TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

Hugging Face 的開源語音合成模型 Parler-TTS 用一段英文描述控制聲音風格:實測同一句話換描述,生成長度差 44%。880M 參數 mini 版在 Apple Silicon 上本地可跑,程式碼與權重採 Apache-2.0,但 main 分支停在 2024 年 12 月,且不支援中文。

AniTalker 是上海交大 X-LANCE 實驗室開源的說話頭像生成框架,一張照片配一段音檔就能生成嘴形同步、表情自然的動畫影片;Apache-2.0 可商用但訓練代碼不釋出,依賴釘在 2021 年舊棧,RTX 50 系列裝不起來,Apple Silicon 有社群文件可照做,中文配音則是它自己承認的弱項。

Zyphra 於 11 月 9 日開源 ZONOS3-Mini 語音模型,權重採 Apache 2.0、程式碼 MIT,約 1 億啟用參數就能在瀏覽器與手機本機複製聲音,支援華語在內 43 種語言,並提供逐字語氣控制與語音編輯模型。本文對照官方公告、模型卡與技術報告,拆解兩種延遲口徑、自建指數排名的範圍與授權角落。

LibreTTS 是免費線上文字轉語音工具,輸入中文就能用 958 種微軟語音直接生成語音檔,不用註冊。本文實測生成速度、拆解免費的來源與資料流向,並附一行 Docker 自架教學,讓你看清楚這份免費適不適合自己用。

AIGCPanel 把四個開源唇形同步模型與七個語音模型包成內建模型市場的桌面面板。本文拆解社區版與官網 PRO build 的差別、VIP 牆的位置、模型包硬體門檻,以及本地推理與行為遙測分開看的資料流向。

開源 Azure TTS 自架服務實測:本機編譯執行零金鑰 0.3 秒合成台灣腔 MP3,779 支微軟聲音 OpenAI 相容 API。但免費走的是借微軟翻譯 App 簽章換 token 的非官方通道,token 壽命不到一小時、兩度集體失效,商用前要看清。

Freya 於 9 月 21 日發表英文 AI 語音 Adam 與 Eve,Adam 在 Design Arena 盲聽真實感榜拿下所有 AI 模型第一、僅次真人錄音。本文核對公開榜單與評測方法,整理這張成績單能證明什麼、還缺哪些證據,以及申請方式與部署選項。

AI Speaker 標榜免費文字轉語音、可商用。實測免登入就能合成 MP3:聲音清單絕大多數來自微軟語音、經站方伺服器中繼,每次合成的文字還會存成伺服器紀錄;官網四套聲音數字對不上,台灣腔聲音掛著修復訊息。把資料流向看清楚再決定怎麼用它。

SpeakItAI 把 Azure 每月 50 萬字的免費語音額度換成可下載的 WAV 音檔,自架在本機只依賴三個套件。實際安裝操作一遍後發現:出廠語言選單只有 10 個、繁中聲音要三步才挖得出來,輸出資料夾與更新腳本各有一處文件沒寫的坑,而 Azure 免費帳號真正需要的是一張非預付卡。

VoiceCraft 是免費網頁版文字轉語音工具,不用註冊就能用 114 支微軟神經聲音產生 MP3,實測停頓指令誤差只有 0.016 秒。台灣口音不在選單裡,要用 SSML 模式貼 zh-TW 聲音名稱才叫得出來;語音轉文字的免費管道實測三次都失敗,本文攤開實測數據、解鎖教學與使用前該知道的限制。