先看一个数字：微软称，在 4,000 名听众参与的盲听测试中，50.3% 的人认为其新一代 AI 声音与真人录音一样自然，甚至更像真人。一半的人，已经听不出哪个是机器。
这项结果随 2026 年 10 月 1 日发布的 MAI-Voice-2.1 一起公布。它背后的技术叫作文字转语音（Text-to-Speech，简称 TTS）。读完本文，你会知道它是什么、怎样运作、要花多少钱，以及中小企业可以从哪里开始用。
什么是 AI 文字转语音？
AI 文字转语音是把文字变成语音的软件。输入一段文字，选好声音和语言，系统几秒钟就能生成自然的录音。新一代 AI 从数千小时的真人录音中学习说话方式，会处理语气、停顿和重音，不再一个字一个字地硬读。
这项技术并不新，导航软件和地铁报站早已在用。变化在于质量：旧系统把预先录好的声音片段拼接起来，听起来生硬断续；如今的 AI 直接生成整段声波，就像 AI 画图一样从无到有地“画”出声音。
AI 文字转语音是怎样工作的？
整个过程分三步：第一步理解文字和读音，例如把“HK$1,200”读成“一千二百港元”；第二步规划节奏，决定哪里停顿、哪个词重读、句子是不是疑问；第三步由神经网络生成真正的声波。三步完成，一段像真人的录音就出来了。
速度也大幅提升。微软称 MAI-Voice-2.1-Flash 生成 45 秒语音的端到端延迟约为 150 毫秒，差不多是眨一下眼的时间。正是这种速度，让 AI 能在电话里与客户实时对话。
文字转语音、语音转文字和声音克隆有什么区别？
文字转语音是 AI 的“嘴”，把文字念出来；语音转文字是 AI 的“耳朵”，把说话变成文字，会议纪要工具就属于这一类；声音克隆则是模仿某个特定人物声音的文字转语音，会带来额外的法律和安全风险。
--- 语音转文字：微软同日发布的 MAI-Transcribe-2-Streaming 支持 60 种语言，2026 年底前推广价为每小时音频 0.54 美元。
--- 声音克隆：微软表示新模型只需几秒样本即可克隆声音，并内置授权同意机制。相关诈骗风险可参考什么是声音克隆一文。
AI 文字转语音要花多少钱？
商用文字转语音一般按每百万字符计费。微软 MAI-Voice-2.1 的价格为每百万字符 22 美元，Flash 版为 15 美元。按英文计算，一百万字符大约相当于 18 小时朗读，所以大多数小企业每月只需几美元。
--- 60 秒电话欢迎语：成本不到 1 美分。
--- 每月十条两分钟产品视频：约 0.4 美元。
--- 每月说话 50 小时的 AI 热线：约 60 美元，还未计算“听”和“想”两部分的费用。
需要注意，很多免费套餐禁止商业用途，用于广告或客服热线之前，务必先看清授权条款。
中小企业可以怎样应用？
常见用途包括电话欢迎语和等待提示音、短视频配音、门店和诊所的多语种广播、培训资料的音频版，以及充当 AI 电话助理的声音。最大的好处是改一句文字就能重新生成录音，不必再约录音棚或配音员。
贸易公司的电话菜单：台风或节假日调整办公时间，经理改一行文字，一分钟内就能生成新的粤语和英语提示。
餐厅的宣传短视频：老板写好 30 秒新品介绍，同时生成粤语、英语和普通话配音，一条视频照顾本地客、外籍客和内地游客。
门店的新人培训：把开店检查清单做成五分钟音频，新员工坐地铁时就能听。
粤语要特别测试。粤语有六个主要声调，读错一个调，意思可能完全不同。亚马逊、微软等主要云服务商都提供香港粤语声音，但质量参差，一定要亲耳试听。
关于 AI 声音有哪些常见误解？
最常见的误解有三个：以为 AI 声音还很机械，以为网上任何声音都能免费商用，以为声音自然就代表内容正确。实际上，文字转语音只负责朗读，不会帮你核对价格、日期或承诺是否准确。
一个自信的声音念出错误价格，比机械声音更危险，因为客户会信以为真。此外，未经同意模仿明星或前员工的声音，可能引发法律和声誉问题。主动告诉来电者正在与自动系统对话，反而更容易赢得信任。
常见问题
AI 文字转语音是免费的吗？
很多工具有免费额度，但通常禁止商业用途。付费方案多按每百万字符计费，例如微软的 15 至 22 美元，大多数小企业每月只需几美元。
AI 能说粤语吗？
能。多家主要服务商提供香港粤语声音，但质量差异比英语大，使用前应请母语同事检查声调、人名和地址。
文字转语音会取代员工吗？
单靠它不会。它只会朗读，必须配合语音识别和负责判断的 AI，才能处理客户咨询，而且最适合重复性问题。
老板应该记住什么？
AI 声音已经从机械感走到以假乱真，成本也从录音棚费用降到每月几美元。最明智的第一步，是挑一项低风险用途，比如电话欢迎语，用粤语认真测试，并由真人把关之后才让客户听到。
声音已经是最容易的部分，更重要的是决定说什么、什么时候说、对谁说。这正是我们的信念：懂AI，更懂你 UD相伴，AI不冷。
由 UD AI 团队审阅。
想知道 AI 声音、电话欢迎语乃至 AI 接待员适合用在公司哪个环节？欢迎免费做 AI 体检，UD 团队手把手教你，从挑选第一项低风险任务，到在客户听到之前用粤语认真测试，全程陪你走好每一步。
