AI Speaker 免費文字轉語音實測：免登入產 MP3，文字流向先看清

免註冊免安裝，連 Email 都不用留，打開 AI Speaker 的繁中頁，貼一段文字按合成，十幾秒後播放器掛出一段可下載的 MP3。在一片要你先創帳號的免費文字轉語音工具裡，它把使用門檻壓到了最低，這是實測後最站得住的一個賣點。

不過往工具底下看，有兩件事會改變你怎麼用它。第一，它清單裡的聲音大多不是自家研發，絕大多數來自微軟的語音服務，合成還要先經過站方伺服器中繼。第二，你貼進去的每一段文字，都會被存成站方伺服器上的專案紀錄，掛在一個自動配發的匿名帳號底下。這兩件事，官方頁面都沒有明說。

這篇把動手測到的行為細節攤開來講：合成流程怎麼走、聲音從哪來、文字去了哪、官網四套規格數字怎麼對帳，以及台灣腔聲音目前的狀態。看完你會知道自己是把它當便利的小工具，還是要把整個工作流程搬上去。

免登入的實測：十幾秒從貼字到下載

實測當天直接開繁中版頁面（網址是 ai-speaker.net/tw，進 /zh 則是簡體介面）。操作面比預期乾淨：輸入區貼上測試句，預設聲音顯示 Jenny，語速、音調、音量各有一組調節控制，輸入框下方有即時字數計，會顯示 19/5000 這種計數。按下合成鈕，畫面不出現驗證碼，也不跳註冊牆，請求打到位於 ai-speaker.net 的合成端點，回應內容本身就是 MP3 資料（檔頭帶 ID3 標記與 LAME 編碼器字樣），瀏覽器把它組成音檔掛上播放器，旁邊就是下載鈕。

AI Speaker 繁中介面：文字輸入區、Jenny 聲音設定，合成後的播放器與下載鈕 — AI Speaker 繁中版主介面，合成完成後播放器與下載鈕直接出現在輸入區下方（官方網站截圖）。

帳號機制值得單獨講。頁面一載入，站方就自動配發一個匿名帳號，我的兩個全新工作階段分別拿到 352375 號與 352389 號，號碼不同，代表每個無登入階段都是從一個新的空帳號開始，先前的專案不會跟著你。想把紀錄留在自己名下、用到多端同步，就得用 Email 或手機號碼登入。懶得登入又在乎紀錄的人，自己養成下載後另存的習慣比較實際。

從按下合成到拿到檔案的整段流程沒有遇到付費牆，這點給它公道：免費是真的免費，至少在合成與下載這條主路上如此。

介面本身是章節式的，這是它跟一堆單框轉換器最大的差別。官方的建議流程是加入新章節、貼文、配角色，逐章合成或一次合成全部章節；音檔可以整段匯出，也可以逐段落匯出，手機版照官方說法還能直接存進音樂資料夾。輸入區上排有停頓插入與字幕的開關，做有聲書或分角色的旁白稿時，這種結構比一次貼五千字實用。

聲音從哪來：微軟的引擎，實信達的伺服器

官網行銷文字說它有媲美真人的情感表現，同一音色支援中英雙語、多語言混讀。聲音來源在頁面程式裡則有另一個版本的答案。站方自己的聲音清單 API 回傳的聲音，代碼壓倒性多數是微軟神經語音的命名：en-US-JennyNeural、zh-TW-HsiaoChenNeural、zh-CN-Xiaochen:DragonHDLatestNeural；資料欄位裡的類型名直接寫著 edge 或 azure（免費清單標 edge 的有 300 支，VIP 的 551 支標 azure），免費清單裡另有 28 支標成剪映的聲音。合成前頁面會先向站方要一組權杖，回應裡帶著 1-132.0.2917.0 這種微軟 Edge 版本字串，和一個名為 isEdgeOnlineOpen 的線上開關。程式裡甚至還留著一支直接呼叫微軟朗讀端點的舊函式，只是目前沒有被呼叫，聲音清單已改由站方 API 提供。

把幾條線放在一起看，架構就清楚了：聲音引擎主要來自微軟的兩條語音線（朗讀端的 Edge 與雲端的 Azure），AI Speaker 在前面加了一層自己的伺服器，以及一個章節式的編輯器介面。這種做法不孤單，站內先前介紹過的 Text2Voice 走的是直連微軟端點的路線，AI Speaker 則是把同一批聲音包進所見即所得的編輯流程，再補上字幕與影片匯出。差別落在資料路徑：直連路線裡你的文字直接送微軟；這裡文字先進南京實信達的伺服器，由伺服器向微軟取音，再回傳給你。

對多數人來說這層中繼沒有存在感，但它決定兩件事。其一，站方伺服器經手你的全文，看得到你合成的一切內容。其二，聲音供應鏈的最上游是微軟，端點政策一旦調整，影響不在你手裡，也不在站方手裡。

合成完就存檔：你的文字去了哪

合成時打出去的請求順序很直白：第一支請求把整段文字送到合成端點；緊接著第二支請求，把同一篇全文連同聲音、語速、音調、音量設定，存成伺服器上的專案段落紀錄，掛在匿名帳號名下。也就是說，就算你只是隨手打一句話試音質，那句話也會留在對方的資料庫裡。這是「雲端合成」四個字的實際含義，只是多數工具不會把這句話講出來。

隱私文件本身寫了什麼？它說會收集暱稱、Email、性別、生日、頭像，語音轉文字功能需要麥克風權限，另外還有 Cookie、IP 位址、裝置識別碼等日誌資訊，並提到與合作夥伴及第三方 SDK 共用資料的可能。比較扎眼的瑕疵有兩個：隱私政策裡的第三方 SDK 清單只有一行標題，底下沒有列出任何一家；服務協議的退款段落還出現「退款完全由人工智能揚聲器自行決定」「致AI發言人」這樣的字樣，明顯是英文合約機器翻譯後直接上線，中間混了一段歐盟十四天退貨的模板文字。功能是真的能用，法律文件顯然沒有人校稿，這個落差本身就是一種訊號。

站內同類工具的文字流向可以對照著看：SAM TTS 那篇拆過同一個站三種 Sam 背後的文字去向差異，EasyVoice 則把小說轉有聲書時的文字外流代價講清楚。AI Speaker 的位置差不多：文字全出門，只是目的地換人。

官網自己就有四套數字

講規格之前先對帳。首頁常見問答說有 320 多個 AI 主播、200 種語言；定價頁寫免費版 300 支以上聲音、50 種以上語言，VIP 則是 600 支以上聲音；而聲音與語言 API 給出的實際數字，是 79 種語言、328 支標為免費的聲音、551 支標為 VIP 的聲音。

資料出處	聲音數	語言數
首頁常見問答	320 多	200
定價頁免費方案	300 以上	50 以上
定價頁 VIP 方案	600 以上	50 以上
聲音與語言 API	免費 328、VIP 551	79

表內四套數字以 2026-09-20 官方頁面與聲音 API 回應為準。

四套數字沒有一套互相吻合，連官網自己內部都對不上。對讀者的實際意義有兩條：其一，「600 支聲音」是 VIP 欄位的行銷數字，免費能選的是 328 支；其二，「200 種語言」查無對應清單，語言 API 實際列出 79 種，中文底下再分普通話、香港粵語、台灣腔等變體。要挑聲音，以介面實際打開的清單為準就好，行銷頁的數字看看即可。

台灣腔三支聲音，掛著互相矛盾的狀態

把聲音挑選視窗的語言篩選切到 Chinese，清單會列出 42 支免費中文聲音，其中台灣腔有三支：曉臻、曉雨、雲哲（對應微軟的 HsiaoChen、HsiaoYu、YunJhe）。問題是這些中文聲音項目上，掛著站方的英文訊息 The developers are repairing the malfunction!，翻出來是「開發人員正在修復故障」。這段字在頁面程式裡，是站方專為聲音故障準備的錯誤訊息；但同一批聲音在 API 裡的狀態欄又標著「正常」，而實測挑了曉臻送一句繁中合成，流程照樣產出長度合理的音檔。

AI Speaker 聲音挑選視窗，語言篩選 Chinese 下的 42 支免費中文聲音 — 聲音挑選視窗，語言切到 Chinese 列出 42 支免費中文聲音，台灣腔有曉臻、曉雨、雲哲三支（官方網站截圖）。

三個訊號互相矛盾：介面掛修復中、API 標正常、實測能合成。我這輪的結論只能下到「中文聲音處於不穩定狀態」這個程度，沒有辦法保證你使用的當下是哪一種情況。建議的做法很簡單：要用中文聲音之前，先丟一句短句試播確認，沒問題再餵長文，別把五百字的稿子直接押上去。

另外有個第一次使用容易踩的坑：預設聲音是英文的 Jenny。你貼中文進去按合成，它不會自動幫你換聲音，實測就是用 Jenny 把整段繁中唸完的（有產出音檔，但用哪個聲音唸你的文字，品質差異自己試聽最準）。要中文打開聲音視窗、語言切到 Chinese 再選人，這一步別跳過。

免費版夠跑主路，VIP 賣的是長文與多情緒

免費版的限制寫得算清楚：單次合成建議 5000 字以內，次數不限，可以匯出 MP3、產生 SRT 字幕、插入停頓，聲音是三百支等級，沒有多情緒設定。官方常見問答對授權的說法給得很大方：音檔版權百分之百歸使用者，可用於任何目的，包括商業用途，只要符合當地法律。這句話出自站方自己的 FAQ，記得出處；畢竟聲音引擎是微軟的，這條商用授權鏈建立在站方的說法上，而不是一份你能拿去對質的微軟文件。

VIP 月繳 5 美元，或年繳 20 美元（官網自己換算約每月 1.67 美元），換到的是單次 30000 字、600 支聲音、多情緒設定與更快的信件支援。免費政策方面，官方明寫提供永久免費版，但保留未來調整政策的權利；退款條款則寫得相當保守，個案認定、可以拒絕，前面那段機器翻譯的「人工智能揚聲器自行決定」就是出自這裡。

AI Speaker 定價頁：免費版、VIP 月繳 5 美元、年繳 20 美元三張方案卡 — 定價頁三張方案卡：免費版、VIP 月繳 5 美元、年繳 20 美元（官方網站截圖）。

四個端的現況：Chrome 擴充功能版本 1.2.0，2,000 名使用者、71 則評分平均 4.9 星，2026 年 6 月底有更新；Android 版在 Google Play 上 1,000 次以上下載，7 月初有更新，內含購買；iOS 版在 App Store 上架；Edge 附加元件的官網連結也在。官方對這些端的推銷點是多端同步、產字幕、匯出影片，以及每支聲音兩倍以上的合成速度。從頁面程式看，字幕與影片匯出是在瀏覽器端用 ffmpeg 的 WebAssembly 版本處理，這部分運算在你自己的機器上完成，不必上傳整支影片再等回傳，算是隱私面上少數的好消息，只是文字在合成那一步就已經送進站方伺服器了。

還有一個商店欄位值得記下：Chrome 商店把這個開發者標記為「未識別為交易者」。對台灣使用者這只是個欄位，但搭配個案認定的退款條款，付費前心裡要有個底。

文字會出門，介意的人有哪些替代路線

把這篇實測到的限制集中起來看：

文字會送進站方伺服器並存成專案紀錄：適合旁白草稿與公開內容；還沒發表的稿子、合約或內部文件不該貼進任何這類雲端合成工具，這條界線不只適用於 AI Speaker。
上游不在你手裡：聲音引擎主要來自微軟，另有 28 支剪映聲音，端點政策或站方服務一旦變動就直接影響可用性，中文聲音掛修復訊息就是現成的例子。
規格數字不穩：行銷頁與 API 對不上，長期依賴前以介面實際清單為準。
廣告與統計：頁面掛 Google AdSense 廣告與 Google Analytics 統計腳本，站體走在 Cloudflare 後面，使用時會載入第三方追蹤。
免費政策可調：官方自己寫了保留變動的權利。

替代路線按需求分：想把文字的目的地拿回自己手裡，Text2Voice 的直連路線或 SpeakItAI 的自架 Azure 額度玩法都把選擇權還給你；要處理長篇小說轉有聲書，EasyVoice 的場景評測可以對照著讀。AI Speaker 的位置在「最快拿到 MP3」那一端：免登入免設定，介面又是章節式的，代價是把文字交給中繼伺服器。