Fish Audio 完整教學：10 秒克隆你的聲音（免費 AI 配音工具實測 2026）
你有沒有想過，只要 10 秒錄音，AI 就能用你的聲音說出任何語言？
市面上多數 AI 配音工具要嘛免費方案不支援聲音克隆，要嘛月費動輒 $20 起跳。但 Fish Audio 例外——免費就能克隆聲音，而且 2026 年 Plus 方案降到 $5.5/月，比一杯手搖飲還便宜。
這篇文章會帶你從零開始，完整實測 Fish Audio 的註冊、聲音克隆、文字轉語音全流程，附帶與 ElevenLabs 的定價比較和 SEO 關鍵字分析。如果你正在找免費或低成本的 AI 配音方案，看完這篇就能做出決定。
Fish Audio 是什麼？
Fish Audio 是一個 AI 語音合成平台，主打「最具表現力、可控情感」的即時語音模型。2025 年完成 $52M 種子輪融資，目前累計超過 800 萬創作者使用。
跟其他 TTS（文字轉語音）工具最大的差別是：
- 情緒控制業界第一：用
[whisper]、[laugh]、[emphasis]等標籤控制語氣，ElevenLabs 做不到這程度 - 聲音克隆門檻最低：只需 10-15 秒錄音就能完成，ElevenLabs 要 60 秒以上
- 免費方案就能克隆：免費帳號支援 3 個公開音色槽位，ElevenLabs 免費版完全不支援克隆
- 支援 83+ 種語言：包含中文、日文、英文、韓文等主要語言
最新模型 S2.1 Pro 是 2026 年的旗艦，品質在第三方盲測中勝過多數競品。
註冊與免費方案：不用信用卡就能開始
第一步：建立帳號
- 前往 fish.audio
- 點選右上角「免費試用 S2.1 Pro」
- 用 Google 帳號或 Email 註冊（不需要信用卡）
第二步：認識免費方案額度
| 項目 | 免費方案 |
|---|---|
| 每月積分 | 8,000（≈ 7 分鐘音訊） |
| 單次文字上限 | 500 字符 |
| 聲音克隆 | ✅ 3 個公開音色槽位 |
| 商業使用 | ❌ 僅限個人使用 |
| 生成速度 | 標準 |
重點： 免費方案就包含聲音克隆功能，這是 Fish Audio 最大的競爭優勢。ElevenLabs 免費版連克隆都不給你。
聲音克隆實測：10 秒錄音的魔術
準備錄音環境
克隆品質取決於錄音品質。不需要專業設備，但要注意：
- 安靜環境：避免背景噪音（冷氣聲、風扇聲）
- 穩定距離：嘴巴離麥克風 15-30 公分
- 自然語速：正常說話即可，不需要刻意放慢
克隆流程
- 進入控制台 → 左側選單「聲音克隆」
- 上傳錄音 → 支援 MP3、WAV、M4A 格式
- 填寫資訊 → 名稱、語言、描述（可選）
- 等待處理 → 通常 10-30 秒完成
- 試聽驗證 → 用克隆聲音生成一段文字試聽
克隆品質實測觀察
以官方示範聲音為基準，S2.1 Pro 的克隆在以下場景表現突出：
- 情感表達：用標籤控制情緒時，聲音的轉換比 ElevenLabs 自然
- 多語言一致性：同一個聲音切換中英日文時，音色保持一致
- 長文本穩定性：生成 300 字以上的段落時，不會出現音質下降
注意事項：
- 免費方案的克隆聲音是「公開」的，其他用戶也能使用你的克隆聲音
- 如需「私有音色」（不被他人使用），需升級 Plus 方案（$5.5/月）
- 錄音品質太差（有回音、風聲）會導致克隆失真
文字轉語音：情緒標籤實測
Fish Audio 最強的功能是情緒標籤系統。你可以用簡單的標籤控制 AI 說話的語氣：
情緒標籤語法
| 標籤 | 效果 |
|---|---|
[whisper] | 低語/耳語 |
[laugh] | 笑聲 |
[emphasis] | 強調語氣 |
[sigh] | 嘆氣 |
[happy] | 開心語氣 |
[sad] | 悲傷語氣 |
實測範例
假設輸入這段文字：
今天天氣真好[laugh]，適合出門走走[happy]。不過我還有一個案子要趕[emphasis]，只能下次了[sigh]。
S2.1 Pro 會在「真好」後面自然地笑一聲，在「案子要趕」加重語氣，最後用嘆氣收尾。這種細膩度是其他 TTS 工具難以做到的。
對比 ElevenLabs
| 功能 | Fish Audio S2.1 Pro | ElevenLabs v3 |
|---|---|---|
| 情緒標籤 | ⭐⭐⭐⭐⭐ 標籤式精確控制 | ⭐⭐⭐ 有限的情緒參數 |
| 多說話人對話 | ✅ S2-Pro 支援 | ✅ |
| 聲音克隆樣本 | 10-15 秒 | 60+ 秒（Instant） |
| 語言數量 | 83+ | 70+ |
| 免費克隆 | ✅ 3 個槽位 | ❌ 需付費 |
定價比較：2026 年最新方案
Fish Audio 在 2026 年大幅調整定價，現在是市場上性價比最高的方案之一。
方案總覽
| 方案 | 月付價格 | 年付價格（折合月） | 每月積分 | 約可生成 |
|---|---|---|---|---|
| 免費 | $0 | — | 8,000 | 7 分鐘 |
| Plus | $5.5 | $5.5（年付 $66） | 250,000 | 200 分鐘 |
| Pro | $37.5 | $37.5（年付 $450） | 2,000,000 | 1,620 分鐘 |
| Max | $749 | $749（年付 $8,988） | 25,000,000 | 6,250 分鐘 |
與 ElevenLabs 定價比較
| 項目 | Fish Audio Plus | ElevenLabs Starter |
|---|---|---|
| 月付價格 | $5.5 | $5（年付）/ $6（月付） |
| 月付年繳折合 | $5.5/月 | $5/月 |
| 免費額度 | 7 分鐘/月 | 10 分鐘/月 |
| 聲音克隆 | ✅ 免費含 3 個槽位 | ❌ Starter 不含克隆 |
| 商業使用 | ✅ Plus 以上 | ✅ Starter 以上 |
結論： 如果你需要聲音克隆功能，Fish Audio 的免費方案就夠用（3 個公開槽位）。如果需要私有音色和更大額度，Plus 方案 $5.5/月 是最低入門門檻。
API 定價（開發者）
| 模型 | 價格 |
|---|---|
| s2.1-pro | $15.00 / M UTF-8 bytes（≈ 180K 英文詞） |
| s2.1-pro-free | $0.00（免費） |
| s2-pro | $15.00 / M UTF-8 bytes |
| s1 | $15.00 / M UTF-8 bytes |
s2.1-pro-free 是免費的 API 模型，適合開發者做原型驗證。
誰適合用 Fish Audio？
最適合的使用者
| 使用者類型 | 為什麼適合 |
|---|---|
| YouTube 創作者 | 免費方案 + 多語言配音 + 情緒控制 |
| 不露臉頻道 | 用克隆聲音做旁白，省配音費 |
| 遊戲開發者 | API + 多說話人 + 情緒控制 |
| 多語系內容創作者 | 83 種語言，同一個聲音跨語言輸出 |
| 預算有限的個人 | 免費就能開始，Plus 只要 $5.5/月 |
不太適合的使用者
| 使用者類型 | 原因 |
|---|---|
| 需要極低延遲的即時應用 | ElevenLabs Flash 延遲僅 75ms，Fish Audio 較慢 |
| 英文為主的內容 | ElevenLabs 英文品質仍是公認最佳 |
| 需要大量商業授權 | Max 方案 $749/月較高，適合大團隊 |
推廣方案與 Affiliate 計畫
Fish Audio 有 Affiliate 計畫，透過推薦連結賺取佣金：
| 項目 | 條款 |
|---|---|
| 佣金比例 | 20%（優秀夥伴可升至 30%） |
| 適用產品 | 所有標準訂閱方案 |
| 月付訂閱 | 首次推薦後 12 個月內持續賺取每月佣金（recurring） |
| 結算方式 | NET-15，PayPal 或 Wise 支付 |
| 禁止行為 | ❌ 付費廣告（搜尋/社群/展示廣告全禁） |
| 允許行為 | ✅ 有機內容行銷（部落格、YouTube、社群） |
💡 Affiliate 計畫細節：詳見 Fish Audio Affiliate 條款。如果你是內容創作者，有機推廣完全在允許範圍內。
進階：用 Claude Code 自建聲音實驗室
前面講的都是直接用 Fish Audio 網頁版操作。如果你是開發者或想把 Fish Audio 接進自己的工作流，還有一條路：用 API 自建專屬工具。
s2.1-pro-free：完全免費的 API 模型
Fish Audio 把最新的 S2.1 Pro 模型以 s2.1-pro-free 的名字開放免費 API：
| 項目 | s2.1-pro-free | s2.1-pro（付費版） |
|---|---|---|
| 價格 | $0 / M UTF-8 bytes | $15 / M UTF-8 bytes |
| 模型等級 | 與付費版相同 | 旗艦模型 |
| 語言數 | 83+ | 83+ |
| 聲音克隆 | ✅ 含在內 | ✅ |
| SLA | ❌ 無保證 | ✅ |
| 請求上限 | 5 個併發 | 5–50 個（依消費門檻） |
📌 1M UTF-8 bytes ≈ 18 萬英文詞 ≈ 12 小時語音。 對個人創作者來說，免費模型幾乎花不完。
API 參數速查表
透過 API 生成語音時，可調整的關鍵參數：
| 參數 | 預設值 | 說明 |
|---|---|---|
reference_id | — | 聲音模型 ID。填你的克隆聲音或 Discovery 公開聲線的 ID |
text | — | 要合成的文字，支援情緒標籤如 [whisper]、[laugh] |
prosody.speed | 1.0 | 語速倍率。口播建議 0.9–1.1，短影音可推到 1.2 |
prosody.volume | 0 dB | 音量增減，剪輯軟體也能調，這裡留 0 即可 |
temperature | 0.7 | 隨機程度。降低更穩定，提高更有起伏但也更容易走音 |
top_p | 0.7 | 取樣範圍。跟 temperature 搭配用，一次只動一個 |
format | mp3 | 輸出格式。要進剪輯軟體選 wav，分享用 mp3 |
實際能做什麼？
- 口播自動化：寫好的腳本貼進 API，幾秒出音檔，省去反覆錄音
- 跨語言配音：同一個聲音模型直接講中英日文，不用另外訓練
- 工作流整合：聲音實驗室跑在 localhost，可串接剪輯軟體或 CMS
延伸閱讀
想看完整的 Claude Code + Fish Audio 實作流程（含 prompt 拆解），推薦這篇：
🔗 AI 聲音分身怎麼做？用 Claude Code 接 Fish Audio，10 秒錄音複製自己的聲音 — RAR 設計攻略
常見問題（FAQ）
Fish Audio 免費方案真的能用嗎？
能用，而且功能比多數競品的免費方案強。每月 8,000 積分可生成約 7 分鐘音訊，足以做影片旁白的測試和短片。免費方案包含聲音克隆（3 個公開槽位），ElevenLabs 免費版完全不支援克隆。
聲音克隆需要多少錄音？
只需 10-15 秒。這是最短的業界門檻——ElevenLabs Instant Clone 需要 60 秒以上，MiniMax 也未明確公布最低需求。
可以用來做商業用途嗎？
免費方案不行，僅限個人使用。Plus 方案（$5.5/月）以上即可商用。YouTube 影片、Podcast、課程等都屬於商用範疇。
跟 ElevenLabs 比哪個好？
取決於你的需求。聲音克隆和情緒控制：Fish Audio 贏。英文品質和低延遲：ElevenLabs 贏。價格：Fish Audio 免費方案更實用（含克隆）。中文品質：Fish Audio 因中國團隊開發，中文表現突出。
API 怎麼接？
Fish Audio 提供標準 REST API，支援 TTS 和聲音克隆。s2.1-pro-free 模型完全免費，適合開發者做原型。完整文件見 Fish Audio 開發者文檔。
安全嗎？
Fish Audio 使用 FirstPromoter 管理 Affiliate 追蹤，付款透過 PayPal 或 Wise。非美國用戶需提交 Form W-8BEN 稅務文件。詳細條款見 Fish Audio 服務條款。
資料來源
- Fish Audio 官方網站 — 產品功能與定價
- Fish Audio 定價頁 — 方案與價格（2026 年 9 月查閱）
- Fish Audio 開發者文檔 — API 定價與模型資訊
- Fish Audio Affiliate 條款 — 聯盟推廣計畫細節
- ElevenLabs 定價頁 — 競品比較基準
最後更新：2026 年 9 月 | 作者實測整理
5 個省錢策略，從月費 NT$2,200 → NT$660 👇
🔒 填寫即訂閱雙週報，可隨時退訂。下載連結將寄到你的信箱。