AI 語音工具以前常被拿來做旁白或配音，但現在競爭已經不只是「能不能念出來」，而是自然度、情緒、角色一致性、速度、授權與本地部署能力。這支影片整理 2026 年語音模型的主要戰場。 影片連結：https://www.youtube.com/watch?v=gydef1ulB8k 語音模型比的是什麼 自然度：聽起來是否像真人。 可控性：能不能控制語氣、停頓與情緒。 穩定度：長文字是否會跑音或斷句怪異。 部署方式：雲端服務或本地模型。 創作者可以怎麼看 短影音旁白重視速度與一致性。 長影片旁白重視穩定度與可剪輯性。 商業專案要特別注意授權與聲音來源。 後續觀察 語音模型會越來越像內容製作流程的一部分，而不是單一工具。 小結 這篇先把影片內容整理成可搜尋、可回來查的文字筆記。後續如果我有補充更多實測資料、指令或範例，也會再把文章更新得更完整。
如果你想研究開源 TTS，Qwen3-TTS 是很值得測試的一個方向。它不只可以做文字轉語音，也讓聲音克隆、語氣控制與工作流整合有更多可能。這篇把影片中的資源與流程整理成文字。 影片連結：https://www.youtube.com/watch?v=0iS_QuERNI8 先從 Demo 認識模型 Hugging Face Space：https://huggingface.co/spaces/Qwen/Qwen3-TTS 官方介紹：https://qwen.ai/blog?id=qwen3tts-0115 為什麼搭配 ComfyUI 用節點式方式組合輸入、模型與輸出。 方便把語音生成放進更大的影音工作流。 適合反覆測試不同文字、音色與參數。 聲音克隆注意事項 請使用自己有權利使用的聲音素材。 公開發布前確認模型與工具授權。 先用短句測試，再處理長稿。 小結 這篇先把影片內容整理成可搜尋、可回來查的文字筆記。後續如果我有補充更多實測資料、指令或範例，也會再把文章更新得更完整。
這集聊的是 Google NotebookLM 的語音功能，尤其是音訊總覽帶來的變化。它不是單純把文字轉成語音，而是把一份資料整理成像 Podcast 一樣的對話內容。 影片連結：https://www.youtube.com/watch?v=iIsY4BFlaxc NotebookLM 的重點不只是筆記 很多人第一次看到 NotebookLM，會把它當成「可以上傳文件的聊天機器人」。但真正值得注意的是，它把資料整理、摘要、提問和語音輸出放在同一個工作流裡。 這代表使用者不一定要一直盯著螢幕讀資料，也可以把文件變成適合通勤、走路、整理家務時吸收的內容。 音訊總覽為什麼有感 音訊總覽有感的原因，在於它把冷冰冰的文字變成更接近人類討論的形式。比起傳統 TTS 逐字念稿，它更像兩個主持人在幫你整理內容： 會先抓出主題脈絡 會把艱澀段落改成比較口語的說法 會用對話節奏降低理解門檻 適合快速掌握一份資料的重點 這種自然感，是它和一般文字摘要工具最大的差異。 適合怎麼用 NotebookLM 的語音功能很適合拿來處理以下內容： 長篇報告或研究資料 課堂講義與會議紀錄 產品文件與技術白皮書 自己寫的文章草稿 想重複吸收的學習材料 如果你常常存了很多資料卻沒時間讀，這類工具可以把「閱讀」轉成「聆聽」，讓吸收資訊的場景變多。 需要注意的地方 音訊摘要很方便，但它仍然是 AI 生成內容。重要資訊最好回到原始資料確認，尤其是數字、引用、法律、醫療、投資或正式報告。 它適合做第一輪理解與複習，不適合完全取代原文判讀。 小結 NotebookLM 的語音功能代表一個很重要的方向：未來的筆記工具不只是儲存資料，而是會主動幫你重組資料，讓你用不同方式吸收。對學生、創作者、研究者和知識工作者來說，這會是很值得觀察的 AI 工具類型。