MixVoice 免費語音克隆實測，免註冊就能試 5 秒聲音樣本

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

MixVoice 免費語音克隆實測，免註冊就能試 5 秒聲音樣本

免費語音克隆在這兩年長出了一種固定的生意樣板：拿一個好記的網域，寫上 5 秒克隆你的聲音，讓你不註冊就先聽到一段示範，接著用字元數、相似度和商業授權把免費層慢慢收窄，導向每個月幾美元的訂閱。MixVoice（網址 aiclonevoicefree.com）是這個模式裡做得很完整的一個樣本，有意思的地方在於，它的條款與隱私政策寫得比多數同類網站坦白，坦白到你幾乎能從文件裡看見整個結構。我以訪客身分把它完整跑了一輪，從生成實測、免費邊界到條款細節都翻過一遍，這篇把值得你知道的東西攤開來講。

免註冊按下去就有聲音，這部分行銷沒有說謊

實測的起點很直接。打開首頁，輸入框打了 55 個英文字，選一個預設聲音，按 Generate preview，幾秒後畫面上出現播放器，一段 3.4 秒的語音就生成了，檔案規格是 24kHz 單聲道 WAV。全程沒有註冊、沒有信箱、沒有信用卡，這點與首頁掛的 Free to try、No signup、Instant preview 三行字完全一致。以台灣的網路環境直連就能操作，沒有地域封鎖的跡象。

Pin

介面的分工清楚。左側是文字輸入框，右下角掛著字數計數器；右側有三個分頁：Presets 預設聲音、Clone 聲音克隆、Design 聲音設計。生成引擎給了三張卡可選：Sonara Pro 標著 RECOMMENDED 與 Fastest English，另外兩張是主打情緒調整的 Emotive 與標榜穩定的 TrueVoice。Clone 分頁裡的上傳區給了三個入口：上傳音檔、直接錄音，以及 From video，後者明寫支援從 TikTok 與 YouTube 影片取聲音。

不過訪客身分的兌現範圍，實際上只有預設聲音這一半。我照著流程把一段 9.6 秒的乾淨語音樣本上傳到 Clone 分頁，樣本回放正常，再填入 62 個英文字按下生成，結果等了超過 75 秒，生成毫無動靜，畫面連進度提示都沒有；對照預設聲音一按就出聲，克隆這條路在未登入狀態下這次測試沒有跑通。站方在頁尾寫的是「首次預覽免註冊」，克隆的完整流程要不要登入帳號，文件沒有明說，這一點留給要認真用它的人自己驗證，音色像不像本尊也一樣，規格數字回答不了聽感問題，值得自己花五分鐘試。

它的聲音庫全數 212 個聲音，中文聲音 135 個、英文 54 個、西語與葡語各 10 個，再加 3 個以 Chinese 標示的角色聲音。中文相關聲音合計超過六成，從影視解說、直播購物到有聲書旁白都有，看得出這個站的主要客群在哪裡。

跨語言克隆是它在 FAQ 裡著墨最多的能力：上傳母語樣本，生成的語音可以換成英、中、日、韓等語言，音色照舊。首頁也擺了一整排原聲與克隆音的對照示範，從影片旁白、播客主持到廣告配音各有專屬人物卡，每張卡都能分別點開原聲與克隆版比對。這面對照牆的檔案命名藏著一個細節：英文示範的克隆音檔名全帶著 sonara 字樣，與引擎卡上的 Sonara Pro 同源，我自己生成的輸出檔名也以 sonara 開頭。對外品牌叫 MixVoice，對內引擎叫 Sonara，頁尾的友站連結又掛著另一個同型態的 AnyVoice，口號是 3 秒克隆任何聲音。幾個名字之間的關係站方沒有交代，合理的推測是同一套後端掛著不同的門面，這在模型聚合的生意裡是常見做法，讀者只需要知道：你面對的站名，未必是服務背後唯一的名字。

免費層的三道閘：字元數、相似度、商業授權

免費方案卡上把限制列得明白：每次排隊生成上限 200 字元、相似度 70.5%、不含技術支援。付費方案卡上對應的數字是每次輸入 10,000 字元、相似度 99.5%、處理速度加快五倍。兩張卡擺在一起看，免費與付費的差距是寫進規格的設計，不是隨機的體感差異。

Pin

有趣的是卡片文字與實際行為對不上的地方。免費卡寫每次輸入支援 30 字元，但我輸入 55 與 62 個英文字都成功生成；頁面 FAQ 給的版本又是另一個數字，訪客每次請求上限 200 字元。實測邊界的結果站在 FAQ 這邊：輸入超過 200 字元後，Generate preview 按鈕會直接換成 Preview the beginning，也就是只能試聽開頭，長文稿的完整生成要登入付費。30 字元那行字要嘛是過時的文案，要嘛是刻意把免費層寫得更窄，兩種解釋都說得通，但它就是與自家行為不一致。

另一道閘是授權。服務條款寫明：免費使用者的產出僅限個人非商業用途，商業使用權屬於付費方案。這一條對想拿來接案配音、做廣告旁白營利的人是硬邊界，免費試聽可以，交付客戶之前得先付月費。價格結構上，英文頁的入門方案是每月 4.95 美元換 100 萬字元；中文頁換成人民幣計價，專業版年繳平均每月 9.75 元人民幣，每年 117 元。同一個站兩種幣別兩套方案名，比較價格時要留意自己看的是哪一頁。

你的聲音樣本會去哪裡

這是最值得停下來看的一段。隱私政策寫得相當具體：你上傳或錄製的聲音檔會存在站方伺服器上；為了完成生成，內容會傳送給底層的 AI 模型供應商處理。語音相關的底層供應商列了三家：IndexTTS、OpenBMB 的 VoxCPM，以及基於 Qwen 的多語語音模型。換句話說，你的聲音樣本離開瀏覽器之後，邊界就不只 MixVoice 一家，後面還有一排它點名的模型服務。政策寫免費方案的聲音模型保存 7 天，付費方案延長，到期後的去向沒有細說，帳號設定裡可以自己提前刪除。

頁面 FAQ 對隱私的說法是「不會與第三方共享你的資料」，這句話與隱私政策的「傳送給底層供應商處理」嚴格說來並不衝突，共享與處理傳輸是兩件事，但一般讀者讀 FAQ 得到的印象，肯定比讀隱私政策得到的樂觀。要判斷該信哪一句，得把兩份文件一起讀。

還有一個繞不開的事實：營運主體是匿名的。關於頁只說 MixVoice 是這個服務的公開品牌，沒有公司名稱、沒有地址；服務條款的管轄法律寫的是「本公司所在地的法律」，但全文沒說那個地方是哪裡；聯絡管道是一個信箱加一個 Discord。這不代表它必然有問題，新服務這樣起步的很多，但它改變了風險的性質：你的聲音是換不掉的生物特徵，密碼外洩可以改，聲音樣本交出去就是交出去了，而一旦出事，你面對的是一個查不到公司主體的網站。5 秒鐘的樣本就足夠克隆，這是它的技術承諾，同時也是它的隱私成本。

小地方倒是講究。站內流量分析用的是標榜不碰個人資料的開源統計工具 Plausible，註冊走 Google 一鍵登入，金流接的是專做數位產品的訂閱服務商。這些選擇與它文件的姿態一致，看得出營運方清楚語音服務的敏感點在哪裡；只是工具選得好，不等於問責主體就存在了。

行銷數字與自家資料對不上的地方

首頁最大的宣稱是支援 646 種語言克隆。這個數字我在站內找不到任何支撐清單，而它自己的聲音庫實際涵蓋四種語言，就是前面數過的中英西葡。跨語言功能在 FAQ 的描述是上傳母語樣本後可以生成英、中、日、韓語音，這與 646 之間的差距，站方沒有解釋。對需要小語種輸出的使用者，這個宣稱的參考價值要打折扣，實際能做什麼以聲音庫與試聽為準。

社群熱度的數字也有蹊蹺。預設聲音牆上英文聲音整排掛著 260K 的使用次數徽章，聲音庫資料裡使用次數最高的幾個聲音，數值全部擠在 239,600 到 240,500 出頭這個狹窄區間，不同的聲音、極為接近的數字、整齊的遞減。有機累積的使用量長不出這種分布，合理的解釋是這些展示值是預設寫進去的，不是真實人氣。看這類網站時，牆上的使用次數不該當成可靠性證據。

這個站的年紀也值得一提。網址在網際網路檔案館裡查不到任何歷史快照，頁尾版權年份是 2026，聲音庫裡標了日期的聲音最早發布於 2026 年 6 月底，條款更新日期是 7 月底，關於頁 9 月中又更新過。整套服務看起來上線不到幾個月，功能攤得很大，語音之外還掛了影片、圖像、音樂生成，模型清單裡出現的都是市面上叫得出名字的服務。它本質上是一個模型聚合站，自己不做模型，把 IndexTTS、Qwen 系語音這類現成模型的輸出包裝成統一介面與積分方案。

它同時對外銷售 API。開發者文件寫得相當完整：一把金鑰統一呼叫語音、圖像與影片生成，採非同步任務模型，語音克隆端點收一段參考音檔加文字就回傳任務編號，計費按字元與秒數，生成失敗自動退還積分。對想把語音能力接進自己產品的團隊，這份文件的完整度是加分項，不像隨手拼湊的站；但同一份文件也把它的本質再說了一遍：MixVoice 是轉售層，你的內容進到哪家底層模型、那家怎麼處理資料，最終要看每家供應商自己的政策。

條款寫得齊全，自家示範卻先踩線

它的服務條款其實寫得比多數同類站完整。可接受使用政策明文禁止未經授權克隆他人聲音、禁止冒充詐欺，對未成年內容零容忍並承諾通報，還寫了自動篩選加人工審核的內容審核機制，退款規則也具體：購買後 7 天內且消耗不超過一成可全額退，而首頁方案卡上另寫 24 小時不滿意全額退款，兩種規則並存。對一個匿名營運的新站來說，這份文件的誠意超出平均。

但文件齊全與執行一致是兩回事，站方自己的示範就先給了反例。它的 API 文件裡，語音克隆的快速入門範例用的參考音檔，檔名是 trump.wav，直接以美國總統川普的姓氏命名拿來當克隆示範；社群聲音廣場裡，也找得到以知名美食紀錄片節目名稱命名的聲音。條款把取得授權的責任放在使用者身上，這在法律上說得通，但一邊在條款裡禁止、一邊在文件與廣場裡示範，傳達出來的訊息是矛盾的。克隆別人的聲音之前該不該、會不會出事，責任最後都落回使用者，這條線每個用的人要自己畫。

拿來試聲音可以，交出樣本前想清楚

整理成一個判斷：MixVoice 適合的情境是，你想快速聽聽自己的聲音被克隆是什麼感覺、想做幾段短文案的非商業試聽、或想比較不同生成引擎的差異，它是零成本就能開始的選項。反過來，商業交付需要付費授權、聲音樣本會流經多家供應商、營運主體查不到公司資訊、免費模型 7 天就刪，這幾件事疊起來，它不適合當長期的工作底座，對隱私特別敏感的人更該止步於預設聲音。介面語言也只有簡體中文與英文等四種，沒有繁體選項，中文頁還是人民幣計價，台灣使用者閱讀與比價都要自己轉換。

想留在自己機器上的替代路線是存在的。本地跑的開源語音方案把聲音樣本的邊界縮回你自己的電腦，例如之前介紹過的 easyvoice 免費 TTS 工具 與 SAM-TTS 語音合成，走的都是不必上傳樣本的路；Edge 引擎的 Text2Voice 則適合只要預設聲音、不在乎克隆的場景。語音克隆這個主題的完整介紹，可以再回頭看 AI 語音克隆工具整理。雲端聚合站的方便與本地工具的邊界，中間沒有誰對誰錯，只有你願意讓聲音走多遠。

免費試用這件事 MixVoice 沒有說謊，它的坦白甚至值得肯定；真正的決定在你按下錄音之前：那 5 秒鐘的聲音，是你這輩子換不掉的東西。