微軟表示，在一項有 4,000 人參與的盲聽測試中，50.3% 的聽眾認為其新一代 AI 聲音與真人錄音一樣自然，甚至更像真人。換句話說，一半人已分不出誰是機器、誰是人。
這項結果隨 2026 年 10 月 1 日推出的 MAI-Voice-2.1 一同公布。背後的技術有一個簡單的名字：文字轉語音（Text-to-Speech，簡稱 TTS）。本文會解釋它是什麼、如何運作、成本多少，以及香港中小企可以怎樣善用。
什麼是 AI 文字轉語音？
AI 文字轉語音是把文字變成語音的軟件。你輸入一段文字，選擇聲音和語言，系統便會在數秒內生成自然的錄音。新一代 AI 從數以千小時計的真人錄音中學習說話方式，懂得處理語氣、停頓和重音，而不是逐字生硬地朗讀。
這項技術其實早已存在，導航系統和車站廣播用了多年。真正改變的是質素：舊系統把預先錄好的聲音碎片拼湊起來，所以聽起來平板斷續；今天的 AI 則直接「畫」出整條聲波，就像 AI 繪圖逐點生成一幅圖畫。
AI 文字轉語音如何運作？
整個過程分三步：先理解文字和讀音，例如把「HK$1,200」讀成「一千二百港元」；再規劃節奏，決定哪裡停頓、哪個字加重、句子是否疑問；最後由神經網絡生成真正的聲波。三步完成後，一段像真人的錄音便誕生了。
速度亦大幅提升。微軟指其 MAI-Voice-2.1-Flash 生成 45 秒語音，端到端延遲約 150 毫秒，大約是眨一下眼的時間。正因為夠快，AI 才能在電話中即時與客人對答。
文字轉語音、語音轉文字和聲音複製有何分別？
文字轉語音是 AI 的「嘴巴」，把文字讀出來；語音轉文字是 AI 的「耳朵」，把說話變成文字，會議記錄工具便屬此類；聲音複製則是模仿某一個人聲音的文字轉語音，涉及額外的法律和保安風險。
--- 語音轉文字：微軟同日推出的 MAI-Transcribe-2-Streaming 支援 60 種語言，2026 年底前的推廣價為每小時音訊 0.54 美元。
--- 聲音複製：微軟表示新模型只需數秒樣本便能複製聲音，並設有同意機制防止濫用。想了解相關詐騙風險，可閱讀什麼是聲音複製一文。
AI 文字轉語音要花多少錢？
商業用的文字轉語音通常按每百萬字元收費。微軟 MAI-Voice-2.1 定價為每百萬字元 22 美元，Flash 版本為 15 美元。以英文計算，一百萬字元大約等於 18 小時的朗讀，因此大部分小店每月只需數美元。
--- 60 秒電話開場白：成本不足一美仙。
--- 每月十條兩分鐘產品短片：約 0.4 美元。
--- 每月講 50 小時的 AI 熱線：約 60 美元，尚未計算「聆聽」和「思考」部分的費用。
要留意，不少免費方案禁止商業用途，用於廣告或客戶熱線前必須先看清授權條款。
香港中小企可以怎樣應用？
常見用途包括電話開場白和等候錄音、社交媒體短片配音、店舖和診所的多語廣播、培訓教材的語音版本，以及作為 AI 電話助理的聲音。最大好處是改一句文字便能重新錄音，毋須預約錄音室或配音員。
貿易公司的電話選單：颱風或假期改變辦公時間，經理只需修改一行文字，一分鐘內便生成新的廣東話和英文錄音。
茶餐廳的宣傳短片：老闆寫好 30 秒新品介紹，同時生成廣東話、英文和普通話配音，一條短片照顧本地客、外籍客和內地旅客。
零售店的新人培訓：把開舖檢查清單變成五分鐘語音，新同事乘港鐵時便可收聽。
廣東話要特別測試。廣東話有六個主要聲調，讀錯一個調，意思可能完全不同。亞馬遜和微軟等主要雲端供應商均提供香港廣東話聲音，但質素參差，必須親耳試聽。
關於 AI 聲音有哪些常見誤解？
最常見的誤解有三個：以為 AI 聲音仍然很機械、以為網上任何聲音都可免費商用、以為聲音自然便代表內容正確。事實上，文字轉語音只負責朗讀，不會替你檢查價錢、日期或承諾是否準確。
一把充滿自信的聲音讀出錯誤價錢，比機械聲音更危險，因為客人會相信。另外，未經同意模仿名人或前員工的聲音，可能引起法律和聲譽問題。主動告訴來電者正在與自動系統對話，反而更能建立信任。
常見問題
AI 文字轉語音是否免費？
不少工具設有免費額度，但通常禁止商業用途。付費方案多按每百萬字元計算，例如微軟的 15 至 22 美元，大部分小店每月只需數美元。
AI 能否說廣東話？
可以。多家主要供應商提供香港廣東話聲音，但質素差異比英文大，使用前應請母語同事檢查聲調、人名和地址。
文字轉語音會取代員工嗎？
單靠它不會。它只會朗讀，必須配合語音辨識和負責判斷的 AI，才能處理客戶查詢，而且最適合重複性問題。
老闆應該記住什麼？
AI 聲音已由機械感走到以假亂真，成本亦由錄音室收費降至每月數美元。最聰明的第一步，是選一項低風險用途，例如電話開場白，用廣東話仔細測試，並由真人把關後才讓客人聽到。
聲音已是最容易的部分，更重要的是決定說什麼、何時說、對誰說。這正是我們的信念：懂AI，更懂你 UD相伴，AI不冷。
由 UD AI 團隊審閱。
想知道 AI 聲音、電話開場白甚至 AI 接待員適合用在公司哪個環節？歡迎免費做 AI 體檢，UD 團隊手把手教你，由挑選第一項低風險任務，到在客人聽到之前用廣東話仔細測試，全程陪你走每一步。
