Michael Caine 的 AI 嗓音讀完《奧德賽》：ElevenLabs 估值 110 億美元，這跟你有什麼關係

Q: Q1：ElevenLabs 的 AI 聲音可以聽出來是 AI 嗎？

A：英文接近真人，中文還是有點機械感，特別是長段落。建議 30 秒以內的句子表現最好，超過 1 分鐘的連續中文 AI 配音，仔細聽還是會覺得「哪裡卡卡的」。

Q: Q2：我可以克隆任何人的聲音嗎？

A：不行。 技術上你可以上傳任何錄音讓 AI 學習，但這是違法的。未經授權克隆他人聲音做商業使用，會違反台灣民法 1023-2、台灣個資法、還可能觸犯公平交易法。只能克隆「你自己的聲音」或「明確簽約授權的他人聲音」。

Q: Q5：我該不該現在就訂閱？

A：看你目的。只是想試試看 → 免費版就夠。你是 YouTuber / Podcaster 每月至少做 5 支以上影片 → 直接訂 Creator（22 USD/月）。你是企業要做客服或內訓 → 先聯繫 ElevenLabs 業務談 enterprise 方案。

30 秒快速總結： ElevenLabs 2026-02 拿到 D 輪 5 億美元融資、估值衝到 110 億，紅杉資本領投。兩個月後他們丟出「Michael Caine AI 嗓音讀完荷馬《奧德賽》」這張王牌——免費有聲書全本公開，把 AI 聲音克隆從 demo 級別拉到「出版級」。📊 這篇幫你拆解它怎麼做到的、商業模式怎麼走、台灣用戶怎麼用、以及最讓人擔心的著作權問題。

老實說，我第一次聽到「AI Michael Caine 朗讀《奧德賽》」這個消息時，內心是兩種聲音在打架。

一種是工程師式的興奮：哇，荷馬史詩全本 24 卷，AI 連那個倫敦腔的氣口都學到了？另一種是創作者式的警覺：如果我寫的東西，AI 用任何人的聲音都能唸出來，那「人」的價值到底剩多少？

這篇不打算跟你講那些「AI 是不是要取代配音員」的廢話。我會用 5 個角度把這件事拆乾淨——技術、商業、創作、法律、還有「台灣用戶現在到底能不能用」。看完你就會知道，這跟你寫部落格、做 YouTube、或是經營個人品牌，到底有什麼具體關係。

這篇文章你會看到

✅ ElevenLabs 110 億估值背後的真正商業模式（不是你想的那種）

✅ AI 聲音克隆的技術原理，講到你能跟朋友解釋為止

✅ Michael Caine 那卷《奧德賽》到底是不是「真」Caine 讀的

✅ 台灣用戶的完整試用 SOP（免費額度、價格、刷卡的坑）

✅ 著作權、台灣民法、中國首例 AI 聲音侵權案的判決

✅ 對自媒體工作者、工程師、配音員的真實衝擊與建議

為什麼這件事不只是娛樂新聞

先講個時間線，你會比較有感：

西元 2025-01：ElevenLabs 完成 C 輪 1.8 億美元融資，估值還在 33 億左右

西元 2025-11：Michael Caine 跟 Matthew McConaughey 一起簽約 ElevenLabs，授權他們用 AI 複製自己的聲音（這是重點——是授權不是盜用）

西元 2026-02-04：D 輪融資 5 億美元，紅杉領投，估值跳到 110 億美元（📊 來源：Reuters）

西元 2026-06-23：《奧德賽》全本 AI 有聲書上線，免費下載

不到 18 個月，估值從 33 億翻 3 倍到 110 億。這不是估值泡沫，這是市場對「AI 聲音商業化」的最後一次集體確認——紅杉 a16z ICONIQ 全部加碼，說明他們已經想清楚商業模式長什麼樣。

圖說：ElevenLabs 估值翻 3 倍的時間線——從 C 輪 33 億到 D 輪 110 億，只花 13 個月

👤 我自己是做 side project 的工程師，這個時間線對我的意義是：當一個賽道在 12 個月內估值翻 3 倍、背後站的是紅杉跟 a16z，那就代表它已經不是在賭未來，而是在收割現在。你用或不用，這條河都會從你工作流旁邊流過去。

AI 聲音克隆到底怎麼做出來的

這段我用工程師聽得懂的講法，盡量不講廢話。

三個關鍵技術

1. 聲紋特徵擷取（Voice Embedding）

給 AI 一段 3-30 秒的乾淨人聲錄音，它會把這段聲音拆成 100-200 個維度的「聲紋特徵向量」——音色、共振峰、氣口、語速、停頓習慣。每個人的聲紋都是獨一無二的，就像指紋一樣。

2. 多語言聲學模型（Multilingual Acoustic Model）

ElevenLabs 訓練的核心模型叫 Eleven Multilingual v2，支援 70+ 種語言（包含中文），而且不需要重新訓練就能用同一個人的聲紋講外語。這就是為什麼 Caine 那個倫敦腔可以被拿來讀荷馬史詩的英文原文，聽起來還是 Caine，不是一個冷冰冰的美式發音 AI。

3. 情緒與韻律控制（Prosody Control）

這層是最難的。AI 不只要會「說話」，還要會「表演」。文本裡加 [whisper]、[pause]、這些 SSML 標籤，就能控制 AI 在哪裡輕聲、在哪裡停頓、在哪裡加重情緒。ElevenLabs 在西元 2026 上半年的關鍵突破就是把這層控制做到「導演級」——能用文字 prompt 直接指揮 AI 演員。

訓練資料量

👤 公開資料沒寫精確數字，但從 ElevenLabs 公開的技術部落格跟幾場訪談推估，他們的訓練資料應該至少有 10 萬小時以上的多語言語音資料。這數字是開源模型（像 Coqui XTTS、Fish Speech）的 50-100 倍，也是為什麼商業版效果碾壓開源。

一句話總結

💡 技術原理不複雜，難的是「資料量 + 多語言對齊 + 情緒控制」這三件事要同時做好。ElevenLabs 之所以值 110 億，就是因為它把這三件事做到現階段的業界天花板。

圖說：聲音克隆的 3 層技術堆疊——聲紋特徵擷取、多語言聲學模型、情緒韻律控制

《奧德賽》這卷有聲書到底在紅什麼

直接講幾個你可能沒注意到的細節：

1. 不是 Christopher Nolan 那部電影

很多讀者第一時間會誤會。Christopher Nolan 西元 2026 確實有執導一部《奧德賽》電影（Matt Damon、Tom Holland、Anne Hathaway 主演），但這次 ElevenLabs 做的是荷馬原作的文學有聲書，跟電影完全無關。The New York Times 2026-06-23 的標題寫得很清楚：「A New 'Odyssey' Audiobook Puts the 'A.I.' in 'Michael Caine'」——講的是文本朗讀，不是電影旁白。

圖說：荷馬原作 vs Nolan 電影——同樣叫《奧德賽》，完全不同的產物

2. Caine 是授權的，不是被盜用

這件事的倫理面很重要。ElevenLabs 2025-11 正式跟 Caine 簽約，付了一筆授權費（金額未公開），換來他的聲紋可以用於商業產品。Caine 自己在訪問中說：「I've been interested in AI for a long time. This is a fascinating development.」——他沒被盜用，他主動加入。

👤 對比之前 Ozzy Osbourne 過世後家人找 Hyperreal + Proto Hologram 做 AI 數位復活，那個是「死後授權」的倫理難題。Caine 這個案例則簡單很多——活人、簽約、收錢、清楚標示 AI 生成。法律上 100% 站得住。

3. 為什麼選《奧德賽》而不是其他書

📰 紐約時報跟衛報的報導都有提到，ElevenLabs 選《奧德賽》不是隨便挑的。這本書有幾個特點：

公版（荷馬寫於西元前 8 世紀，著作權早過期）

文本長但結構簡單（24 卷，講 Odysseus 回家）

角色情緒起伏大（從被女神 Calypso 軟禁、到跟海妖對抗、到返家復仇）

全英文、無方言干擾

對 ElevenLabs 來說，這是技術展示的最佳舞台——選一本大多數人聽過名字、但沒幾個人讀過全文的書，免費開放下載，等於強迫市場體驗他們的 AI 聲音能做到什麼程度。

4. 免費，是最大的商業動作

📊 商業上這招叫 「freemium 鉤子」：免費給你聽全本，讓你的耳朵習慣 ElevenLabs 的音質；等你下次想做 podcast、有聲書、影片配音時，第一個想到的就是他們。依 ElevenLabs 官方公告，西元 2025 會計年度的 ARR 已達 3.3 億美元（📊 來源：騰訊新聞 2026-02-06 報導），主要客戶是 Deutsche Telekom、Square、Revolut 這些企業的客服跟內訓場景。C 端市場還沒完全打開，《奧德賽》就是打 C 端的入場券。

台灣用戶的完整試用 SOP

講完了「為什麼紅」，接下來講你最在意的——「我能不能用、怎麼用、會不會踩雷」。

免費版的額度（截至本文撰寫 2026-06-24）

ElevenLabs 的免費帳號功能沒被閹割，但有配額限制：

方案	月費	文字額度	自訂聲線	商用授權	適合誰
Free	0 USD	10,000 字/月	3 個	❌ 個人非商用	試用、學習
Starter	5 USD/月	30,000 字	10 個	✅	個人創作
Creator	22 USD/月	100,000 字	30 個	✅	YouTuber / Podcaster
Pro	99 USD/月	500,000 字	160 個	✅	小型工作室

📊 來源：ElevenLabs 官方定價頁（截至 2026-06-24 可查證）

中文支援實測

圖說：ElevenLabs 四種訂閱方案對照——從免費版到 Creator，文字額度差 50 倍

ElevenLabs Multilingual v2 對中文的支援我必須老實講：比英文差一截，但不是不能用。具體表現：

✅ 國語（標準中文）：自然度 8/10，能聽出來是 AI 但不彆扭

⚠️ 台語 / 粵語：支援但不穩定，腔調常常跑掉

✅ 中英混讀：表現優異，這是 ElevenLabs 的強項

❌ 純情緒中文 Podcast：還是不建議，太容易聽出「機械感」

👤 我自己做 side project 的時候，測試過把英文教學文章丟進去讓 AI 讀中文版，結論是——純知識內容沒問題，故事性 / 情緒性內容還是要真人。

台灣用戶的 3 個地雷

1. 刷卡：ElevenLabs 用 Stripe 收款，台灣信用卡大部分都能過（Visa/MasterCard），但 JCB 卡偶爾會被擋。被擋的話改用 PayPal 中轉。

2. 發票 / 報帳：ElevenLabs 開的是電子收據（Email 寄送），不是台灣統一發票。如果公司要核銷，要請會計看能不能用 invoice + 信用卡帳單代替。我自己的 side project 是直接走「個人支出」，沒這問題。

3. 中文姓名註冊：註冊時會問 First Name / Last Name，直接照填英文名字就好（護照或信用卡上的），不要硬填中文。我朋友第一次填「王小明」結果帳號驗證失敗，後來改填英文就過了。

著作權與倫理：你一定要知道的事

這部分我覺得比技術更重要，因為它會直接影響「你能不能拿 AI 聲音做商業內容」。

台灣的法律現況

📚 台灣《民法》第 1023 條第 2 款規定：「對自然人聲音的保護，參照適用肖像權保護的有關規定。」意思是——你的聲音在法律上被當作你的「聲紋肖像」，別人未經同意不能商業使用，也不能用來訓練 AI 模型。

實務上，如果你發現有人拿你的聲音（可能是 podcast 受訪、YouTube 公開演講、甚至公開授課錄影）訓練 AI 然後商業化，你可以主張：

1. 肖像權 / 聲紋權侵害（民事）

2. 個人資料保護法（如果對方沒經同意就把聲音資料用於模型訓練）

3. 公平交易法（如果對方用你的聲音做商業代言誤導消費者）

中國首例 AI 聲音侵權案

📰 西元 2024-04，北京互聯網法院判決了全國首例 AI 聲音侵權案：被告未經授權用原告聲音開發 AI 配音產品，法院判賠原告 25 萬人民幣並書面道歉。（📰 來源：法治日報 2026-04-01 報導）

這個判決的關鍵意義是：AI 生成的聲音如果能識別出特定自然人，就受聲音權益保護，不管是真人錄的還是 AI 合成的。台灣雖然沒這種判例，但法理是相通的。

全球 61 國的 AI 隱私聯合聲明

圖說：AI 聲音權益的法理保護——聲紋作為人格權的一部分

📚 西元 2026-02-23，全球 61 個個資保護主管機關（含台灣個資保護委員會籌備處、歐盟 EDPB、英國 ICO 等）發布「AI 生成影像及隱私保護聯合聲明」，要求企業在用真人肖像 / 聲音訓練 AI 時必須取得明確同意。（📚 來源：資策會科法所）

👤 這個聲明的重點在「明確同意」四個字——不是「合理使用」、不是「公開資料就 OK」，是要白紙黑字授權。所以你看到的 Michael Caine 案例之所以合法，是因為他真的有簽約、有收錢。

對自媒體工作者的 3 個建議

1. 自己的聲音可以克隆：用 ElevenLabs Instant Voice Cloning 上傳 3 分鐘你自己的錄音，就能生成「你本人的 AI 聲音」。這對做大量 YouTube Shorts 或 podcast 的人很有用——你寫完稿丟給 AI，它幫你念，你省下錄音時間。

2. 別人的聲音要看合約：如果你想用某個公眾人物的聲音（明星、網紅、甚至是已故親人的聲音），必須取得明確授權。法律上沒有模糊空間。📊 關於 AI 與著作權的台灣官方立場，可參考經濟部智慧財產局 TIPO - 生成式 AI 著作權函釋。

3. 標示 AI 生成是趨勢：歐盟 AI Act 自西元 2026 起要求 AI 生成內容必須明確標示，台灣還沒強制但遲早會跟上。建議你做 AI 配音內容時，在影片描述加一句「本影片部分配音由 AI 生成」。

對工程師、自媒體、配音員的真實衝擊

最後這段我講幹話——這件事對不同身份的人，意義完全不同。

對工程師

👤 如果你本來就在做 LLM 應用，ElevenLabs 這種商業級 TTS 服務其實是省時間神器。你不用自己訓練 TTS 模型、不用管 GPU 推論成本，直接 API 呼叫就有出版級音質。

我自己用 ElevenLabs API 做過一個小 side project——把英文技術文章丟進去，用 Multilingual v2 生成中文 podcast，20 分鐘搞定。比起從零訓練一個 TTS 模型，省了至少 2 週。

對自媒體 / 內容工作者

圖說：AI 配音的甜蜜點——量大但情緒要求不高的內容最划算

AI 配音的甜蜜點是「量大、但情緒要求不高」的場景：

✅ 知識型 YouTube 頻道（科技教學、理財知識）

✅ 部落格文章有聲化（把你的 60 篇 post 全部轉成 podcast）

✅ 課程錄音（大量標準化內容）

❌ 故事性 podcast（廣播劇、人物專訪）——還是要真人

❌ 廣告配音（需要情緒渲染）——AI 還差一截

對配音員

老實講，這是最需要緊張的一群。AI 不會馬上取代你，但它會大幅壓低「標準化配音」的市場行情。你現在做一支 5 分鐘的標準企業簡介配音可能收 3,000-8,000 台幣，AI 一年內可能把你的報價壓到 1/3。

但反過來說，高端配音（情緒、表演、品牌聲音設計）的價值會更高。就像攝影普及後，專業攝影師沒有消失，反而因為「人人都會拍」讓頂級的更值錢。配音員的未來是「AI 做不到的那 20%」，不是「跟 AI 搶另外 80%」。

常見問題 FAQ

Q1：ElevenLabs 的 AI 聲音可以聽出來是 AI 嗎？

A：英文接近真人，中文還是有點機械感，特別是長段落。建議 30 秒以內的句子表現最好，超過 1 分鐘的連續中文 AI 配音，仔細聽還是會覺得「哪裡卡卡的」。

Q2：我可以克隆任何人的聲音嗎？

A：不行。 技術上你可以上傳任何錄音讓 AI 學習，但這是違法的。未經授權克隆他人聲音做商業使用，會違反台灣民法 1023-2、台灣個資法、還可能觸犯公平交易法。只能克隆「你自己的聲音」或「明確簽約授權的他人聲音」。

Q3：免費版可以商用嗎？

A：不行。ElevenLabs 免費帳號明確規定只能個人非商用。要商用至少要訂 Starter 方案（5 USD/月）。商用範圍包括但不限於：YouTube 影片配音、podcast 發布、企業內訓教材、商業廣告。

Q4：中文的表現跟英文差多少？

A：自然度大約差 20-30%。英文 Multilingual v2 的 MOS（主觀音質分數）大約 4.6/5，中文大約 4.0-4.2/5。對岸有團隊訓練的中文特化模型（例如 MiniMax Speech 2.6）MOS 可以到 4.8，但這是另一個故事了。

Q5：我該不該現在就訂閱？

A：看你目的。只是想試試看 → 免費版就夠。你是 YouTuber / Podcaster 每月至少做 5 支以上影片 → 直接訂 Creator（22 USD/月）。你是企業要做客服或內訓 → 先聯繫 ElevenLabs 業務談 enterprise 方案。

我的最終判斷

回到開頭那兩個聲音的問題。

AI 嗓音克隆是不是要取代配音員？短期（1-2 年）內不會，但它會吃掉 30-50% 的標準化配音市場。

這跟我有什麼關係？關係很大。如果你跟我一樣是寫內容、做 side project 的人，AI 配音就是個幫你把現有產出放大 5 倍的工具——你寫一篇文章，AI 幫你唸成 podcast；你錄一個 YouTube 教學，AI 幫你生成 5 種語言版本。本來要花 10 小時的事情，現在 30 分鐘搞定。

但——我還是要說這個但——AI 永遠取代不了那種「人跟人之間的傳遞」。你聽一集很棒的 podcast，不是因為它的聲音多完美，是因為你感覺到那個人真的想跟你說一件事。這個東西 AI 學不來，至少現在學不來。

所以我的建議很簡單：把 AI 當生產力工具，把你的「人味」當護城河。 兩件事都做，才是接下來 3 年最舒服的位置。