ElevenLabs 完整教學

上週的「蒸餾人」作業中，我們把自己的人格寫進 SOUL.md，但 agent 仍然是文字的存在。我們可以補上聲音這一塊，讓你的數位分身具有可聽見的存在。

ElevenLabs 是什麼？

ElevenLabs（2022 年創立）是目前聲音逼真度最高的 AI 語音合成平台，三大核心功能：

本課程示範與作業免費方案完全足夠。下方表格僅供參考（規格與額度可能隨平台政策調整）：

第一個示範的是最基礎也最直觀的功能。建議用瀏覽器全螢幕讓大家看清楚介面佈局。

示範文本（繁體中文）

接著用一段帶臺語感的漢字文本

觀察重點：AI 能否正確處理漢字臺語？它會當成普通話讀嗎？這是引出「語料代表性」議題的好時機。

社群上傳的音色庫，任何人都可以把自己的聲音「發布」出來讓他人使用。

本次示範的最具衝擊感的功能。

建議的複製示範文本（讓學生感受「陌生感」）

用自己的聲音說蘇軾的詞。這個落差本身就是討論起點：「誰的聲音？誰的文字？AI 扮演了什麼角色？」

看完課堂示範後，有興趣的同學可以在課後依照以下六個步驟，自己建立第一個 voice clone。整個過程約 15 分鐘。

有了 API key 後，15 行 Python 就能把 ElevenLabs 接到你的 SOUL.md + Gemini。下面是完整管線示意：

最小可行整合：15 行 Python

import google.generativeai as genai
from elevenlabs import generate, play, save
import os

# 1. 讀取你的 SOUL.md 作為人格
with open("SOUL.md") as f:
    soul = f.read()

# 2. 呼叫 Gemini 生成回應（用 SOUL.md 當人格設定）
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
model = genai.GenerativeModel("gemini-2.5-flash", system_instruction=soul)
response = model.generate_content("你怎麼看蒸餾人這個概念？")

# 3. 用你 clone 的 voice 念出 Gemini 的回應
audio = generate(
    text=response.text,
    voice="YOUR_VOICE_ID",         # 你 clone 完的 voice id
    model="eleven_multilingual_v2"  # 支援中文
)
save(audio, "reply.mp3")
play(audio)

ElevenLabs 的功能強大到讓人著迷，但作為人文研究者，我們必須同時看見技術的另一面。

研究應用（正向）

• 口述歷史重現：把採集到的老一輩敘事，製作成高品質的有聲書或典藏素材。
• 無障礙服務：把學術論文或文學作品轉為有聲版，服務視障讀者。
• 瀕危語言保存：在語者健在時採集，複製音色以留存語音樣本（需倫理同意）。
• 多語言教材：為缺乏錄音師的小語種教材製作示範語音。

當聲音是「我」、邏輯是 SOUL.md 蒸餾出的「我」、內容是 LLM 即時生成 - 那麼這個「我」究竟是誰？
這不是技術問題，是哲學問題。