AudioTextHub 免費文字轉語音實測：先看清能用範圍與文字流向

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

線上文字轉語音工具最常見的三句台詞是「免費、免註冊、一百多種語言」，AudioTextHub 的首頁把免費掛得滿滿的。我實際打開測了一輪：免費成立、不用註冊也成立，短句子送出去大約一秒鐘音檔就回來了。但這輪實測也把免費的邊界量了出來，它畫的地方跟多數人想的不一樣。不登入的狀態下，你能用的只有微軟那 300 把聲音，頁面上宣傳的 Google、MiniMax 與火山引擎聲音全部在登入牆後面；輸入框寫的「200 字元、每日 10 次」只擋瀏覽器，不擋直接對合成端點發出的請求，我送了 1200 字元過去照樣成功，拿回一段約五分半鐘的音檔；而生成出來的音檔，落在任何人拿到網址都能下載的公開雲端空間裡。

AudioTextHub 是一個網頁版的 AI 語音合成站，貼上文字、選好聲音、按下生成，就能把結果下載成 MP3。它同時標榜語音轉文字與聲音複製，不過複製聲音的頁面目前掛的是「即將推出」。實際要用之前，問題集中在幾個地方：它到底免費到什麼程度、我們實際拿得到哪些聲音、文字丟上去之後去了哪裡。這幾個問題，我都在網站上實際走了一輪。

第一題：真的免費嗎？邊界畫在引擎，不在次數

打開官網不用登入就能用，這點貨真價實。輸入框旁邊的計數器寫著每次 200 字元、今日剩餘 10 次，中文版和英文版是一樣的。它自己的常見問題區卻寫「每次可免費轉換 2000 字元」，跟輸入框的 200 字元差了一個數量級。以輸入框為準就對了，一段短文案剛好放得進去，長文稿要自己切段。

Pin

更有意思的是這個上限管到哪一層。我在完全不登入、也不開瀏覽器的情況下，直接對它的合成端點送請求：先送 266 字元，成功；再送 1200 字元，也成功，回來的 MP3 有 330 秒長，生成過程花了約 21 秒；短時間內連送四次都有回應。也就是說，200 字元與每日 10 次的管理是做在前端的，伺服器端對匿名請求並沒有執行同樣的限制。我的樣本只有單一網路位置、少量請求，不能據此宣稱站方完全沒有後端限流，但至少「輸入框的限制就是全部限制」這個假設站不住。

順帶一提，我生成完一次之後，畫面上那個每日剩餘次數的計數器紋風不動。額度帳本實際怎麼記、跟畫面何時同步，站方沒有交代，把這個數字當參考值就好。對偶爾用一段短配音的人來說，十次其實夠用；要批次產出一支影片的旁白，就得切段分天，或者進入它的積分制。

免費真正的邊界畫在引擎上。介面上列出四家語音來源：微軟、Google、MiniMax 與火山。匿名狀態下只有微軟這條路能走，我拿另外三家的參數直接呼叫，回來的都是同一個錯誤碼，意思是要登入才能用。換句話說，這個站「免費」的本體，是站方把微軟聲音的呼叫成本吸收掉了，其餘三家是留給登入會員的。定價頁寫免費會員有 1000 積分，微軟合成不扣點、另外三家每 10 字元扣 1 點；付費有兩個等級，年費分別標 59 美元與 1228 人民幣，賣的是更多積分與聲音複製名額，方案卡上的付款圖示是微信與支付寶。價格與點數制是站方單方面的標示，我沒有實際付款驗證。積分換算成白話：免費帳號的 1000 積分，在微軟以外的引擎大約等於每月一萬字元的合成量，中文稿差不多是四篇專欄的篇幅；微軟引擎不扣點，只愛微軟聲音的人帳面上的積分根本用不到。真正會把積分燒掉的是語音轉文字與 Google、火山這些引擎。

Pin

第二題：台灣讀者實際拿得到什麼聲音、什麼速度

微軟那 300 把聲音裡，標成台灣口音的有三把：雲哲是男聲，曉雨與曉臻是女聲。旁邊就是中國與香港口音的一大排，連東北官話的聲音都有，做中文內容的人選擇不少。實測生成速度比它自己宣稱的還好：常見問題寫「大多數轉換五秒內完成」，我送短句實際都在一秒上下回來，長文 1200 字元約 21 秒，對照它五分半鐘的成品長度，這個等待可以接受。

輸出規格也順手檢查了。下載回來的檔案實際是 48kbps、24kHz 的單聲道 MP3，這是微軟語音服務常見的語音級輸出，做草稿配音與影片旁白夠用，但離錄音室等級有距離。頁面上雖然寫了 MP3、WAV 與 OGG 三種格式可選，我直接對端點指定 WAV 時，拿回的仍然是 MP3；介面上那個格式選單實際怎麼處理，從這次測試看不出來。對音質有要求的用途，先下載一個樣本聽過再決定。

介面語言是台灣讀者要先知道的事：它的中文版是簡體字，沒有繁中介面，不想看簡體就切換英文版，功能完全一樣。至於頁面上的宣傳數字，建議看看就好。同一個首頁上，給搜尋引擎的說明寫「支援 100 種以上語言、500 把以上聲音」，工具卡片寫「2680 把聲音、50 種以上語言」，另一段文案又寫「30 種以上語言」。我把它的音色資料整包拉下來數了一遍，實際是 2531 把聲音、139 個語言代碼。聲音面板上還有一個更明顯的落差：MiniMax 標著 0 把，但它自己的資料端點其實回傳了 342 把，介面根本沒接上。數字會漂的站，使用時以面板實際能選到的為準。

攤開聲音庫的組成，免費與付費的分界更清楚。微軟 300 把是匿名狀態唯一的入口；Google 那 1557 把以星宿命名，Achernar、Alnilam 這類名字，面板上標著 Premium 字樣；火山 327 把主打中文情感聲線；MiniMax 就是前面那個顯示 0 的欄位。它真正想主打的差異化功能叫「AI 風格提示詞」，宣稱可以用一段文字描述去控制語音的情感與語調，首頁掛著新功能的標籤。首頁掛了新功能的徽章與說明，不過工具區裡我看到的是音色、語速與音量三組控制；風格描述要在哪裡輸入、對哪些聲音生效，頁面上沒有可核對的基準，需要的人建議先用自己的文字試幾組再決定要不要依賴它。

Pin

語音轉文字是它擴充出來的另一條產品線，定價表按分鐘計費，對不必扣積分的微軟合成來說這個費率顯得貴，官方宣稱辨識準確率達 98%。這條線我只有讀定價與頁面說明；從價格結構不難看出它的角色，把免費訪客導向積分消耗的入口。真正要做語音轉文字的人，本機或免費額度更大的專門工具都值得先比一輪。

這個站本身也在轉型中。2025 年 5 月的存檔裡，它還是單純的文字轉語音服務，標題就叫「Free & Easy」；現在已經擴成語音工具箱，加了語音轉文字頁面與聲音複製頁籤，引擎也從微軟一家長到四家。產品快速疊代的階段，行銷文案追不上實品規格是常態，這也解釋了上面那些對不上的數字。

第三題：文字丟上去之後，去了哪裡

你的文字會先送到它自己的伺服器。瀏覽器把整段文字直接送到它的合成 API，回應裡帶著供應商代碼。上游細節站方沒有公開，從「免金鑰、登入前就能呼叫微軟聲音」這個行為推測，應該是站方用自己的帳號金鑰去呼叫各家的正式服務，再轉手給訪客。這是它好用的重要原因，同時也意味著你的文字必然經過它的伺服器，沒有本機處理的選項。

合成完成後，結果被放進一個公開的檔案櫃：它回給你的是一個雲端物件儲存的 MP3 直接連結，任何人拿到這串網址都能播放或下載，檔名是時間戳加亂數。自己要保存很方便，複製連結就能分享；反過來說，還沒公開的稿子、公司內部的台詞或任何不想外流的內容，丟進去之前值得先想三秒鐘。

還有一層藏在頁面背後。載入首頁會一起帶上 Microsoft Clarity 這類帶工作階段錄影性質的分析工具、百度統計與 Cloudflare Insights，程式錯誤則回報到站方自家的通道。它的隱私頁是一份通用模板，列了帳號、使用情形、裝置與 Cookie 等類別，但是上述任何一套追蹤都沒有被點名，也找不到資料保留期限。首頁安全卡寫的是文字經過「企業級保護」安全處理，跟可觀察到的追蹤與保存行為之間有一段距離。另外，從聯絡信箱網域、錯誤回報通道與儲存桶名稱這幾個獨立線索看，它應該隸屬於 AIMIX 智剪這套 AI 行銷影片產品體系；這層關係站方沒有公開說明。知道這個背景，就明白為什麼它的示範聲音是猴哥與懸疑解說這類中文創作者場景。

條款面有三件事值得記下。輸入文字與生成音檔的所有權留在使用者身上，平台技術歸站方，這條對創作者是好消息；付費方案寫明除法律另有規定外不可退費；管轄法律那條是空泛的模板句，真出事時參考價值有限。還有一個上市時程的錯位：首頁的複製頁籤說功能即將推出、要加入 Discord 等待名單，定價頁卻已經把複製名額放進付費方案裡賣。衝著複製聲音功能想付費的人，付費前先向站方確認功能真的上線了。

三分鐘上手：貼文字、選聲音、下載音檔

使用流程沒有門檻。打開 AudioTextHub 官網，把文字貼進輸入框；超過 200 字元就照句切段，一段一段生成，前後順序自己掌握。接著打開音色選擇面板，語言選單挑中文，先試台灣口音那三把，聽完不合意再往中國與香港口音找。音色面板本身做得相當完整，語言、性別與年齡都能篩選。按生成之後介面會出現播放器，試聽滿意就能下載，我拿到的檔案是 MP3，站方常見問題另外寫了 WAV 與 OGG 兩種格式。語速與音量有滑桿可以調，面板也提醒不同聲音支援的參數範圍不一樣。下載回來的檔名是站方產生的流水號，記得自己改名歸檔。另外工具區右側留著一個標著除錯主控台的區塊，一般使用者應該永遠用不到，看得出這是工程取向團隊直接把內部工具端上桌的作風。

臨時配音直接用，隱私與長期供應繞道

臨時要一小段中文配音、想快速試聽微軟聲音的效果、或者不在意文字經過對方伺服器的人，直接用就好，它的免費與速度都是真的。隱私敏感的內容則不適合：生成結果放在公開網址上，隱私頁又沒有交代實際的追蹤與保存方式。要長期穩定供應商業素材的人也要斟酌，介面語言、額度與功能都還在調整中，今天看到的邊界不代表下個月還成立。需要 Google 或 MiniMax 聲音的人，這站的免費與你無關，從積分制開始就是付費遊戲。

想要同源的聲音但換一條更可控的路，有幾個方向。同一批微軟聲音想在本機跑，可以看 Text2Voice，用微軟 Edge TTS 在本機把文字直接轉成 MP3；願意用自己的 Azure 金鑰、目標是聽書場景的，Azure TTS Importer 能把金鑰變成閱讀器的語音設定；做短影音配音、想比較登入牆與資料流向的，參考配音神器 Pro 的實測；想把轉錄到配音整條流程留在自己機器上的，Voice-Pro 把 Whisper 與聲音複製串成本機管線。免費工具的規則隨時會改，AudioTextHub 今天畫下的免費範圍，是今天實測出來的答案。