利用AI進行語音複製與語音生成培訓

語音合成與語音複製簡介

• 文字轉語音（TTS）與神經語音合成的概述
• 語音複製 vs. 語音生成：使用場景與界限
• 關鍵模型：Tacotron、WaveNet、FastSpeech、VITS

使用商業平台

• 使用ElevenLabs和Resemble AI
• 語音創建、複製與編輯
• API存取與文字轉語音工作流程

使用開放原始碼工具建構

• 安裝與設定Coqui TTS
• 訓練自定義語音並管理數據集
• 生成具有精細控制（音高、速度、情緒）的語音

數據準備與語音數據集管理

• 收集與清理語音樣本
• 分割、標註並對齊轉錄稿
• 道德來源與語音同意權

應用程式整合

• 將TTS嵌入網站與應用程式
• 建立IVR系統與互動式機器人流
• 為影片與遊戲生成合成對話

評估品質與真實感

• MOS（平均意見分數）與可懂度測試
• 控制表現力與語調（Prosody）
• 比較延遲、保真度與真實感

道德、法律與治理考量

• Deepfake風險與責任使用
• 同意權、歸屬權與版權影響
• 法規與組織政策

總結與後續步驟