現在像 OpenAI 的 Voice Engine 這麼好的技術、高檔的技術，像 ElevenLabs 等等目前還是商用，但是如果是有一些開發能力的話，你用開放源碼的模型，也可以做到 7、8 成，它可能需要訓練的時間要比較久，可能並不是 15 秒，而是需要 150 秒，但是如果是公眾人物的話，要取得我 1,500 秒講話的錄音也是非常容易的事，目前大概是差在需要多少訓練的時間，以及合成多語言口氣上精確的程度，但是要合成到可能 8、9 成都不困難，大概都可以免費取得。
現在像 OpenAI 的 Voice Engine 這麼好的技術、高檔的技術，像 ElevenLabs 等等目前還是商用，但是如果是有一些開發能力的話，你用開放源碼的模型，也可以做到 7、8 成，它可能需要訓練的時間要比較久，可能並不是 15 秒，而是需要 150 秒，但是如果是公眾人物的話，要取得我 1,500 秒講話的錄音也是非常容易的事，目前大概是差在需要多少訓練的時間，以及合成多語言口氣上精確的程度，但是要合成到可能 8、9 成都不困難，大概都可以免費取得。