使用 VC Client 這款 AI 語音即時轉換工具。
文字稿：ChatGPT / 模型訓練集聲源：東北イタコCV：木戸衣吹

★ 相關文章／Related Articles：VC Client：用 RVC 人聲模型做即時 AI 語音轉換 - https://mnya.tw/cc/word/1986.html

✎ 製作／Maker：萌芽系列網站 ‧ Mnya Series Website
✎ 萌芽網頁-萌芽系列網站入口網 ‧ Mnya Series Website Home：https://mnya.tw/…

Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），提供完全基於 Web 的 GUI 介面，可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音，是 AI 語音領域近期相當火熱的軟體（雖然在台灣還沒什麼人知道），下載及安裝使用方式還請先看我的上篇文章。這次要來嘗試的是 RVC 提供之「ckpt 處理」中「模型融合」的功能，

Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），該工具可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音。進階使用還可以將 .pth 模型檔依照比例融合，創造完全獨一無二的聲音！此次示範人聲模型融合效果 。
文字稿：ChatGPT
模型訓練集聲源：ずんだもんCV：伊藤ゆいな & 東北イタコCV：木戸衣吹
插圖來源：https://zunko.jp/con_illust.html

▲ 時間軸空降：
00:00:00 片頭
00:00:02…

AkumaAI 是一個基於 Web 的服務，目前測試版只要用 Google 帳號登入就可以免費使用與體驗，每天可以免費生成兩位角色，也可以使用網站預設的角色直接互動，語音主要來自 VOICEVOX（僅支援日文發音，但文字對話可以多國語言），語言模型採用 ChatGPT API（gpt-3.5-turbo），AI 產生的角色在互動過程中會有搖擺、眨眼等動畫效果，說話時嘴巴也會跟著動，非常真實，

AkumaAI 是一個基於 Web 的服務，目前測試版只要用 Google 帳號登入就可以免費使用與體驗，每天可以免費生成兩位角色，也可以使用網站預設的角色直接互動。更多資訊請一定要點入相關文章查看！

★ 相關文章／Related Articles：AkumaAI：與 AI 建立的二次元虛擬角色互動、體驗人物動畫與生動語音 - https://mnya.tw/cc/word/2014.html

✎ 製作／Maker：萌芽系列網站 ‧ Mnya Series Website
✎ 音樂／Music：Relaxdaily…

此次的目標是 VTuber「兔田佩克拉」（兎田ぺこら，Usada Pekora），是一位日本虛擬 YouTuber，為 hololive 的三期生成員，於 2019 年 7 月 7 日出道。其外型近似兔女郎，設定為喜愛胡蘿蔔的容易感到寂寞的兔耳美少女，以遊戲直播為主要活動。兔田佩克拉的語尾助詞「ぺこ」一度影響台灣社群，導致有人會在留言後面加上日文的羅馬拼音「PEKO」。總共產生 200 張，

此次的目標是「初音未來」（初音ミク，Hatsune Miku），她是由克理普敦未來媒體（Crypton Future Media）開發販售的虛擬女性歌手，她是 VOCALOID 2 語音合成引擎的產物。她是角色主唱系列的第一作，也是 VSTi 規格的電子樂器。初音未來於 2007 年 8 月 31 日首次發售。初音未來在推出後迅速受到歡迎，激發了大量使用者製作的翻唱歌曲和原創曲等作品。

此次的目標是在「MyGO!!!!!」登場的「要樂奈」（要 楽奈，Kaname Rāna），花咲川女子學園初中三年級的吉他手，由青木陽菜配音。她話語不多，講話時每句話都很短，用詞簡單，性格和行為像貓。因為對燈等人的樂隊感到興趣而加入。在《MyGo!!!!!》動畫中揭示，她是 LiveHouse「SPACE」主人都築詩船的外孫女。要樂奈是 BanG Dream! 企劃中第一位異色瞳角色，

■ 軟體檔案 ■ 軟體名稱 Whisper Desktop 軟體類別 工具 軟體性質 開源軟體 官方網站 https://github.com/Const-me/Whisper/releases 軟體下載 請到官方網站下載！ 支援系統 Windows 支援語言 英文 Whisper Desktop 是一款強大的語音辨識工具，能夠將 .mp3 等格式的音訊檔案迅速轉換成 .

ElevenLabs 是目前 AI 語音與音效技術領域的佼佼者，專注於打造高品質、自然流暢的 AI 語音合成技術，無論是語音旁白、角色配音，甚至是即時 AI 朗讀，ElevenLabs 都能提供極具真實感的音訊內容。這款「視訊音效產生器」就是由他們提供的，使用方式相當直覺，無需複雜的音效設計或剪輯經驗，任何人都能快速上手。只需上傳參考影片，AI 就會根據畫面內容自動分析適合的音效，並生成完整的音軌。

OpenAI.fm 是一個專為開發者設計的互動式展示平台，讓使用者可以體驗 OpenAI API 中最新的文字轉語音模型。這個平台提供了一個直觀的環境，讓開發者能夠輕鬆試用並探索其功能，進一步應用於自己的專案中。 接下來要介紹的是 GPT-4o mini TTS，這是一款基於 GPT-4o mini 打造的文字轉語音模型。GPT-4o mini 本身是一個快速且強大的語言模型，

最新的多模態大型語言模型 GPT-4o 的強大重繪功能，現已向所有免費帳號開放。這項功能讓使用者能夠直接在 ChatGPT 的對話介面中生成高品質的圖像，並透過多輪對話進行微調，以滿足個人需求。這標誌著 AI 技術在圖像生成領域的重大進步，讓更多人能夠體驗到 AI 在創意設計方面的潛力。GPT-4o 的重繪功能支援文字、語音和圖片等多種輸入形式，使用者可以以自然語言描述所需的圖像，

在這個資訊爆炸的時代，人們每天接觸到大量的文件與資料，從研究報告、白皮書、新聞稿到會議記錄，知識的洪流從未停歇。然而，我們能投入的時間與專注力卻是有限的，如何有效整理並吸收這些資訊，成為現代知識工作者的一大挑戰。這正是 Google 最新推出的工具 NotebookLM 所欲解決的問題。這款以人工智慧為核心的筆記型語言模型（Language Model），結合了文件分析、自動摘要與語音輸出的功能，

近年來，人工智慧語音技術的進步令人驚嘆，從單純的文字轉語音（Text-to-Speech, TTS）到能模仿真人音色、帶有情感的朗讀，AI 語音已逐漸走進我們的日常生活。就在 2025 年 9 月，來自 IndexTTS 團隊的最新研究 IndexTTS-2 正式發布，這是一款結合「精準時長控制」與「高表達力情感...

Google 於 2025 年 10 月 8 日正式宣布，在台灣全面推出全新的 「Google AI 模式」搜尋功能。這項由 Gemini 人工智慧模型驅動的搜尋體驗，不再只是列出網頁連結，而是能夠主動彙整重點，給出結構化且可追溯來源的完整解答，代表搜尋方式邁向更智慧化的新時代。 AI 模式不僅支援文字查詢，也能透過語音或圖片進行搜尋，特別適合處理多步驟或複雜的問題。系統會自動進行「查詢展開」，

IndexTTS-2 是由 Bilibili IndexSpeech 團隊推出的新一代自回歸式（Auto-Regressive）零樣本文字轉語音（TTS）模型，主打「高情緒表現力」與「可控語音時長」兩大核心突破。相較於過去多數 TTS 模型只能自然生成語音卻難以精準控制長度，IndexTTS-2 提出一套全新的時長適配…

近年來，隨著生成式 AI 與擴散模型的快速演進，影音內容的自動化生成已不再侷限於靜態圖片或簡單動畫，而是逐步邁向「可控、可對齊、可延展」的動態影片層級。特別是在語音驅動角色動畫（Audio-driven Avatar）領域中，如何在嘴型同步、表情情緒、角色一致性之間取得平衡，一直是技術上的核心難題。對於硬體資源有限的使…

隨著生成式 AI 技術的飛速發展，影片生成領域正迎來一場革命。由 Lightricks 團隊開發的 LTX-2 模型正式發布，並在首日即獲得 ComfyUI 的原生支援，這對於廣大 AI 創作愛好者來說無疑是一大福音。LTX-2 不僅能生成高品質的視覺畫面，最令人驚豔的是它具備同步生成語音、對話、背景噪音與音樂的能力，…

隨著人工智慧技術的飛速發展，AI 生成音樂已經不再是新鮮事，但過去高品質的生成往往受限於付費的雲端訂閱服務。最近，開源界迎來了震撼性的進展 —— HeartMuLa 系列模型正式發布。這是一個擁有強大參數量的音樂大模型家族，不僅支援中、英、日、韓、西等多國語言的人聲歌詞生成，更透過其專有的 HeartCodec 技術，…

隨著 2026 年生成式 AI 技術的演進，高品質的音樂創作已不再是雲端訂閱服務的專利。最近開源界迎來了劃時代的進展 —— ACE-Step 1.5 正式發布，這是一款由 ACE Studio 與 StepFun 共同打造的頂尖開源音樂基礎模型。ACE-Step 1.5 採用了創新的「混合語言模型 (LM) + 擴散變…