題句是什麼
以後要量產，就從這個「成功配方」複製。
要多少錢？（白話算法）
聲音克隆的計費常見三種：
- 克隆另計：建立聲音要 credits／月費
- 生成另計：聲音免費建，但每次生成要額度
- 訂閱打包：月費含一定克隆次數與生成分鐘數
怎麼算才不踩雷
先問自己：
我一個月大概要講幾分鐘？
- 偶爾試玩：免費／低階方案通常夠
- 每週 1～2 支短片：創作者級
- 課程、有聲書、日更：要較大額度
- 多品牌、多聲音：專業／團隊
常見帳單地雷
- 只看月費，不看「能生成幾分鐘」
- 克隆成功後，維持聲音還要月費
- 商用授權要升級才能放廣告
- 超額自動扣點數，沒有提醒
合法與道德：3 條不能碰的線
線 1：不能克隆沒有同意的人
同事、明星、家人、前任，都一樣。
「只是好玩」不是理由。
線 2：不能假裝本人發言
不要用克隆聲音假裝某人宣布事情、道歉、背書。
這可能涉及詐欺、誹謗、人格權。
線 3：不能忽略平台與商用規範
YouTube、廣告平台、有聲書平台都有規範。
「工具讓你克隆」≠「平台讓你上架」。
想安心用在商業上，可看：商用 AI 配音授權。
像不像？5 個檢查點
錄完、生成完，用這 5 點打分：
- 音色：像不像本人的厚度／鼻音？
- 節奏：有沒有本人的偷換氣？
- 語助詞：「齁」「啦」會不會太假？
- 數字：日期、百分比、金額對不對？
- 情緒：開心、嚴肅時有沒有差異？
如果只有音色像、其他都不像，通常要：
- 重錄更自然的素材（別用朗讀腔）
- 稿子改成口語
- 分短句生成
更多翻車案例：AI 配音翻車圖鑑。
實戰案例：三種人怎麼用聲音克隆
案例 A：每週兩支短影音的創作者
阿哲原本每支片都要錄 20 分鐘旁白，NG 三次就煩躁。
他用 2 分鐘乾淨自我介紹做克隆後，流程變成：
- 先寫好鉤子腳本
- 生成旁白草稿
- 只重錄「情緒不對」的兩三句
- 剪片上傳
結果是：錄音時間少了七成，聲音也更一致。
他說最大的差別不是「像不像」，而是「每支片聽起來都像同一個人」。
案例 B：做線上課程的講師
美惠老師的課程會一直改稿。以前改一段就要回錄音室。
現在她把「講解旁白」交給克隆聲音，「真實示範與玩笑」仍自己錄。
她的心得是：
- 課程「說明段」很適合 AI
- 「互動與語氣段」還是本人比較有溫度
- 改稿後重生成，比重新預約錄音快太多
案例 C：連鎖品牌的門市廣播
品牌希望全台門市聽起來一致。
他們先用負責人的聲音做範本，再建立「正式播報聲」。
重點不是炫技，而是：
- 版本管理（哪一版用在哪一檔期）
- 商用授權寫清楚
- 更新流程有 SOP
這三個案例的共通點：先定用途，再做克隆。
用途不清，做出來的聲音就沒地方用。
稿子怎麼寫，克隆才會更像？
很多人以為「聲音不像」是模型問題，其實一半是稿子問題。
寫得像「人」，不要像「作文」
| 太書面 | 改成口語 |
|---|---|
| 本日將為各位說明三項重點 | 今天跟大家講三個重點 |
| 茲訂於下週三召開會議 | 我們下週三開會 |
| 敬請持續關注後續更新 | 記得訂閱，有更新我會說 |
短句比長句穩
200 字一段，再好的聲音也會喘。
建議每句 12～25 字，段落之間留換氣。
數字、英文、專有名詞先排練
- 「12.5%」可改「百分之十二點五」
- 品牌英文名先確認唸法
- 人名、地名先用你平常的唸法寫下來
語助詞要真的寫進稿子
如果你平常會講「欸」「齁」「啦」，稿子裡就要出現。
只寫書面語，克隆出來就會「像你但不像你在講話」。
進階技巧：讓輸出更穩定
1. 建立「成功稿庫」
把生成最自然的 10 句存起來，當模板。
下次新稿就沿用同樣的句長、標點、語氣。
2. 分段生成再剪
旁白 3 分鐘，不要一次丟完。
分成開場、三段重點、結尾，分別生成，剪片時更好修。
3. 重要句子自己補錄
CTA（訂閱、購買、提醒）往往最需要真實感。
可以 90% 用克隆，10% 關鍵句用本人錄音。
4. 定期檢查「漂移」
同一份稿，不同時間生成，可能略有差異。
若要系列片一致，固定：
- 同一個聲音版本
- 同一種稿子風格
- 同一套輸出參數
聲音克隆常見迷思
迷思一：「只要有 5 秒就能完美」
5 秒可以玩，但要穩定量產，通常還是要更乾淨、更長的素材。
迷思二：「克隆之後就不用管稿子」
錯。稿子決定 50% 以上的自然度。
聲音是載體，內容才是靈魂。
迷思三：「像就等於可以上架」
不一定。上架還看授權、平台規範、是否誤導。
像 ≠ 合法 ≠ 可營利。
迷思四：「克隆可以取代配音員」
克隆很適合「固定旁白、量產、改稿」。
戲劇表演、複雜情緒、現場即興，專業配音仍有價值。
用在哪裡最有價值？
1. YouTube／短影音
- 優點：每支片聲音一致、錄製時間大減
- 注意：前 3 秒鉤子仍要自己寫好，聲音只是載體
- 延伸：短影音鉤子旁白
2. 線上課程
- 優點：改稿後重生成，不用重錄整課
- 注意：示範口語、笑聲、語氣要特別測
- 延伸：用 AI 配音做課程
3. 有聲書
- 優點：長篇量產快
- 注意：角色多時，要分聲或分章策略
- 延伸：AI 有聲書上架
4. 品牌與門市
- 優點：全台門市廣播統一
- 注意：商用授權、更新流程要寫進 SOP
常見翻車與急救
| 翻車 | 急救 |
|---|---|
| 像外星人 | 重錄素材，環境更乾淨 |
| 語助詞很假 | 稿子改成真口語，少用書面語 |
| 數字唸錯 | 改寫成中文數字或拆開 |
| 長句喘不過氣 | 分成 2 句 |
| 情緒平板 | 加情緒標籤／導演指令 |
| 跟本人還是有差 | 加長素材，或只用在旁白不用在對白 |
急救寫法大全：TTS 唸錯字急救。
要不要直接克隆？決策表
| 如果你… | 就… |
|---|---|
| 還沒錄過乾淨素材 | 先錄 60 秒，再決定 |
| 只是想試工具 | 先用一般 TTS |
| 要做個人 IP | 克隆自己的聲音 |
| 要做品牌廣告 | 克隆 + 書面授權 + 商用方案 |
| 幫別人做 | 沒有同意就不要做 |
| 要做多角色戲 | 看多角色配音，不一定是克隆 |
一句話收斂： 克隆自己的聲音很有用；克隆別人的聲音，沒有同意就是不能做。
30 分鐘行動清單（今天就能做）
- 錄 60 秒乾淨自我介紹
- 用 5 句真實稿測試
- 檢查音色、數字、語助詞
- 記下成功的稿子寫法
- 確認用途與授權（自用／商用）
準備好了？到 聲音克隆 開始。
想先聽一般聲音？到 文字轉語音 試聽。
一週上手計畫（可直接排進行事曆）
如果你想在一週內把聲音克隆用起來，可以照這個節奏：
| 天數 | 做什麼 | 完成標準 |
|---|---|---|
| Day 1 | 錄 60 秒乾淨素材 | 回放無雜訊、無旁人 |
| Day 2 | 上傳克隆並生成 5 句 | 至少 3 句可聽 |
| Day 3 | 修稿子（數字／語助詞） | 翻車句變少 |
| Day 4 | 做 30 秒短片測試 | 聽起來像自己 |
| Day 5 | 確認授權與用途 | 知道能不能商用 |
| Day 6 | 建成功稿庫 | 存 10 句模板 |
| Day 7 | 正式做第一支片 | 完成上線 |
很多人卡在 Day 1「想一次錄到完美」。
先錄能用的 60 秒，比追求完美 10 分鐘更重要。
常見問題 FAQ
聲音克隆要錄多久才夠？
試用通常 30 秒～3 分鐘就夠。要更穩、更像，可到 3～10 分鐘乾淨素材。重點是「乾淨、自然、單人」，不是越長越好。
克隆自己的聲音合法嗎？
自己克隆自己、自己同意使用，通常風險低。但若用於廣告、代言、誤導他人，仍要看平台與當地法規。幫別人克隆，一定要書面同意。
免費方案可以做聲音克隆嗎？
有的平台免費可試克隆，有的要付費。先看「克隆次數」與「生成分鐘數」是否分開計價。可先看 定價方案。
為什麼克隆出來不像我？
最常見原因：錄音有雜訊、朗讀腔太重、稿子太書面。急救方式是重錄口語素材，並把稿子改成你平常會講的話。
聲音克隆可以做 YouTube 影片嗎？
可以，但要符合平台規範與商用授權。YouTube 主要看內容價值與是否誤導，不是單純禁止合成聲音。詳見：AI 配音與 YouTube 規則。
跟一般文字轉語音怎麼選？
要「像我」→ 克隆。要「好用、快速、多角色」→ 一般 TTS。很多人兩種都用：固定旁白用克隆，角色對話用內建聲音。
延伸閱讀
最後更新：2026 年 9 月。各平台克隆門檻、額度與授權條款可能調整，請以官方頁面為準。
