SpeechGen

SpeechGen 是什麼

SpeechGen 是一個線上 AI 文字轉語音工具,號稱有超過 5,000 種聲音、涵蓋 150 種語言,輸出支援 MP3、WAV、FLAC 等格式。它走神經網路合成,主打自然的語調起伏,並提供不少進階控制:可以替不同段落指派不同講者做多角色對白,用 SSML 精準控制停頓與重音,也能用 cut 標籤批次處理、一章一個檔案,還能把 SRT/VTT 字幕轉成同步音訊。

它的收費跟多數同類工具不同,走按量付費(pay-as-you-go)而非訂閱,適合用量不固定的人。

功能特色與適用場景

SpeechGen 提供內建背景音樂庫、Smart Cache(重生成相同文字不再扣費),所有方案都含商用授權,可用於 YouTube、廣告與應用程式。未註冊就有 1,000 字免費額度,購買的點數一年後到期。官方稱使用者超過 50 萬、生成檔案超過 7 億。適合需要多語旁白的影片創作者、做電子學習與在地化的團隊,以及需要客服語音或語音導覽的業務應用。如果你要的是即時對話語音,它不是主場;但要做「寫好稿、精細調整、批量產出」的旁白,它的 SSML 與多角色功能很到位。