小魚

前面文章廣播的AI新聞化？廣播的下一步 (更新時間：2025/3/25)提到了目前像是News98、中廣、城市廣播網似乎都開始有AI語音播報新聞的趨勢。

正好2025/3/26-28是Digitimes的三天AI EXPO 2025（臺灣AI博覽會）活動，第三天的演講有AI語音的業者宏正（ATEN）參入，引發了我的興趣。之前沒特別注意ATEN有加入這個產業之中，因為ATEN是長期以來做KVM（Keyboard、Video、Mouse）整合的業者，說到有做這個我也是才驚覺，原來除了網際智慧（自然輸入法的公司）外，外面ATEN已有一些導入案例了。

ATEN以「ATEN優聲學」作為品牌，目前最知名案例應該屬ETtoday新聞雲、臺灣吧，其中的介面直接上雲端平台處理，裡面主要以中英語為主，相當適合台灣在地企業/用戶使用。

目前總AI聲優有18人，其中臺語有2(1男1女)、國語有16(8男8女)、英語有18(9男9女)。其實已經相當可以取代一般如新聞類的播放。因為通常新聞類就是感情不需太過強調，主要是平順、字正腔圓、不吃螺絲即可。

介面來說，與自然輸入法的AI不會差距太大。也都有音量、速度、語調的調整、插入停頓、符號停頓倍率等

價格方面，ATEN採取雲端服務，價格比較親民，有所謂的完全免費，限制多，也有付費後每次可合成約1000字的字數，從牌價與方案，我認為ATEN並不是要主動讓使用者吃到飽，而是有目的性的，短篇使用而已。

另一方面，我們來看網際智慧的服務，他們基本上有很多種解決方案，最主要我以「文字MP3專業版」（即離線版），以及「VoAI絕好聲創」（線上版）可與ATEN做比擬。

在功能上，「文字MP3專業版」提供100種語言及600種AI聲優，也就是把整個背後資料庫的拿手絕活都放上來給用戶使用，缺點則是連朗讀段落（我稱為「試聽」）都要算點數。其有非常簡單的混音功能，例如可自己插入背景音檔與外部音檔。其優勢是多國語言(非臺語)可自由混用。

而雲端版的「VoAI絕好聲調」則提供30種男女聲優，與ATEN的國臺英語的聲優三聲調的聲優比較類似，總共是12男、18女。而12男中又有2個幼童男音、18女中有1個幼童女音，算是特別之處。

介面上，從離線軟體介面變為瀏覽器介面，也是相當類似，但介面更為輕柔不顯生硬，角色可任意替換。

其介面的進階功能則是將音調、語速、句間停頓都放在這裡。基本上競業間的功能不會差異太大。

價格上文字MP3從之前價格很高的情形已下修，檯面上有兩種，480元/月與3800元/年。

另外VoAI絕好聲調大致有3種檯面價及三種報價，因為放在兩個網頁上，顯得有點雜亂，分別為900元/2月、3600元/年(一般版)、6000元/年(進階版)、API串接服務、訂製模型、企業報價。

綜上，我們發現VolAI（雲端版）的方案雖然VolAI較貴，但文字MP3（離線版）是試聽時就須計費，所以計價基準仍有差異。整體而言ATEN的計費很有優勢，缺點在只能用在「台灣」（國語、台語、英語）。但網際智慧主要就是主打聲音更多，連幼童男、幼童女都有聲線，因此若有「廣播劇」的需求，網際智慧方案確實很有利。

我們也可以發現，目前各家都已逐步將台語作為重要的語言在做發展，未來是否會有客家語甚至原住民語會有，則未可知，但至少市場上一定是以族群多的開發為主體。

當然陽明交大的線上版台語語音生成、客語語音生成也都免費上線，對於教育（考試）發展會有立即的幫助，也是另一選擇。

總之，目前對於AI語音生意已漸有雛型，並有兩大業者在比拚，而且愈來愈趨向於雲端服務。這種生態在會議語音辨識也是同樣的狀況，例如長問科技（離線版）與迪威智能（雲端版），而且各大公司也都在做這種內部雲端服務。何種擅長與有利，其實就看不同的使用族群的感覺，就像是微軟從Office一定要365雲端，變成還是有離線版的，Adobe也是近來一直被說雲端版的計價方式坑錢而炎上。

只是AI語音愈來愈厲害後，仍要注意詐騙情事的層出不窮，老人甚至是一般人都不會辨識出來，真的是非常需要注意。