AI 聲音克隆不用每支片都錄音：在 Google AI Studio 錄 20 秒，再念一句英文同意聲明，之後貼稿就能用你的聲音念出來。我 2026 年 10 月 4 日去上緯育 TibaMe 的《AI短影音實戰｜打造你的AI演員與電影級作品》，課上沒教聲音克隆，這篇是我上完課後自己補的做法，附《聲音克隆包》。
想直接拿工具，跳到 聲音克隆包。
這篇屬於 AI 工具 系列，想照順序學，從AI 工具教學入口開始。
我為什麼要做 AI 聲音克隆
TibaMe 的工作坊是 10 月 4 日下午的體驗課，Peggy 老師帶大家寫腳本、設定 AI 演員、做動態鏡頭，做出影片雛形（依 TibaMe 10 月 5 日寄的課後信）。課上沒有教聲音克隆。
我做完 AI 演員後遇到一個問題：演員的聲音不像我。每天拍片要錄音、重錄、剪掉口誤，最花時間。所以我在 10 月 8 日用 Gemini 3.8 Flash TTS 的 Voice Replication，把自己的聲音建成可以重複使用的聲線。之後每支片只要貼稿合成，不用再開錄音軟體。
Google 官方的 Voice replication 文件（2026 年 10 月 20 日讀）說明，Gemini 3.8 Flash TTS 和 Flash-Lite TTS 都支援從一段短音訊複製聲音。下面是我實際跑通的流程，以及我踩過的坑。
AI 聲音克隆三步驟：Google AI Studio 怎麼建聲音
第 1 步：錄 20 秒，接著念英文同意聲明
官方要求兩段真人錄音，來自同一位成年人：10 到 30 秒的乾淨自然說話，加上一段念出指定同意聲明的錄音（官方文件，2026 年 10 月 20 日）。AI Studio 畫面上的提示是「Twenty seconds of natural speech works best. A story, not a monotone.」，意思是 20 秒最好，要像講故事，不要平平的唸稿（我 10 月 8 日的畫面截圖）。
我的做法是同一次錄完：先講中文約 20 秒，不停，接著念英文同意句。錄完再切成兩段檔案。為什麼要同一次錄，見下面的《聲音克隆包》。
第 2 步：在 Google AI Studio 新增聲音
開 Google AI Studio 的語音頁，進 Voice Replication。我 10 月 8 日的畫面是這樣：標題「Create voice · Voice Replication」，依序有取名字、1 · Add a voice sample（Record your voice）、2 · Verify it’s you（念同意句，Record verification），最後按「Replicate voice」。官方文件說可以在瀏覽器錄音或上傳檔案，建好後可以試聽，並複製 voice 開頭的聲音 ID。
兩點要先講清楚。第一，這份介面描述來自我 10 月 8 日的截圖，我這次寫文章沒有重新登入操作。第二，我自己當時是用 API 建聲音，AI Studio 只進去看過，沒有在那裡建過，所以介面上每個按鈕的細節仍待你自己確認。
第 3 步：貼逐字稿，選你的聲音，念出來
聲音建好後，貼上你要念的逐字稿，選剛才建的聲音，就會念出來。想要溫柔一點、慢一點，用語氣指令調。這就是 Gemini TTS 中文念稿時最常用的調整。官方文件寫明，Gemini 3.8 TTS 把文字欄當成逐字稿，一個字都會念；整段的語氣、節奏要放在 speech_metadata 的 style 欄位，不要寫進稿子裡，否則指令會被念出來（speech-generation 文件，2026 年 10 月 20 日）。
AI Studio 介面裡語氣指令填在哪個欄位，我沒有逐一確認，待驗證；用 API 的話就是 speech_metadata.style。
AI 配音 台灣口音與 Gemini TTS 中文：先試聽再決定
想做 AI 配音 台灣口音，有兩條路。一條是用內建聲音：官方的 Voice Library 可以依 language_code、region_code、accent 篩選（speech-generation 文件，2026 年 10 月 20 日）。另一條是克隆自己的聲音，口音由你的錄音決定。
我 2026 年 10 月 20 日查 Google 搜尋「AI 配音 台灣口音」，前幾名多是專做台灣口音的配音平台，例如 VoAI（官網自稱有 73 位台灣口音聲優）。要現成聲優、不想錄音，那種平台比較直接；Gemini 這條路的差別是，聲音就是你本人。
Gemini TTS 中文要注意：AI郵報整理官方語言清單，Flash 與 Flash-Lite 都列有繁體中文文字（2026 年 9 月 24 日文章），但文字支援不等於台灣口音自然。我的聽感是，用本人錄音克隆後念出來的腔調，接近我自己的台灣華語；這是主觀聽感，我沒有做盲測。人名、地名、數字、中英夾雜的句子，一定要自己聽過一遍。
AI 聲音克隆要花多少錢？免費額度怎麼講才準
依 Gemini API 定價頁（2026 年 10 月 20 日查），Gemini 3.8 Flash TTS 的 Standard 付費層，到 2026 年 12 月 31 日前，文字輸入每百萬 token 0.50 美元，音訊輸出每百萬 token 9.00 美元，約每 10 秒音訊 0.00225 美元。2027 年 1 月 1 日起，兩項價格都翻倍。
我的實際用量：一支 45.2 秒的配音，輸入 193 token、輸出 1,130 token，用 Standard 價算約 0.0103 美元。以 1 美元約 30 元台幣粗估（匯率是我估的，沒查當日匯率），約 NT$0.31。2027 年起翻倍，也約 NT$0.62，仍不到 1 元。
| 項目 | 說法 | 出處 |
|---|---|---|
| 內建聲音念稿 | 免費層免費，但資料可能被用來改善 Google 產品；每日次數依專案而不同 | 官方定價頁，2026-10-20 |
| 我實測的免費次數 | 免費金鑰、內建聲音：每個模型每天 10 次，用完回 429，訊息含 PerDay | 我 2026-10-03 實測，不是官方數字 |
| 聲音克隆 | AI Studio 畫面寫「Voice Replication runs on the paid tier」；我 10 月 8 日綁卡預付 NT$150 才建成 | 我 2026-10-07、10-08 的畫面與帳號 |
| 免費金鑰能不能用克隆聲線 | 沒測過，待驗證 | 無 |
| 建聲音本身收不收錢 | 定價頁沒寫，待驗證；可到 AI Studio 帳務頁看明細 | 無 |
所以我的講法是：內建聲音念稿有免費次數可以玩，但要用自己的聲音，要先綁付費帳號。不要把它理解成免費就能克隆。
存放期限：建聲音時選 store=true，聲音存 1 年，每次使用都會重新計算，每個專案最多 200 條；store=false 只存 7 天（speech-generation 文件，2026 年 10 月 20 日）。
AI 聲音克隆的安全：同意驗證、SynthID 與詐騙
搜尋「複製聲音」時，聯想詞有「詐騙 複製聲音」。AI 聲音克隆被拿去詐騙的擔心合理，所以先講 Google 做了什麼。依Google 官方部落格（2026 年 10 月 20 日讀）：
- 同意驗證：建聲音前，必須提供聲音主人的口頭同意錄音，而且要和參考錄音是同一位說話者。
- SynthID：Gemini Audio 產生的每段音訊都會加入人耳聽不出的 SynthID 浮水印，協助辨認是 AI 生成。
- C2PA 憑證：官方部落格提到 Voice replication 有 C2PA credentials。
這代表不能只拿別人影片裡的一段聲音就建聲線，一定要有那個人當場念同意句。但我沒有測過這個驗證能不能被繞過，所以不保證它擋得住所有詐騙。一般人手上有沒有工具能驗 SynthID，我也沒查到，待驗證。
我自己的做法：只克隆本人的聲音；家人、客戶、同事的聲音，要本人同意並自己錄。接到聲音很像家人或主管、要你轉帳的電話，我建議跟家人約一個暗號，掛掉後用原本的號碼回撥確認。這一段是我的建議，不是 Google 的規定。
地區限制：官方部落格註明，AI Studio 的聲音複製不開放給 Illinois、Texas、EEA、UK、Switzerland、India。台灣不在這份清單上，但你帳號與所在地的實際可用性，以 AI Studio 畫面為準。另外，官方要求聲音來自成年人。
聲音克隆包：錄音稿、同意句、失敗解法、語氣指令
《聲音克隆包》是這篇 AI 聲音克隆教學的配套，有 4 樣東西：20 秒錄音稿範本、英文同意句全文與逐詞念法、三種常見失敗與解法、語氣指令範例。
一、20 秒錄音稿範本
下面這段約 100 字，用平常說話的速度念，大約 20 秒。我自己那次是隨口講，沒用稿；這段是給你不知道講什麼時用的。換成你自己的事會更自然。不要停頓太久，講完不要按停，直接接同意句。
上個月我去一間很有名的咖啡店，想說點一杯熱拿鐵就好。結果店員問我，要不要試試新出的蜂蜜桂花口味。我本來有點猶豫，後來還是點了。第一口喝下去，我愣了一下，居然很好喝。現在我每次路過都會繞進去買一杯，還會順便幫同事帶一杯回辦公室。錄音小提醒：官方建議 24kHz、單聲道、16-bit 的 WAV；用手機或電腦錄音程式錄完再轉檔就可以。安靜的房間、同一支麥克風、不要加音效或修音。
二、英文同意句全文與逐詞念法
官方文件的英文範例，與我 10 月 8 日 AI Studio 畫面上的句子相同。以你畫面上顯示的句子為準，Google 之後可能改字。
I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model.下面的念法提示是我的建議，不是 Google 規定。Google 只要求完整念出那句話。大寫的是重音：
| 片段 | 中文意思 | 念法提示 |
|---|---|---|
| I am the owner of this voice | 我是這個聲音的主人 | I am the OWN-er of this VOICE |
| and I consent to Google | 而且我同意 Google | and I con-SENT to GOO-gle |
| using this voice | 使用這個聲音 | USE-ing this voice |
| to create a synthetic voice model | 來建立合成聲音模型 | to cre-ATE a syn-THET-ic voice MOD-el |
念的時候：每個字念清楚，語速比平常慢一點，不要連音，念完整句再停。念錯就整段重錄，不要只補錄單字。
三、三種常見失敗與解法
| 狀況 | 我看到的訊息 | 解法 |
|---|---|---|
| 中文同意句被拒 | The recorded phrase didn’t match the text on screen（2026-10-08）。我用本機轉錄對照，內容和官方中文句一致，還是被拒 | 改念英文同意句，就通過了。原因待驗證：官方說支援 30 種語言，中文是否在內、寫法為何，我沒查到表格內容 |
| 分兩次錄被判不同人 | Voice mismatch（2026-10-08）：同意音和參考音不是同一次錄的 | 同一支麥克風、一次錄完：先講故事，接著念同意句，再切兩段。我是用 API 上傳兩個檔案遇到的；AI Studio 畫面是兩個錄音鈕，分開錄會不會也被判不同人，我沒在介面測過，待驗證。穩妥做法是一次錄完再上傳 |
| 開頭不像本人，後面才像 | 第一版合成出來，頭幾句很像主播、後段才像我 | 不用重錄。改語氣指令：要求開頭平穩、不要誇張、不要主播腔、整段音色一致（見下一項） |
四、語氣指令範例
以下範例是依我 v2 指令的原則重寫的，不是原文。官方文件的範例是英文短語（例如 warm and enthusiastic），中文指令的效果我沒有逐句對照過，待驗證，所以每條都附英文版。指令放在 style 欄位，不要放進稿子。
1. 本人日常版
一開口就像本人在講話。自然的台灣華語，開頭語氣平穩，不要誇張的驚喜，也不要主播腔。整段音色保持一致。
Sound like the speaker from the very first word. Natural Taiwanese Mandarin, calm opening, no exaggerated excitement, no announcer tone. Keep the same voice throughout.
2. 溫柔版
語氣溫柔，稍微放慢，像在跟朋友說話，但吐字要清楚。
Gentle and slightly slower, like talking to a friend, with clear articulation.
3. 專業說明版
沉穩、有把握，像顧問在向客戶說明。語速中等，重點詞稍微加重。
Calm and confident, like a consultant explaining to a client. Medium pace, slight emphasis on key terms.需要在某個字前停一下，可以把官方支援的標籤直接放在稿子裡，例如 <short pause>、<breath>（speech-generation 文件，2026 年 10 月 20 日）。
克隆好的聲音放進 HeyGen 數字人，中文聽起來怪怪的、像粵語腔，修法整理在 HeyGen 中文口音怎麼修。
常見問答
AI 聲音克隆要花多少錢？
Standard 付費層，45 秒的配音約 0.0103 美元，不到台幣 1 元。2027 年 1 月 1 日起單價翻倍。建聲音本身是否收費，定價頁沒寫（2026 年 10 月 20 日查）。
免費帳號可以用 AI 聲音克隆嗎？
不要這樣理解。內建聲音念稿有免費層，我實測每個模型每天 10 次。克隆在 AI Studio 畫面寫要付費層，免費金鑰能不能用克隆聲線，我沒測過。
可以克隆別人的聲音嗎？
官方要求聲音主人念同意句，且和參考錄音是同一個人。我只克隆本人的聲音，用別人的聲音，先取得本人同意。
台灣可以用 Gemini 的聲音克隆嗎？
官方註明 AI Studio 聲音複製不開放 Illinois、Texas、EEA、UK、Switzerland、India，台灣不在清單上。實際以你帳號畫面為準。
AI 聲音克隆想用在自己的影片？可以找 AI 家教施文凱
要開始 AI 聲音克隆，先把《聲音克隆包》的錄音稿念一遍，同一次錄完，再接英文同意句。建好聲音後，拿一段 30 秒的稿子試念，聽開頭像不像你，不像就調語氣指令，不用重錄。
其他給專業服務的 AI 做法：用 Claude 先幫業務篩客人、Google 評論回覆三段式模板。
聲音做好之後，配音要接進剪片流程，可以看自動剪片 Skill 的 3 步做法；平常打字打到累，先試AI 語音輸入。想要有人陪你把聲音克隆、配音、剪片串成自己的流程，可以看我的一對一 AI 教學案例，或直接加官方 LINE 跟我說你的影片要做什麼。
關於 TibaMe 課程
本文放的課程資訊，依緯育 TibaMe 的合作分享格式置入：
- 課程名稱：《AI短影音實戰｜打造你的AI演員與電影級作品》
- 品牌：緯育 TibaMe
- IG／Threads：@tibame_wiedu
- Facebook：緯育TibaMe
- #tibame #ai影像生成 #ai內容創作
課上教的是腳本、AI 演員與鏡頭，沒有教聲音克隆；聲音克隆是我 2026 年 10 月 8 日自己用 Gemini 3.8 Flash TTS 做的。
參考資料來源
- Gemini API：Voice replication
- Gemini API：Text-to-speech generation
- Gemini API 定價
- Google：Gemini 3.8 text-to-speech says hello
- AI郵報：Gemini 3.8 Flash TTS 是什麼
我的實測紀錄為 2026 年 10 月 3 日、7 日、8 日的本機操作與畫面截圖。價格與介面以官方頁面為準。
最後核對日期為 2026 年 10 月 20 日。
