Resemble AI

這是什麼、解決什麼問題

如果你三年前聽過 Resemble AI，印象大概是「那個做語音克隆的公司」——上傳一段人聲、訓練一個合成嗓音、拿去做廣告配音或遊戲角色。那個 Resemble 還在，但它已經不是這家公司現在對外的主敘事了。

我這次打開 resemble.ai 的定價頁，網頁標題直接寫著「Deepfake Detection & AI Security Pricing」。整張定價表列的是深偽偵測（Detect）、會議即時監控（Meetings）、身分比對（Identity）、浮水印（Watermarker）的每秒費率。語音克隆呢？被歸到網站底部的「Voice AI Research」區塊，產品頁的 CTA 是一顆「Contact us」，沒有公開報價。

說穿了，Resemble 從「生成語音」轉身成「生成式 AI 安全」。這個轉向有錢在背後推：2025 年 12 月 8 日，公司宣布完成 1,300 萬美元策略性投資，投資方名單包括 Sony Innovation Fund、Okta Ventures、Google 的 AI Futures Fund、KDDI Open Innovation Fund、Comcast Ventures、Craft Ventures——名單裡還有台灣的台杉投資（Taiwania Capital）。累計募資約 2,500 萬美元。看投資人組成就知道，這輪買的是「企業防詐」這條線，不是配音市場。

所以現在的 Resemble 其實是三件事綁在一起賣：生成（Chatterbox 系列語音模型）、驗證（PerTh 浮水印、身分登錄）、偵測（Detect 模型）。它的說法是，既然我最懂怎麼做出以假亂真的聲音，我就最懂怎麼抓出來。這個邏輯我覺得站得住，但也有它的尷尬，後面會講。

實際用起來

語音克隆這邊。 現在有三條路：Rapid Clone 只要 10 秒音檔，官方說一分鐘內可用；Professional Clone 要 10 到 25 分鐘以上的錄音，訓練約 40 分鐘；再來是 Voice Design，你用一段文字描述（例如「四十歲男性、低沉、帶點沙啞、語速偏慢」），系統回三個候選嗓音讓你挑。第三條路對遊戲跟有聲書團隊特別實用——不用找 40 個配音員試音。

底層是 Chatterbox，這是 Resemble 自己開源的 MIT 授權模型，官方數據是 Hugging Face 下載超過 1,000 萬次、GitHub 超過 24,000 顆星。他們引用一份第三方盲測，說 65.3% 的評測者偏好 Chatterbox 勝過 ElevenLabs。這種自家引用的盲測我會打折看，但 Chatterbox 在開源 TTS 圈的口碑確實不錯，而且它是少數內建浮水印的開源 TTS。

多語言支援 23 種，另外針對六個語言另出「單語言包」做強化，其中就有中文（普通話），主打聲調準確度與地區發音控制。

偵測這邊。 Resemble Detect 現在最新是 DETECT-3B Omni，官方宣稱在 38 種以上語言達到 98% 偵測準確率，音訊、影片、靜態圖都能掃。實際體驗有幾個入口：一個免費的 Chrome 擴充套件，看到可疑影片直接右鍵掃；一個 API；還有 Resemble Meetings——把偵測機器人拉進你的 Google Meet 或 Teams 會議，即時監控線上有沒有人用換臉換聲冒充。這個場景很具體：財務部門接到「執行長」的視訊指示要匯款，機器人在旁邊盯著。

有個細節蠻有意思：因為 Chatterbox 是他們自己做的，官方直說 Detect 對 Chatterbox 生成的音訊是 100% 辨識率。反過來讀就是——對別家模型的新版本，數字不會這麼漂亮。

定價與方案

以下為 2026/07/27 查證官網定價頁（resemble.ai/pricing）的結果，價格與方案內容以官方頁面為準。

• Flex：月費 $0 美元，1 個團隊席次，不需信用卡即可開始。採預付點數、用多少扣多少，官方 FAQ 明確說 Flex 點數永不過期。
• Team：月付 $350 美元；年繳折合 $280 美元／月（官方標示一年省 $840）。含 5 席，部分服務費率降低，開放大檔上傳與批次上傳。
• Business：月付 $1,000 美元；年繳折合 $800 美元／月（一年省 $2,400）。含 20 席，加上 SSO、全公司行事曆整合、會議安全通知。
• Enterprise：客製報價，含量價折扣、SLA、客製模型訓練、地端部署、專屬支援。

用量費率（每秒計）：

• Detect 音訊偵測：Flex $0.035／秒；Team 與 Business $0.015／秒
• Detect 圖像偵測：Flex $0.035／秒；Team 與 Business $0.015／秒
• Detect 影片偵測：Flex $0.07／秒；Team 與 Business $0.03／秒
• Resemble Intelligence：Flex $0.025／秒；Team 與 Business $0.015／秒
• Identity 身分查詢：$0.0005／次（所有方案同價）
• Watermarker 編碼 $0.0005／次、解碼 $0.0002／次

換算給你有感一點：Flex 掃一段 10 分鐘的影片，$0.07 × 600 秒 = 42 美元。掃一小時通話錄音，$0.035 × 3600 = 126 美元。這不是隨手玩玩的價格。升上 Team 之後影片降到 $0.03／秒，10 分鐘變 18 美元，但你每個月先付了 280 到 350 美元底薪。

要特別提醒：這張定價表完全沒有列 TTS 與語音克隆的費率。語音產品頁只給「Contact us」。如果你是衝著配音來的，得先跟業務談，這件事在 2026 年的 Resemble 已經不是自助服務。

優點

• 偵測與生成同源，這是真的護城河。 做過最強生成模型的團隊來做偵測，對合成痕跡的理解確實比純資安公司深一層。PerTh 浮水印加 Detect 的組合，能做到「我發出去的音檔，日後我驗得回來」。
• Chatterbox 開源且 MIT 授權。 這點很少見。你可以 pip install 自己跑，或用 Docker／Kubernetes 地端部署，敏感語音資料完全不出公司網段。對金融、醫療、公部門這是硬需求。
• 同意機制寫得比多數同業清楚。 官方倫理頁明訂克隆需本人明確同意，克隆流程要求對方朗讀一組隨機句子（用於後續濫用追查），並禁止未授權冒充、詐騙、大量未經同意的外撥。也明說使用者保有語音資料所有權，不會拿去訓練或轉售給第三方。
• Flex 點數不過期。 對用量不穩定的專案型團隊很友善，不會像訂閱制那樣每個月歸零。
• 合規面備齊。 SOC 2 Type II、GDPR、可地端部署，官網也點名歐盟 AI 法案 2026 年 8 月的義務時點。
• 免費 Chrome 擴充套件真的可以用。 不花錢就能掃圖片、影片、音訊，當作認識這類工具的入口很划算。

缺點與限制

• 定位撕裂，配音用戶會迷路。 整個官網現在講的是防詐、KYC、高階主管冒充、爭議理賠驗證。你要找「怎麼做一支廣告旁白」，導覽列上幾乎沒有位置給你。
• 語音克隆定價不透明。 沒有公開費率、沒有自助方案，等於把中小型內容團隊排除在外。過去的 Creator／Professional 訂閱制已經不在公開頁面上。
• 偵測單價偏高。 前面算過，Flex 掃一小時音訊 126 美元。如果你想拿它做「全公司客服錄音每日全掃」，成本會失控，實務上只能做抽樣或高風險事件觸發式掃描。
• 準確率數字是廠商自評。 98%、38 種語言、盲測 65.3% 這些都出自官方。深偽偵測的真實難點在於對抗性樣本、電話壓縮音質、重新編碼後的影片——這些情境下的表現，任何廠商的行銷數字都不能照單全收。上線前務必拿你自己的真實資料做 POC。
• 誤判成本沒人幫你扛。 偵測結果是機率不是判決。如果你把它接進理賠或身分驗證流程，要先想清楚偽陽性（真人被判成 AI）怎麼申訴、怎麼人工複核。
• 中文語音偏向普通話。 單語言包標的是 Chinese (Mandarin)，示範音檔也是中國腔行文。台灣國語的語調、台語、客語都不在支援清單裡。

適合誰、不適合誰

適合： 需要防範深偽詐騙的金融、電信、保險、電商平台資安與風控團隊；有 KYC 或身分驗證流程要補強的公司；做語音 Agent 且必須替輸出加上可驗證浮水印的產品團隊；以及想在自家機房跑開源 TTS、資料不能外流的受監管產業。

不適合： 只想做 YouTube 旁白、Podcast 配音、短影音口播的個人創作者——沒有自助方案，價格結構也不是為你設計的。想找便宜大量 TTS 的開發者，直接抓 Chatterbox 開源版自己跑更划算，不必碰商用平台。預算低於每月 300 美元又想做偵測的團隊，Flex 的每秒費率會讓你很快就撞到牆。

替代方案

• Reality Defender：純深偽偵測起家，不做生成，多模態掃描，企業銷售導向。若你不需要「生成＋偵測」綁一起，它的定位更單純。
• Pindrop：電話語音詐欺偵測的老牌，強項在呼叫中心即時聲紋分析與號碼風險評分，金融業客戶多。
• ElevenLabs：如果你要的其實只是語音克隆與配音，它的自助方案、中文品質與生態系都成熟得多，而且也有自己的 AI 語音偵測工具。
• Cartesia：低延遲即時語音合成，做語音 Agent 的開發者常拿來當 TTS 引擎，價格對開發者友善。
• Respeecher：影視與遊戲產業的語音轉換（speech-to-speech）專門戶，好萊塢案例多，對演員授權流程處理得細。

台灣觀點

中文支援。 Chatterbox Multilingual 支援 23 種語言，中文（普通話）有專屬強化模型，主打聲調準確度。實測層面要有心理準備：官方示範是中國腔的行文與語調，台灣國語的用詞習慣、語尾助詞、輕聲處理都要靠你自己餵訓練音檔調整。台語、客語完全沒有支援。介面則是全英文，沒有繁中版。

付款。 全站以美元計價，刷國際信用卡。Flex 是預付點數制，對台灣團隊反而友善——不用綁月費，點數又不過期，可以先丟 50 美元試水溫。Team 以上的月費對中小企業偏重，要簽之前先把預估掃描量算清楚。

在地使用情境。 台灣這兩年的 AI 換臉、AI 換聲詐騙案量明顯上升，從冒充名人的投資廣告到冒充親友的語音求救都有。銀行、券商、保險公司的客服中心與理賠單位是最直接的應用場景；電商平台防範假賣家影片、媒體查證單位驗影片真偽也用得上。Resemble Meetings 那個「拉偵測機器人進會議」的功能，對有跨國視訊決策流程的公司蠻有意思——尤其是財務授權那一段。

法規注意事項。 這段請務必看：在台灣，未經同意複製他人聲音去製作內容，可能同時踩到《個人資料保護法》（聲紋屬個人資料）、《民法》人格權，以及 2023 年修正的《刑法》妨害性隱私及不實性影像罪章。若用於詐騙，更直接涉及《刑法》詐欺罪與《洗錢防制法》。企業端要注意：把 Detect 的偵測結果當作拒絕理賠、凍結帳戶、認定詐欺的唯一依據，在法律上風險很高——AI 判讀是輔助證據，不是鑑定結論，一定要保留人工複核與當事人申訴管道。另外，若你的資料涉及歐盟使用者，歐盟 AI 法案關於 AI 生成內容標示的義務時程已經逼近，跨境業務要提早盤點。

以上內容為工具評測，不構成法律意見；實際合規作法請諮詢專業律師。價格與功能請以官方頁面為準。