如何用 AI 複製自己的聲音，並且做得正確

聲音複製是利用 AI 根據錄音重現一個人的聲音，讓它能以當事人的音色、語氣和節奏說出新的話。只要給現代語音模型幾分鐘乾淨的音訊，它就能學會一個聲音獨一無二的特徵：音高、節奏、口音和溫度。從此以後，它就能用那個聲音朗讀任何文字。

這就是錄音與活的聲音之間的差別。錄音只能重複錄下當天說過的話。聲音複製卻能說出你一直沒來得及錄下的那句話，而且是你隨時都認得出來的聲音。這正是它對家庭如此重要的原因，也是它必須謹慎處理的原因。

在表面之下，有三個步驟能把你的聲音變成一個複製聲音：

1. 擷取：你錄下自己說話的樣本。模型會聆聽那些讓你的聲音成為你的聲學特徵。

2. 建模：AI 語音模型以這些樣本進行訓練，建立的是你聲音的數學表示，而不是一個片段資料庫。

3. 合成：你輸入（或提供）文字，模型就會生成你說出這些字句的全新音訊，語調自然。

複製聲音的品質，幾乎完全取決於擷取的品質。乾淨的輸入能讓複製聲音聽起來真的像你；雜訊多或內容太少的輸入，則只會得到平板、機械的近似品。

1. 找一個安靜的房間。背景雜音、回音和嗡嗡聲是好的複製聲音的天敵。一個擺設柔軟的小房間，勝過空蕩蕩的大房間。

2. 使用品質不錯的麥克風。USB 麥克風，甚至訊號清晰的新款耳機，表現都遠勝筆電內建的麥克風。

3. 錄下足夠的語音。通常幾分鐘自然、富有變化的說話就綽綽有餘。請帶著感情朗讀，而不是平板單調地念。

4. 變化你的語氣。加入陳述句、問句和一些情緒，讓模型學到你完整的表達範圍，而不是只有一種心情。

5. 上傳並訓練。把你的樣本提交給語音平台，讓它建立你的模型。

6. 生成並調整。用幾個句子測試，聽聽有沒有不對勁的地方，如果複製聲音需要更多表現範圍，就再補充樣本。

在以同意為先的平台上，整個過程都與你經過驗證的身分綁定，因此被複製的聲音只能是你自己的。

• 乾淨的音訊：安靜的房間，沒有音樂，沒有回音。這比其他任何事都重要。

• 幾分鐘的語音：現代模型需要的量少得驚人，但音訊越多樣，結果越豐富。

• 自然的表達：用你平常說話的方式說，保留真實對話中的停頓和溫度。

• 表現範圍：混合平靜、強調和溫柔的段落，讓聲音能表達不只一種感受。

如果你是為了未來而錄音，那就現在做，而且做好。聲音會隨著年齡和健康狀況改變，錄下你聲音的最佳時機，就是它還強健的時候。更完整的指南請見如何保存你的聲音。

人們複製自己的聲音，原因各不相同：

• 傳承：讓孩子和孫子女在遙遠的未來，仍能聽見他們，也聽見他們想說的話。

• 留言：用自己的聲音，錄下在他們可能無法出席的重要時刻要說的話。

• 無障礙：面臨可能奪走說話能力的狀況（例如運動神經元疾病或喉部手術）的人，趁還能說話時把自己的聲音存下來。

• 陪伴：讓 Persona 用他們真實的聲音說話，而不是一個通用的合成聲音。

正是在第一類，也就是家庭與傳承之中，聲音複製不再只是新奇的事物，而成為真正珍貴的東西。聲音是我們留下的最私密的事物。

聲音複製的力量強大，也就代表可能被濫用。同樣的技術讓你保存自己的聲音，落入不當之人手中，也可能在對方不知情的情況下模仿他人。三項原則，區分了負責任的聲音複製與其他做法：

• 同意：一個聲音只能由本人複製，或在本人明確許可下複製。

• 驗證：平台應該確認你的身分屬實，讓你無法複製陌生人的聲音。

• 掌控：你應該能看到自己的聲音如何被使用、訂定規則，並撤銷存取權限。

複製自己的聲音，合法也合乎倫理。未經同意複製別人的聲音，兩者皆非，而且越來越多針對未經同意的聲音複製的新法律都會處罰這種行為。請選擇把同意與掌控做成內建機制、而非可有可無選項的平台。

這正是 Afterlife AI 所圍繞打造的問題。你只能複製自己的聲音，並與你經過驗證的身分綁定，成果存放在由你掌管的私人 Persona 之中。誰可以聽到、何時聽到、能聽多久，都由你決定。沒有任何內容公開，沒有任何東西被販售，沒有你的同意，什麼事都不會發生。

在你離世之後，Executor Lock 會執行這些規則：你的聲音無法被重新訓練、編輯或商業化，每一次使用都會記錄在永久的稽核軌跡中。這是對這個領域最大恐懼的保障：聲音被用在其主人從未同意的方式上。

錄音保存的是你說過的話。以同意為先的聲音複製，保存的是你聲音本身，隨時準備說出你沒有機會說的話。從保存你的聲音開始，在你還能做決定的時候，把它放進一個 Persona 之中。

繼續閱讀聲音傳承系列指南：

• 聲音傳承：它能讓什麼成為可能

• 為未來錄下你的聲音

• 聲音複製安全且合法嗎

• 用你自己的聲音說話的 AI 分身