使用 Google AI Studio 生成語音檔

TLDR

• 工具定位：Gemini 為個人助手，適合日常任務；Google AI Studio 為開發者工作站，提供專業參數與語音生成功能。
• 隱私建議：若處理敏感內容，請在 AI Studio 設定計費專案（Set up billing），以確保資料不被用於模型訓練。
• 計費模式：AI Studio 提供免費配額，超出後採隨用隨付制。
• 參數調整：Temperature 建議維持預設值 1，過低可能導致語音異常或機器音。
• 腳本優化：中英文間加入半形空格可提升發音準確度；段落間勿使用過多空行，以免模型誤判結束。
• 適用場景：適合 Podcast、有聲內容或演講練習；不適合需逐字精確朗讀的法律或技術文件。

---

工具定位與隱私差異

在選擇工具時，需區分 Gemini 與 Google AI Studio 的定位差異：

• Gemini：個人數位助手，介面直覺，整合 Google 生態系服務。
• AI Studio：開發者工作站，提供專業參數控制與 Generate speech 等進階功能。

隱私與計費注意事項：

• Gemini：預設會使用對話資料訓練模型，關閉「活動紀錄」雖可保護隱私，但會失去對話儲存功能。
• AI Studio：免費配額下資料會用於訓練。若要確保隱私，務必設定計費專案（Set up billing），此模式下輸入資料不會被用於訓練。

WARNING

若處理敏感內容或在意隱私，建議在 AI Studio 設定計費專案。

操作流程

若要將文字轉換為擬真的 AI 語音，請依循以下步驟：

1. 進入 Google AI Studio，點擊左側「Playground」並選擇「Audio」分類，選取「Gemini 2.5 Pro Preview TTS」。
2. 在 Text 輸入框貼上腳本。
3. 於設定欄位選擇 Voice（語音角色）。
4. 點擊「Run Ctrl + ↵」執行運算。
5. 試聽後，點擊右側三點圖示（⋮）下載 .wav 檔案。

WARNING

若短時間內大量生成，可能遇到 Failed to generate content: user has exceeded quota. Please try again later. 錯誤，代表額度用完，請稍後再試。

參數設定說明

Mode（模式選擇）

• Single-speaker audio：單人腳本。
• Multi-speaker audio：多人腳本（目前限制兩人）。

Model settings：Temperature

此參數控制語音生成的隨機性（範圍 0 ~ 2，預設 1）。

• 踩雷紀錄：實測發現將 Temperature 調低（低於 0.6 ~ 0.7）時，容易發生「前段正常，後段突然靜音或產生無意義噪音」的狀況，且語氣容易出現機器音。
• 建議做法：除非有耐心反覆測試極限值，否則建議維持預設值 1。

Text（腳本內容優化）

• 中英夾雜：在中文與英文單字間加入半形空格，能協助 AI 更精準切換語系。
• 段落停頓：段落間空行代表停頓，但請勿連續超過兩行，否則可能導致語音提前結束。
• 時長限制：單次生成上限約 11 分鐘。若內容長度接近上限，建議重新執行，因每次語速略有不同。

TIP

由於訓練資料中大陸用語佔比較高，系統可能自動將台灣用語替換（例如「堆疊」變「堆棧」）。目前無完美解法，建議接受此限制。

腳本範例

以下為製作語音內容時的設定參考：

Style instructions

請用生動、熱情且自然的對話語氣。中文語調請保持柔和、親切，英文請用標準美式口音。

Text

歡迎收聽軟體工程師英語的第一集。今天我們的主題是 Git 版本控制。

版本控制
Version Control
例句：Git is the most popular distributed version control system.
Git 是最受歡迎的分散式版本控制系統。

總結

Google AI Studio 的 Generate speech 具備「理解並演繹」腳本的能力，而非單純逐字朗讀。

• 適合情境：製作 Podcast、有聲書、報告練習或劇本試讀。
• 不適合情境：法律文件、技術規格書等需要完全忠於原文的逐字朗讀內容，建議改用傳統 TTS 工具。

異動歷程

1. 2025-12-25

   • 初版文件建立。