關於Deepfake色情影像：雖然內容是假的，但傷害是真的

本文與 高柏科技 合作，泛科學企劃執行。

當我們談論能擊敗輝達（NVIDIA）、Google、微軟，甚至是 Meta 的存在，究竟是什麼？答案或許並非更強大的 AI，也不是更高速的晶片，而是你看不見、卻能瞬間讓伺服器崩潰的「熱」。

 2024 年底至 2025 年初，搭載 Blackwell 晶片的輝達伺服器接連遭遇過熱危機，傳聞 Meta、Google、微軟的訂單也因此受到影響。儘管輝達已經透過調整機櫃設計來解決問題，但這場「科技 vs. 熱」的對決，才剛剛開始。 

不僅僅是輝達，微軟甚至嘗試將伺服器完全埋入海水中，希望藉由洋流降溫；而更激進的做法，則是直接將伺服器浸泡在冷卻液中，來一場「浸沒式冷卻」的實驗。

但這些方法真的有效嗎？安全嗎？從大型數據中心到你手上的手機，散熱已經成為科技業最棘手的難題。本文將帶各位跟著全球散熱專家 高柏科技，一同看看如何用科學破解這場高溫危機！

運算=發熱？為何電腦必然會發熱？

這並非新問題，1961年物理學家蘭道爾在任職於IBM時，就提出了「蘭道爾原理」（Landauer Principle），他根據熱力學提出，當進行計算或訊息處理時，即便是理論上最有效率的電腦，還是會產生某些形式的能量損耗。因為在計算時只要有訊息流失，系統的熵就會上升，而隨著熵的增加，也會產生熱能。

換句話說，當計算是不可逆的時候，就像產品無法回收再利用，而是進到垃圾場燒掉一樣，會產生許多廢熱。

要解決問題，得用科學方法。在一個系統中，我們通常以「熱設計功耗」（TDP，Thermal Design Power）來衡量電子元件在正常運行條件下產生的熱量。一般來說，TDP 指的是一個處理器或晶片運作時可能會產生的最大熱量，通常以瓦特（W）為單位。也就是說，TDP 應該作為這個系統散熱的最低標準。每個廠商都會公布自家產品的 TDP，例如AMD的CPU 9950X，TDP是170W，GeForce RTX 5090則高達575W，伺服器用的晶片，則可能動輒千瓦以上。

散熱不僅是AI伺服器的問題，電動車、儲能設備、甚至低軌衛星，都需要高效散熱技術，這正是高柏科技的專長。

「導熱介面材料（TIM）」：提升散熱效率的關鍵角色

在電腦世界裡，散熱的關鍵就是把熱量「交給」導熱效率高的材料，而這個角色通常是金屬散熱片。但散熱並不是簡單地把金屬片貼在晶片上就能搞定。

現實中，晶片表面和散熱片之間並不會完美貼合，表面多少會有細微間隙，而這些縫隙如果藏了空氣，就會變成「隔熱層」，阻礙熱傳導。

為了解決這個問題，需要一種關鍵材料，導熱介面材料（TIM，Thermal Interface Material）。它的任務就是填補這些縫隙，讓熱可以更加順暢傳遞出去。可以把TIM想像成散熱高速公路的「匝道」，即使主線有再多車道，如果匝道堵住了，車流還是無法順利進入高速公路。同樣地，如果 TIM 的導熱效果不好，熱量就會卡在晶片與散熱片之間，導致散熱效率下降。

那麼，要怎麼提升 TIM 的效能呢？很直覺的做法是增加導熱金屬粉的比例。目前最常見且穩定的選擇是氧化鋅或氧化鋁，若要更高效的散熱材料，則有氮化鋁、六方氮化硼、立方氮化硼等更高級的選項。

典型的 TIM 是由兩個成分組成：高導熱粉末（如金屬或陶瓷粉末）與聚合物基質。大部分散熱膏的特點是流動性好，盡可能地貼合表面、填補縫隙。但也因為太「軟」了，受熱受力後容易向外「溢流」。或是造成基質和熱源過分接觸，高分子在高溫下發生熱裂解。這也是為什麼有些導熱膏使用一段時間後，會出現乾裂或表面變硬。

為了解決這個問題，高柏科技推出了凝膠狀的「導熱凝膠」，說是凝膠，但感覺起來更像黏土。保留了可塑性、但更有彈性、更像固體。因此不容易被擠壓成超薄，比較不會熱裂解、壽命也比較長。

OK，到這裡，「匝道」的問題解決了，接下來的問題是：這條散熱高速公路該怎麼設計？你會選擇氣冷、水冷，還是更先進的浸沒式散熱呢？

液冷與 3D VC 散熱技術：未來高效散熱方案解析

傳統的散熱方式是透過風扇帶動空氣經過散熱片來移除熱量，也就是所謂的「氣冷」。但單純的氣冷已經達到散熱效率的極限，因此現在的散熱技術有兩大發展方向。

其中一個方向是液冷，熱量在經過 TIM 後進入水冷頭，水冷頭內的不斷流動的液體能迅速帶走熱量。這種散熱方式效率好，且增加的體積不大。唯一需要注意的是，萬一元件損壞，可能會因為漏液而損害其他元件，且系統的成本較高。如果你對成本有顧慮，可以考慮另一種方案，「3D VC」。

3D VC 的原理很像是氣冷加液冷的結合。3D VC 顧名思義，就是把均溫板層層疊起來，變成3D結構。雖然均溫板長得也像是一塊金屬板，原理其實跟散熱片不太一樣。如果看英文原文的「Vapor Chamber」，直接翻譯是「蒸氣腔室」。

在均溫板中，會放入容易汽化的工作流體，當流體在熱源處吸收熱量後就會汽化，當熱量被帶走，汽化的流體會被冷卻成液體並回流。這種利用液體、氣體兩種不同狀態進行熱交換的方法，最大的特點是：導熱速度甚至比金屬的熱傳導還要更快、熱量的分配也更均勻，不會有熱都聚集在入口（熱源處）的情況，能更有效降溫。

整個 3DVC 的設計，是包含垂直的熱導管和水平均溫板的 3D 結構。熱導管和均溫板都是採用氣、液兩向轉換的方式傳遞熱量。導熱管是電梯，能快速把散熱工作帶到每一層。均溫板再接手將所有熱量消化掉。最後當空氣通過 3DVC，就能用最高的效率帶走熱量。3DVC 跟水冷最大的差異是，工作流體移動的過程經過設計，因此不用插電，成本僅有水冷的十分之一。但相對的，因為是被動式散熱，其散熱模組的體積相對水冷會更大。

從 TIM 到 3D VC，高柏科技一直致力於不斷創新，並多次獲得國際專利。為了進一步提升 3D VC 的散熱效率並縮小模組體積，高柏科技開發了6項專利技術，涵蓋系統設計、材料改良及結構技術等方面。經過設計強化後，均溫板不僅保有高導熱性，還增強了結構強度，顯著提升均溫速度及耐用性。

隨著散熱技術不斷進步，有人提出將整個晶片組或伺服器浸泡在冷卻液中的「浸沒式冷卻」技術，將主機板和零件完全泡在不導電的特殊液體中，許多冷卻液會選擇沸點較低的物質，因此就像均溫板一樣，可以透過汽化來吸收掉大量的熱，形成泡泡向上浮，達到快速散熱的效果。

然而，因為水會導電，因此替代方案之一是氟化物。雖然效率差了一些，但至少可以用。然而氟化物的生產或廢棄時，很容易產生全氟/多氟烷基物質 PFAS，這是一種永久污染物，會對環境產生長時間影響。目前各家廠商都還在試驗新的冷卻液，例如礦物油、其他油品，又或是在既有的液體中添加奈米碳管等特殊材質。

另外，把整個主機都泡在液體裡面的散熱邏輯也與原本的方式大相逕庭。如何重新設計液體對流的路線、如何讓氣泡可以順利上浮、甚至是研究氣泡的出現會不會影響元件壽命等等，都還需要時間來驗證。

高柏科技目前已將自家產品提供給各大廠商進行相容性驗證，相信很快就能推出更強大的散熱模組。

這世代的年輕孩子，隨便一位都比我們大人更精熟網路及數位裝置的操作；但面對網路上無所不在的陷阱，腦袋並沒有因此進化得更靈光。

當你以為壞人都藏在社區附近的陰暗角落時，專家正在警告，潛藏在虛擬世界中的詐騙與剝削，才是你真正該提防的。

網路陷阱：誘騙、色情與性剝削

孩子是如何上鉤的？

先來聽聽宇岩的故事吧！

宇岩是個國二男生，在班上成績中上，行為大致循規蹈矩。和大部分的同學一樣，每天會上網玩一下線上遊戲。他在線上遊戲中，認識了一位網友小芸。因為幾次合作很有默契，小芸主動提議互相加 line，以方便聯繫。

日後，小芸與宇岩就常在 line 上聊天，一開始是聊些與遊戲攻略有關的事，後來，聊及生活中的瑣事。小芸說，她是個高中生，功課壓力大，父母工作忙碌，不太關心她，她常覺得很寂寞。她覺得能和宇岩聊天很開心，希望宇岩當她的男朋友。

有一次，小芸問宇岩有沒有看過女生自慰，宇岩覺得不太對勁，但心中莫名興奮。後來，小芸時常提起一些性方面的話題，也開始傳一些露骨的畫面給宇岩，說是自己胸部、臀部等私密部位的照片。小芸問宇岩想看更多嗎？宇岩當然想！小芸要宇岩也傳張自己裸露生殖器官的照片過去，才要讓宇岩看更多。宇岩不疑有他，既然是男女朋友，應該沒關係，於是照辦了。

後來，小芸好幾次要求宇岩幫她買遊戲點數，但宇岩說自己身上沒那麼多錢。小芸卻生氣地抱怨宇岩一點都不在乎她，宇岩只好偷拿父母的錢。幾次之後，宇岩感到很不安，鄭重地拒絕小芸的要求，但她卻說：「別忘了，我手上有你的裸照喔！」

宇岩這才意識到，對方也許一開始，就不懷好意。事到如今只好硬著頭皮，向父母全盤說出這些事情，請父母出面解決。

如果宇岩沒有向大人求助，接下來會發生什麼事呢？

那位名為小芸的高中生網友，肯定會對他糾纏不已，繼續索討更多的金錢，進而要求他交出帳號密碼、家人的個資，或者出賣朋友來「抓交替」。如果宇岩不從，就威脅公開裸照，讓他的聲譽不保，宇岩只能任對方予取予求。

網路誘騙的方式推陳出新，大多都是利用人性的好奇、貪婪或恐懼心態，取得受害者的個資或私密影像，進而抓住把柄，再藉此要脅，逼你就範。詐騙者常是亂槍打鳥，在各種有聊天功能的網路平臺上隨意搭訕，利用兒童或青少年的好奇、同情心或想結交朋友的渴望，逐漸取得信任，再讓你一步一步地走進預先設好的圈套中。

二○二○年南韓媒體披露震驚社會的「N 號房事件」，主嫌在網路上經營類似聊天室的「房間」，每個「房間」都有編號。會員付費後，依照付費多寡，可以進到不同房間裡觀看女性裸露的不雅影像。房間裡的主角有許多是兒童或青少年，影片內容包含了性侵、性虐待等不堪入目的情節，甚至有的以直播的形式供會員觀賞。

這起駭人聽聞的性剝削事件，其實已經持續了數年之久，受害少女不計其數，凸顯了網路色情與誘騙氾濫的問題。究竟，這些不幸的孩子，是怎麼落入魔爪的呢？主嫌利用涉世未深的少女想快速賺錢的渴望，在網路上發布高薪兼職廣告，吸引許多有金錢需求的少女；主嫌再進一步要求他們提供個人資料或隱私裸照。如此，主嫌等於握有被害者的把柄了，便進一步要求少女錄下更多不雅影片，甚至約出來予以性侵。被害少女大多擔心自己的名譽不保，不敢不從，只能任憑主嫌擺布。事後有受害者向媒體表示，當時以為只要提供清涼照片，就能獲取大筆金錢，或者，以為只是單純的援交，沒想到，卻落到這般下場。

以網路做為誘騙或性剝削工具的事件在國內也時有所聞。不久之前，有位十四歲少女，在網路上認識三十一歲犯嫌。犯嫌以少女才華洋溢，想栽培她發展演藝事業為理由，哄騙少女離家，再把她囚禁於事先打造的夾層密室中。幸好警方快速偵破此案，少女得以平安返家。後來得知犯嫌專挑家境清寒的未成年少女下手，利用少女懵懂無知且一心致富的心態，誘騙上鉤。

復仇式色情

另一個值得關注的網路安全問題，是「復仇式色情」，常發生在情侶之間。

舉個常見的校園案例，小華與小明在學校社團中認識並交往，也常在校園中大方放閃。過一陣子，傳出兩人分手的消息。隔天，全校議論紛紛，原來，小華的私密影片被放到網路上瘋傳。才一個晚上，幾乎全校同學都看過這段影片，連別的學校的學生都知道這件事。

後來，學校調查得知，是小明不滿小華提出分手，心有不甘，便決定在網路上公開小華之前傳來的私密影片，以及兩人親熱時的影像。他決定來個玉石俱焚，做為報復。小華因此心理嚴重受創，她的世界在一夕之間崩解。一方面，光想到不計其數的同學正看著自己的身體品頭論足，覺得快要崩潰了。後來，又聽到同學的閒言閒語：「誰叫她當初要拍這些影片？」「是她自己活該！」「她就自己犯賤呀！」之類的話語，又是二度傷害。

我們確實很少考慮到以數位形式保存的資料，不論是聲音、圖片或影片，是如此容易被複製並散播，一旦放到網路上，就全面失控了。熱戀中的情侶，愛得死去活來，恨不得把自己的一切，毫無保留地獻給對方。萬萬沒想到分手後，那些當初「愛的證明」，竟成了對方遂行報復的武器。

保護個人資訊安全

我們不希望這樣的事件再度發生，但類似事件卻層出不窮。

為了避免孩子成為下一個受害者，建議家長可以善加利用這類新聞事件，與孩子討論網路安全與自我保護的話題。你需要明確地讓孩子知道一個觀念：「網路上是沒有祕密的」，所有的隱私都有被公開的可能，不只不該把私密資料放在網路上，更不可以告知任何人，包括信任的好朋友也是。

你或許可以這麼做，來保護孩子的個人資料與人身安全：

（一）如果可以的話，在孩子法定成年前，由你代為管理孩子的任何網路帳號。若孩子要新增或修改帳號內容，都需經過你的同意或由你代為操作。同時，定期為孩子更改帳戶密碼，避免遭駭。

（二）確保孩子接觸的網路內容符合年齡分級，盡可能不讓孩子接觸到風險性高或隱私控管不佳的網站。就算是一些常見的官方網站，若孩子需要輸入個人資料（姓名、身分證字號、住址、電話等）前，都需經過你的審核並同意。

（三）監督孩子的網路動態與行為。年紀較小的孩子，你需要知道他每次上網的內容，而大一點的孩子，你可以給予多一點的信任，但若察覺孩子出現任何異樣，仍該立即檢查帳戶，了解他在網路上是否惹上麻煩了。

（四）要求孩子養成「登出」的習慣。不論是在家中或使用外面的公用電腦，使用完畢一定要記得「登出」。要求孩子將「下次自動登入」的選項取消勾選，並選擇不讓瀏覽器存取帳戶資訊。

（五）時常提醒孩子，謹慎提防在網路上遇到的任何人，陌生人或認識的朋友師長亦然。告訴孩子，如果與網友互動時有任何不舒服，請相信自己的直覺，立刻終止互動，並向大人求助。請讓孩子知道你會幫助他，而不會責備他。

（六）提醒孩子「天下沒有那麼好的事！」如果有什麼好運、機會或財富從天而降，宣稱能輕鬆致富或讓你飛黃騰達，通常有詐，應立刻提高警覺。

（七）若有發現任何涉及色情、誘騙或性剝削的網站，請向相關單位檢舉或通報。臺灣展翅協會長期關注兒少上網安全問題，你可以進入其建置的「Web547」網站中檢舉不法網站或不當資訊。

至於，如何防範「復仇式色情」呢？

最簡單的方式，不是別把私密影像傳給對方，而是，根本不要拍下這類影像，連留著自己欣賞，都盡可能避免。再重申一次，所有以數位形式保存的內容，都能輕易被複製與流傳。不過，對方可能會因此抱怨：「不傳給我看，就是不夠愛我。」請教導孩子如何回應伴侶的情感勒索：「我認為，我們之間的愛情，不需要透過這種方式來證明。如果你愛我的話，請你尊重我。」 讓孩子知道，以尊重為前提的親密關係，才是健康的。如果對方仍死纏爛打，那麼，或許該認真考慮，是否還要繼續這段關係了。這是情感教育的一部分，而情感教育的核心，就是尊重自己與尊重他人。

——本文摘自《脫癮而出不迷網》，2022 年 1 月，圓神出版，未經同意請勿轉載。

• 文／邱彥哲｜雅文基金會聽語科學研究中心 助理研究員

「Hey, Siri!」「OK, Google!」你曾經對手上的行動裝置說話嗎？你會要求他回答什麼呢？受限於目前的技術，你可能不會得到非常滿意的答案，但至少你會聽到一陣悅耳如同真人的語音吧！這項現今習以為常的技術，其實背後是由很多知識累積而成的。今天，讓我邀請你擔任一日「語音設計師」，從語音合成的技術開始，接著了解人類使用者的聽覺偏好，最後探索不同族群對聆聽合成語音的差異吧！

語音合成（speech synthesis），是指以人工方式，製造出說話的聲音，可以理解為使機器裝置說出人話的技術。廣義來說，很多人也會把文字轉語音（Text to Speech，簡稱 TTS），含括在語音合成的範疇。

語音合成像樂高，但樂高有兩種！

早在 1970 年代，人類就已經開始嘗試讓機器說話了。構思如何讓機器說話這件事，最直接的方式就是請真人錄一段聲音，然後在指定的時機播放。不過，面對複雜的語言情境，我們不可能錄下所有可能的回應 ; 而且若要這樣做，也實在太沒效率。幸好，借助電腦運算技術，可以讓人類向自動生成語音邁進一大步。合成的方法可以分成兩大類，分別是單元選取合成（Unit Selection Synthesis）及參數合成（Parametric Synthesis）^[1]。

單元選取合成這種方法，是將某個語言的語音成分分別以人聲錄製起來，再根據需要的目標語音進行組合。簡單來說，如果需要機器說發出「八」的語音，就必須單獨錄製「ㄅ」跟「ㄚ」。這個技術聽起來直觀方便，但也有缺點。就是事先必須建立一個龐大的語音資料庫，這個資料庫必須包含一個語言所有語音成分，此外，還必須錄下這些語音成分在所有情境下的變化，光想起來就令人有點頭痛。

所以後者，參數合成，就顯得方便許多。這種方法，是直接將語音參數輸入電腦，讓電腦直接根據參數發出聲音，再組成語音。使用參數合成，就可以免去請人錄音的步驟，但直接使用電腦生成的語音，聽起來也會相對不自然。我們可以把這兩類方法想像成是在組合樂高，都是將語音成分一塊一塊組合起來，只是前者的樂高是自然材質（比如說木頭製），後者是人造材質（比如說塑膠）。

借助深度學習，電腦說話很自動

不過，無論是上述哪種方法，都還是需要不少的人工調校，才能使聲音逐步接近人類的語音。但還好，隨著電腦演算的進步，將深度學習（deep learning）運用在語音合成的領域，不但減少了人工成本，也大大提升的語音的擬人性。所謂深度學習，簡單來說就是一套模擬人類神經網絡的演算法。

使用這樣的演算法，設計者只需蒐集大量的語音資料，將資料「餵」給電腦，無須事先切分或分析，電腦便會自動學習其中的規律。如此一來，只要資料數量足夠龐大，電腦就可以自動產生符合自然規律且真實的語音。

但是，身為一位語音設計師，要進一步思考的是：「究竟要餵給電腦什麼呢？」這個問題又必須從使用者的角度來思考：「人類會偏好聆聽什麼樣的語音？」就像生產商品一樣，語音百百款，要能投其所好，才能讓使用者日日寸步不離，對吧！

聆聽也要投其所好，性別頻率最重要

關於合成語音的聆聽偏好，最先被討論的，是性別。雖然我們都知道機器沒有性別，但若希望他和人一樣跟你互動，投射性別是很自然的。不過有人就提出質疑：「為什麼我們的語音助理，都是女性的聲音呢？」美國西北大學梅迪爾傳播新聞整合行銷學院教授 Candy Lee 進行一項調查，測試了 8 種族裔的使用者，結果發現 64% 的人只偏好女性的聲音^[2]。

這樣看起來，預設為女性的聲音應該是沒問題的吧？不過，有人認為這是社會對「助理」的性別刻板印象所致；因為社會習慣女性作為「服務者」，所以在設計語音時，直覺地就挑選了女性聲音。雖然單就頻率方面，的確有研究指出，使用者確實是偏好頻率較高的合成語音^[3]，但若是一昧如此，也極有可能不斷複製性別偏見的印象^[4]。

有鑒於此，越來越多系統開始提供男性語音的選項。更甚者，哥本哈根研究團隊突發奇想，不以性別為選項，而是改以頻率作為調查標準。分析之後，他們得到一個最佳的頻率值──185 赫茲，設計出史上第一個無性別語音助理「Q」^[5]。如此一來，青菜蘿蔔各有所好，聆聽的偏好也朝著多元共好的目標邁進！

聽得舒服，語速考量不能少

解決的性別與頻率的問題，還得注意甚麼呢？專門研究輔助溝通系統（Augmentative and Alternative Communication，簡稱 AAC）的專家想到了語速的問題。輔助溝通系統可以簡單理解成「溝通輔具」，是用以輔助溝通障礙者溝通的工具; 簡單如圖卡，複雜如電子溝通板，都算是其中一員。而像是電子溝通板這類，以螢幕顯示圖片，點擊後可以播放語音的輔具來說，合成語音是很關鍵的技術。

這些溝通障礙專家想知道：「究竟什麼樣的語音速度，是最舒服的呢？」。

Sutton 與其研究團隊招募了 21 至 28 歲的年輕人與 61 至 79 歲的年長者，對合成語音進行語速評分^[6]。語速的計算方式，採用每分鐘幾個字（Words per minute，簡稱 WPM）計算。他們將合成語音調整成不同的語速，範圍介於 120 到 250WPM 之間。結果發現，無論年輕人或年長者，偏好的語速都落在 150 到 200WPM 之間 ; 而年長者則是相對年輕人偏好較慢的語速。這樣的範圍，其實與過去研究提出的人類平均語速，相去不遠^[7]。

如果想知道不同語速聽起來感受如何，可以到合成語音軟體 Speechify^[8]的網站試用，自行調整語速（以 WPM 計算），細細品味其中差異。或者，讓我為你朗讀，請聽示範（語速約 180WPM，內容為「我是彥哲，我是普通人。」）！ 

可見，語音合成的技術雖是極為理性的領域，但若要設計出美妙的語音，對人類感性的理解，也絕對不能偏廢。

合成語音聆聽不易，考量族群差異最貼心

「所以，我只要想辦法把語音設計得很像人類就可以了吧？」你可能會這樣想，不過這裡頭還少了一個部分。現代社會提倡多元，客製化當道，每個人使用同個產品的狀況必然會有差異。

其實，即使是一般人，聆聽並理解合成語音是比自然語音更加困難的。Winters 及 Pisoni 發表的回顧研究指出：由於合成語音的清晰度普遍較差，因此聆聽者通常需要動用更多的認知資源（像是電腦需要動用較多記憶體），以及更多高層次的語言知識來彌補語音訊息的不完整^[9]。如果對普通人來說是如此，對於某些特殊族群來說，想必有更加需要注意的地方。

比如說兒童。Mirenda 及 Beukelman 招募了成年人、10 至 12 歲以及 6 至 8 歲的兒童進行研究^[10]。參與者的任務，是要在聽完自然語音及合成語音播放的八個詞彙之後，再將這八個詞彙回憶並說出來，回答無須按照順序。結果研究者發現，兩組兒童無論聆聽自然或合成語音，回憶詞彙的表現都比成人還差 ; 對於兩組兒童而言，記憶合成語音的表現又更不理想。

由此可知，兒童本身的記憶能力就較成年人弱，在聆聽合成語音時，可以說是是難上加難。

另一個被探討的，是聽障族群。聽障族群最主要的困難，就在於聆聽。聆聽合成語音如果對聽常族群來說本來就比較困難，那對聽障族群應該是更加艱困的挑戰吧！Kangas 和 Allen 的研究^[11]回答了這個問題。研究者請年長聽障者聆聽自然語音與合成語音，並請他們在聆聽後寫出聽到的單字。結果可想而知，聽障者確實在聆聽合成語音的部分表現得比較差。

看完上面的狀況，身為語音設計師的你，在設計語音的時候，是不是也應該從使用者的背景差異去調整你的語音呢？也許是調整語音的頻率，也許是調整語速，也可能，也可能有更多領域需要探索。唯有這樣，才能朝充滿人性又個人化的智慧語音邁進。

怎麼樣？沒想到要設計語音，希望機器說出一句話，背後涉及理性的技術與感性的考量，非常不容易吧！看完之後，你還是可以輕鬆地要求你的行動裝置說個笑話，唱首歌給你聽，自娛娛人；但也千萬別忘記，多留點心思，給這人類文明的結晶致上敬意。一日語音設計師，功成身退！

1. 詹姆士・弗拉霍斯。(2019)。從說話機器人到聊天機器人。聲控未來：引爆購物、搜尋、導航、語音助理的下一波兆元商機(孔令新譯，頁104-137)。商周出版。
2. Marc Jacob.(2022/3/30). Medill Study Finds Preference for Female Voices and Local Accents. Northwestern Medill Local News Initiative.
3. 顏宏旭，楊麗平，宋慧宏。(2020)。聽眾對語音合成導覽裝置聲音偏好之探討。戶外遊憩研究。33(4)，83-107。
4. West, M., Rebecca K., & Chew H.E. (2019). I’d Blush if I Could: Closing Gender Divides in Digital Skills Through Education.UNESCO & EQUALS Skills Coalition.
5. GenderLess Voice. (2023/3/3) Meet Q [Web message].
6. Sutton, B., King, J., Hux, K., & Beukelman, D. (1995). Younger and older adults’ rate performance when listening to synthetic speech. Augmentative and Alternative Communication, 11(3), 147-153.
7. Walker, V. G. (1988). Durational Characteristics of Young Adults during Speaking and Reading Tasks. Folia Phoniatrica et Logopaedica, 40(1), 12–20.
8. Speechify. (2023/3/3) Speechify.
9. Winters, S. J., & Pisoni, D. B. (2004). Perception and comprehension of synthetic speech. Research on spoken language processing report, 26, 95-138.
10. Mirenda, P. & Beukelman, D.R. (1987). A comparison of speech synthesis intelligibility with listeners from three age groups. Augmentative and Alternative Communication, 3, 120-128.
11. Kangas, K.A. & Allen, G.D. (1990). Intelligibility of synthetic speech for normal-hearing and hearing impaired listeners. Journal of Speech and Hearing Disorders, 55, 751-755.