Anti gravity EP08：Agent代理 複製你的聲音_別再付費買 AI 語音了！一行指令免費複製你的聲音

以往高品質語音合成技術被商業化壟斷。OpenAI、Google 等大廠提供的 TTS 服務效果優秀但需付費，且必須透過 API 調用進行管理。免費工具如 Google Text-to-Speech 則音質單調、表現力弱，難以應用於專業內容製作。這形成了一個矛盾：要麼花錢用好工具，要麼免費用差工具。直到最近開源社群發佈的 VoxCPM2 打破了這個局面。

VoxCPM2 的核心競爭力在於完全開源免費，且支持終極克隆技術。使用者只需錄製 15-30 秒包含特定文字的音頻樣本，模型即可學習說話者的音調、節奏、口氣與個人特徵。隨後可以用該聲音合成任意長度的文本。更進階的功能是任意聲音生成——根據文字描述創造從未存在過的聲音。講者在直播中示範創造了名叫「小克」的虛擬黑貓角色，僅用「細膩溫柔帶喵喵叫」的描述，AI 就生成出一個獨特的聲音特徵。

硬體需求相對親民。理想配置是 Windows 配 NVIDIA 顯卡（如 RTX 4080），能大幅加速模型推理。但即使使用文書筆電的 CPU 模式，速度雖然下降但仍可接受。講者親自測試過確認可行。整個安裝流程透過 Agent 自動化完成——用戶只需將 GitHub 倉庫網址提交，Agent 會自動下載模型、安裝 PyTorch 依賴及 CUDA 支持、配置環境，過程完全免除手動干預。

集成方式打破了傳統工具的束縛。不同於市面 TTS 工具依賴 UI 按鈕操作，VoxCPM2 可直接透過 Agent 的自然語言控制。講者在 Agent IDE 的專案中用文字指令讓模型唱歌、用台語與閩南語發聲、生成多人對話場景。生成的語音自動保存在專案內，隨後可打包成全域技能供跨專案調用。只要說「用三師爸的聲音幫我配音」，系統即自動調用該技能進行 TTS。此外支持 Subagent 並行處理，可同時生成多個角色語音再組合成對話，大幅提升工作流效率。

Token 成本遠低於 API 調用方案。語音合成完全運行在本地硬體上，不消耗 Token，只有 Agent 協作分析環節才計費。講者檢查額度後發現多次演示測試消耗很少，充分體現了本地推理的經濟優勢。

應用場景極為廣泛。教師可用自己的聲音製作課前預習、課後參考影片，學生聽到熟悉的聲音會更專注。內容創作者可自動生成產品介紹、影片配音而無需支付訂閱費。本土語教學可突破發音資源限制，生成自然的台語或閩南語內容。進階應用是用多個虛擬角色進行對話式教學。講者現場示範了用數學教學 PPT 自動生成講解影片——把簡報交給 Agent，它讀懂內容、自動生成講解旁白，再用克隆的「三師爸」聲音配音，整個流程自動化完成，完全不需人工干預。