用自己的聲音，讓 AI 先念一遍

這是什麼

一個免費開源的 AI 語音工作室，裝在自己的電腦上。給它一段十幾秒的錄音，它就能用你的聲音念任何文字，中文也可以。錄音和做出來的聲音都留在自己電腦裡，不會上傳到任何網站。

誰需要

• 拍短影音要錄旁白，常常一句錄好幾次的人
• 想在正式錄音之前，先聽聽稿子順不順、長度剛不剛好的人

要不要錢

免費（MIT 開源），在自己電腦跑，不用 API 費用。第一次用會下載語音模型，我用的那個約 3.9 GB。有 NVIDIA 顯卡會比較快；沒開顯卡加速也能用 CPU 跑，我一句大約 45 秒。

怎麼開始

1. 到官網 voicebox.sh 或 GitHub 的發行頁，下載 Windows 版安裝。
2. 準備一段 10～20 秒、背景安靜的自己的錄音，加上跟錄音一字不差的逐字稿。不會剪的話，可以請 Claude Code 幫忙：

幫我從「旁白.m4a」剪出一段 10～20 秒、剛好是完整句子的乾淨錄音，存成 wav。
剪好後用 Whisper 聽寫一次，給我這段錄音一字不差的逐字稿。

3. 在 Voicebox 新增一個聲音，上傳這段錄音和逐字稿，語言選中文。
4. 打上想念的文字，選你的聲音，按生成。

我實際怎麼用

我從自己之前錄好的 AI 快報旁白剪了 14 秒，讓它用我的聲音念三句新的話：一句台灣口語、一句中英混雜、一句有數字的。

我自己聽的結果：非常像，也是台灣口音，只有「報告」的「報」念得不太準。

中間踩到一個坑：前兩次，AI 念每一句之前，都先多念一句我根本沒寫的話。原因是我給的逐字稿，多了一句錄音裡沒有的內容；改成跟錄音一字不差之後就正常了。

小提醒

• 逐字稿一定要跟錄音一字不差。 多一句、少一句，AI 都可能把多出來的話念出來。
• 只能用自己的聲音，或本人同意的聲音。 官方文件也寫明，複製別人的聲音要先取得同意。
• 發到 IG、FB 的話，逼真的 AI 聲音要標示「AI 生成」。 我建議拿它先試聽稿子、抓秒數，正式發布還是用自己錄的，觀眾比較信任。
• 安裝檔沒有 Windows 數位簽章，電腦可能跳出警告。只從官網或 GitHub 官方發行頁下載。
• 個別字可能念不準，像我的「報告」。要用之前，整句聽過一次。