AI變聲詐騙2萬人受害，人聽得出合成語音嗎？實驗室研究：只能抓出73%

如果你也在交友軟體上遇過聊得火熱、卻總覺得哪裡怪的網友，這篇值得你讀完。據公視新聞報導，檢方 2026 年 9 月偵結起訴一個 57 人的詐騙集團：自 2022 年起，他們用 AI 變聲軟體偽裝女聲在交友軟體上談感情，受害者超過 2 萬人、損失逾 9 億元，集團內還有工程師負責設計這套軟體。說來諷刺，連詐騙集團也完成了數位轉型。案情就講到這裡；這篇真正想回答的，是案件背後的科學問題：人耳為什麼靠不住？

人耳有多不可靠？科學給了數字

你可能覺得自己聽得出來。2023 年倫敦大學學院（UCL）發表在《PLOS ONE》的一項受控實驗，找來 529 名受試者，分成兩種情境：單獨聽一段音檔時，整體判斷正確率 70.35%，認出合成語音的比例是 73%；真假兩段並排比較時升到 85.59%。講白話，單獨聽的時候，每四句合成語音約有一句被當成真人；而現實裡你不會剛好有「確定是本人」的對照音檔。這個實驗測的是合成語音短音檔，和詐騙現場的情境不完全相同；研究團隊自己也預期，合成演算法越逼真，辨識會越難。研究同時測了英語和中文，結果相近；事前先聽過幾段深偽範例的受試者，表現平均也只提升 3.84 個百分點。這篇論文的標題本身就是一句警告：人類無法可靠地辨識語音深偽。

複製一個人的聲音，只要幾秒鐘

為什麼防不勝防？因為門檻低得驚人。2023 年發表的語音合成模型 VALL-E，論文摘要明寫只需要 3 秒鐘的錄音樣本，就能合成出那個人的個人化語音。翻成人話：AI 聽你講三秒鐘的話，就能用非常接近你的聲音，念出你沒說過的新句子。理論上，你在社群上發過的任何一段清楚人聲，都可能成為素材。

所以，怎麼驗證對面是不是真人？

這起案件真正動搖的，是「身分驗證」的未來。我們一直把聲音當成身分的一部分：家人憑一句「喂」認出彼此，許多服務也拿聲音確認你是你。當複製一個人的聲音只要幾秒鐘，所有把「聲音等於本人」當前提的系統與習慣，都得重新設計。從今以後，「聽起來像」不再是證據。耳朵靠不住，就換管道驗證。自稱親友來電借錢，掛掉後用你原本存的號碼回撥；網路認識的對象一談到錢、投資、代購就停下來；更進一步，和家人約定只有彼此知道的通關暗號。懷疑被騙，先打 165 反詐騙專線。真感情不會急著要你匯款；會急的，通常是劇本。辨識技術還會演進，但在那之前，別用耳朵做決定。

資料來源
公視新聞網（2026-09-02）：以AI變聲愛情詐騙逾9億 黃姓夫婦遭求刑25年、18年 https://news.pts.org.tw/article/825232
Mai, K. T. 等（2023）Warning: Humans cannot reliably detect speech deepfakes，PLOS ONE，DOI：10.1371/journal.pone.0285333。https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0285333
Wang, C. 等（2023）Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers（VALL-E），arXiv。https://arxiv.org/abs/2301.02111
內政部警政署 165 反詐騙諮詢專線官方網站（編輯補充，非上述論文內容）。https://165.npa.gov.tw/