# 人類來源預設的崩解：合成媒體滲透、感知證據降級與後真實介面的形成

## ——從數字人、合成語音到日常媒體環境的靜默相變

**作者：Neo.K（EveMissLab）**  
**版本：Public v1.0**  
**日期：2026 年 7 月 29 日**

> **AI 協作揭露**：本文的核心問題、理論方向、概念命名與主要判斷由作者提出，並使用生成式 AI 協助重新檢索公開資料、整理研究結果、建立形式模型、撰寫初稿與進行結構校對。本文不主張所有人已無法辨識所有 AI 影音，也不將合成內容直接等同於欺騙。文中判斷、來源選擇、版本發布與公開責任由人類作者承擔。

---

## 摘要

生成式人工智慧對媒體環境的影響，經常被想像成一場可被明確辨認的巨大衝擊：高度逼真的政治深偽、完全取代真人的虛擬明星，或某個全民突然意識到「眼見不再為憑」的歷史時刻。然而，合成媒體的實際擴散更可能以安靜、日常且低戲劇性的形式發生。數字人主持商品介紹，合成語音朗讀科普內容，自動生成的角色講解健康知識，無真人拍攝的短影音大量進入平台推薦系統。每一項內容單獨看來都不足以構成重大事件，但它們共同改變了人類日常接觸的媒體來源結構。

本文將人類長期使用的一項隱含認知規則稱為「人類來源預設」：當影像呈現自然的人臉、身體、聲音與互動時，觀看者通常預設其背後存在一個真實人類，而不會主動進行來源驗證。隨合成媒體品質提高，這項由外觀推論來源的規則開始失效。人類可能把 AI 生成的人物當作真人，也可能因為知道深偽存在，而把真實影音誤判為 AI。由此形成的不是單向欺騙，而是「雙向真實性錯誤」與整體媒體信任的重新分配。

本文提出來源認知滯後、感知證據降級、靜默滲透、表象—來源解耦及後真實介面等概念，並區分人物存在、事件發生、語句來源與命題正確性。本文主張，AI 生成不等於欺騙；真正的治理問題在於是否冒充、是否揭露、內容是否正確、來源是否可追溯及發布者是否可問責。未來的信任機制也不能只依賴肉眼辨識或單一偵測器，而必須由可見揭露、機器可讀來源紀錄、平台脈絡、交叉證據與責任制度共同構成。

本文最後指出，所謂「後真實介面」並非真實完全消失，而是媒體表象不再能單獨透露其生成來源。AI 衝擊最早發生之處，可能不是人類公開承認自己正在與 AI 互動，而是大量人類已在不知情的情況下，把非人類生成的表象當作普通的人類現實。

**關鍵詞：** 合成媒體、數字人、深偽、AI 語音、人類來源預設、感知證據、來源溯源、後真實介面、媒體信任

---

## 一、問題提出：AI 衝擊為何看起來沒有發生？

人工智慧的社會衝擊經常被描述為一個未來事件。人們期待看到：

- 一名無法分辨真假的虛擬政治人物；
- 一場大規模深偽選舉攻擊；
- 一位完全由 AI 營運的世界級明星；
- 一次讓所有人同時意識到媒體證據失效的危機；
- 或一個明確宣告「合成媒體時代已經開始」的日期。

但技術滲透通常不以這種方式發生。

合成影音可能先出現在：

- 短影音科普；
- 商品介紹；
- 遊戲及娛樂角色；
- 多語言配音；
- 虛擬客服；
- 教學旁白；
- 低成本新聞摘要；
- 自動化社群帳號；
- 大量風格一致的故事或知識頻道。

英國資訊專員辦公室在 2025 年的技術展望中，已將合成影像、影音與語音視為娛樂、廣告及個人化內容中的現實應用，而非單純的未來風險。[1]

因此，真正的轉變不是：

$$
\text{AI 媒體不存在}
\rightarrow
\text{AI 媒體突然全面存在}
$$

而更接近：

$$
S(t)
=
\sum_{i=1}^{n}
s_i(t)
$$

其中每一個 $s_i(t)$ 都只是一次局部、普通且不顯眼的合成內容使用。當累積量 $S(t)$ 超過某個社會閾值時，媒體環境已經改變，但多數人未必知道相變何時發生。

本文將此稱為：

> **合成媒體的靜默相變。**

---

## 二、人類來源預設

在傳統媒體環境中，一段自然的人類影音通常來自：

1. 真實的人類存在；
2. 某個攝影或錄音裝置；
3. 一段實際表演或談話；
4. 後續剪輯與發布。

因此，人類形成了一項有效率的捷徑：

$$
\text{具有人類表象}
\Rightarrow
\text{具有人類來源}
$$

本文將其稱為「人類來源預設」。

設一段媒體內容為 $m$ 。使用者在缺乏警訊時，可能具有：

$$
P(H\mid m)\approx1
$$

其中 $H$ 表示「內容背後存在與表象對應的真人來源」。

這項預設在過去大多數日常場景中具有足夠高的成功率，因此人類沒有必要對每一段影音重新驗證來源。觀看者也通常不會主動問：

- 這個人是否存在？
- 這個聲音是否屬於畫面中的人？
- 這些表情是否由人類實際表演？
- 這段話是否真的被說過？
- 這個帳號是否由真人持續經營？

合成媒體改變的不是人類是否擁有辨識能力，而是使這項預設的統計基礎逐漸失效。

新的關係是：

$$
\text{具有人類表象}
\not\Rightarrow
\text{具有人類來源}
$$

當社會仍依賴舊推論時，就會產生來源認知滯後。

---

## 三、來源認知滯後

設某一媒體環境中，實際由 AI 全部或部分生成的內容比例為：

$$
P_A(t)
$$

而一般使用者主觀估計的 AI 內容比例為：

$$
\widehat{P}_A(t)
$$

則來源認知滯後可以表示為：

$$
L_S(t)
=
P_A(t)-\widehat{P}_A(t)
$$

當：

$$
L_S(t)>0
$$

使用者會系統性低估自己遇到合成內容的機率。

從貝葉斯角度看，使用者判斷內容是否為 AI 的後驗機率為：

$$
P(AI\mid E)
=
\frac{
P(E\mid AI)P(AI)
}{
P(E)
}
$$

其中 $E$ 是嘴型、表情、光線、語調、停頓、字幕與剪輯風格等線索。

即使某個線索偏向 AI，只要使用者的先驗值 $P(AI)$ 極低，他仍可能把異常解釋成：

- 影片壓縮；
- 美顏濾鏡；
- 不自然的真人演技；
- 特殊配音；
- 剪輯問題；
- 非母語者的口音；
- 主播個人風格。

因此，有些人把數字人當真人，未必是因為內容完全沒有缺陷，而是因為他們根本沒有啟動「來源可能不是人類」這項判斷。

---

## 四、人類辨識能力沒有單一答案

討論合成媒體時，容易出現兩種過度簡化：

> 人類已經完全無法辨識 AI。

或：

> 只要仔細看，仍然很容易發現。

現有研究顯示，兩者都過於絕對。

2026 年一項涵蓋 1,664 名參與者的 AI 人像辨識研究，使用 2025 年中期的生成模型，得到整體平均約 $85.2\%$ 的辨識率；但結果受到年齡、裝置、AI 接觸經驗與自信程度影響，在手機上和較高年齡群體中的表現較差，不同生成模型的難度也不同。[2]

另一項 2026 年的 PNAS 研究指出，AI 人臉已逼真到一般觀看者不能穩定可靠地辨別，但經過針對性訓練後，辨識表現可以明顯改善。[3]

這說明：

$$
D_H
=
f(
M,G,Q,C,T,U
)
$$

其中：

- $M$ ：媒介類型；
- $G$ ：生成模型；
- $Q$ ：內容品質；
- $C$ ：觀看情境；
- $T$ ：辨識訓練；
- $U$ ：使用者因素。

所以不能把某一個百分比推廣到所有數字人、影片與族群。

真正可以較穩健地成立的命題是：

> **人類不能只依賴表象品質，穩定地推斷所有合成媒體的來源。**

---

## 五、語音中的真人感也已可以被合成

語音長期被視為具有高度人格性。音色、呼吸、停頓、猶豫、情緒與填充詞，都被人類當作真人存在的線索。

但語音模型正在複製這些線索。

2025 年的 PLOS ONE 研究發現，受測的語音複製在實驗條件下已能達到與真人聲音難以區分的程度，意味著合成聲音可能引發與真人聲音相近的社會感知效果。[4]

2026 年一項小型語音詐騙情境研究讓 22 名參與者判斷 16 段真人及 AI 語音，平均正確率為 $37.5\%$ 。其中多數 AI 片段被判定為真人，同時多數真人片段也曾被判定為 AI。研究規模很小，不能代表全部人口，但它展示了停頓、填充詞、節奏與情緒等傳統真人線索已可能被合成，且受試者即使判斷錯誤也常具有中高信心。[5]

更大規模的 2026 年預印本蒐集了 1,768 名參與者的 35,532 次判斷，發現與 2021 年基準相比，人們辨識假語音的正確率變化不大，但辨識真人語音的正確率下降。研究者將其解釋為懷疑方向的轉移：人們不只是會相信假聲音，也開始不相信真聲音。[6]

因此，語音問題已從：

$$
\text{AI 能否模仿真人}
$$

逐漸轉向：

$$
\text{人類還能否把真人感當作來源證據}
$$

---

## 六、雙向真實性錯誤

合成媒體的風險通常被描述成單向錯誤：

$$
AI\rightarrow Human
$$

也就是把 AI 內容當成人類內容。

但當社會知道 AI 可以製造逼真影音後，會產生反方向的錯誤：

$$
Human\rightarrow AI
$$

也就是把真實影音當作 AI。

令：

- $E_{AH}$ ：AI 內容被判定為真人；
- $E_{HA}$ ：真人內容被判定為 AI。

則總真實性錯誤為：

$$
E_T
=
E_{AH}+E_{HA}
$$

第一種錯誤有利於冒充、詐騙與虛構權威；第二種錯誤則讓真實證據更容易被否認。

這也說明，深偽造成的傷害不只是「讓假的看起來像真的」，而是：

> **破壞人類對真與假的兩側校準。**

當 $E_{AH}$ 與 $E_{HA}$ 同時上升時，社會可能不再擁有一個穩定的感知型證據基準。

---

## 七、感知證據降級

照片、錄音與影片之所以具有特殊的證據力量，是因為它們被視為事件留下的物理痕跡。

傳統推論近似於：

$$
\text{存在影音}
\Rightarrow
\text{存在對應事件}
$$

但生成技術使影音可以在缺乏對應事件時被建立：

$$
\text{存在影音}
\not\Rightarrow
\text{存在對應事件}
$$

本文將這種變化稱為「感知證據降級」。

降級不是指所有影音都失去證據價值，而是指：

$$
W_{\mathrm{media\ alone}}\downarrow
$$

其中 $W_{\mathrm{media\ alone}}$ 是單一媒體工件獨立證明來源與事件的權重。

可信判斷需要加入：

$$
W_T
=
W_M
+
W_P
+
W_C
+
W_A
$$

其中：

- $W_M$ ：媒體內容本身；
- $W_P$ ：來源與編輯歷程；
- $W_C$ ：其他證據與脈絡一致性；
- $W_A$ ：發布者與責任主體。

這意味著未來的證據文化將逐漸從：

> 我看見了，所以發生過。

轉向：

> 我看見了，而且來源鏈、交叉證據及責任主體共同支持它曾發生。

---

## 八、人物存在、事件存在與命題正確必須分離

面對合成媒體，不能只問「這是真的還是假的」。

至少應拆成四個不同問題：

### 8.1 人物存在

$$
R_P(m)
$$

畫面中的人物是否存在於現實世界？

### 8.2 事件存在

$$
R_E(m)
$$

畫面所呈現的事件是否真的發生？

### 8.3 語句歸屬

$$
R_S(m)
$$

這段話是否真的由該人物說出？

### 8.4 命題正確

$$
R_C(m)
$$

內容所表達的知識或主張是否正確？

四者彼此不能直接推出：

$$
R_P
\not\Rightarrow
R_E
\not\Rightarrow
R_S
\not\Rightarrow
R_C
$$

例如：

- 不存在的數字人可以說出正確科普；
- 真實人物的影像可以被合成為其從未做過的行為；
- 真人可以在真實影片中說出錯誤內容；
- AI 旁白可以準確朗讀經過審核的正式教材。

因此：

$$
\text{Synthetic}
\not\Rightarrow
\text{False}
$$

同樣：

$$
\text{Human-made}
\not\Rightarrow
\text{True}
$$

治理的真正焦點不應只是內容是否由 AI 生成，而應包括：

- 是否冒充；
- 是否清楚揭露；
- 是否具有知識錯誤；
- 是否侵犯人格與生物識別權益；
- 是否能追溯來源；
- 是否有責任主體。

---

## 九、合成媒體的靜默滲透

社會衝擊通常在出現明顯損害後才被命名。但合成媒體的主要滲透可能發生於低風險、低注意力和高頻率的內容中。

令每項合成內容造成的即時可見衝擊為：

$$
I_i
$$

若每一項都很小：

$$
I_i<\epsilon
$$

人們不會把它視為重大技術事件。

但整體結構變化取決於：

$$
I_{\mathrm{total}}
=
\sum_{i=1}^{n}
I_i
$$

以及：

$$
P_{\mathrm{exposure}}
=
1-\prod_{i=1}^{n}(1-p_i)
$$

其中 $p_i$ 是個人接觸第 $i$ 類合成內容的機率。

當內容類型與平台供給增加，即使每項接觸機率不高，個人至少接觸一種合成媒體的總機率仍會快速提高。

這就是「靜默滲透」：

> 每一次接觸都很普通，但整體媒體生態已不再以人類生產為預設。

---

## 十、後真實介面的形成

本文所稱的「後真實介面」，不是指客觀真實已經消失，也不是主張所有內容都不可相信。

它指的是：

> 媒體介面所呈現的外觀，已不足以告知使用者內容由何種主體、何種流程和何種事件產生。

設媒體表象為：

$$
A(m)
$$

實際生成來源為：

$$
O(m)
$$

傳統環境中，兩者具有較強關係：

$$
A(m)\approx O(m)
$$

在合成媒體環境中：

$$
A(m)\perp O(m)
$$

其中 $\perp$ 表示表象和來源可以大幅解耦。

相同的真人表象，可以來自：

- 真人拍攝；
- 真人加濾鏡；
- 臉部替換；
- 數字人驅動；
- 完整文生影片；
- 人類和 AI 的多層混合流程。

所以使用者面對的是一個「來源不可直接見」的介面。

後真實介面的核心不是虛假，而是**來源不透明性**。

---

## 十一、說謊者紅利與真實性否認

當公眾普遍知道深偽存在，真實事件的當事人也可能聲稱：

> 那是 AI 生成的。

這種利用媒體懷疑來否認真實證據的現象，通常被稱為「說謊者紅利」。

但現有研究對其強度並非完全一致。一些實驗顯示，單純宣稱影音是深偽未必足以讓所有人否認自己看到的內容；效果會受到政治認同、來源、既有態度及否認方式影響。因此，不能假設任何人只要說「這是 AI」就必然成功逃避責任。

更合理的表述是：

$$
P(\text{否認成功})
=
f(
D,S,I,C,M
)
$$

其中：

- $D$ ：否認敘事；
- $S$ ：否認者與媒體來源；
- $I$ ：受眾既有立場；
- $C$ ：交叉證據；
- $M$ ：媒體本身的可信程度。

即使單次否認不一定成功，合成媒體普及仍增加了否認真實證據的可用話語資源。長期風險不是每一次否認都有效，而是公共討論更容易從「事件是否發生」滑向無止境的來源爭議。

---

## 十二、人類與 AI 風格的相互收斂

合成媒體不只模仿人類；人類也會反過來適應平台與生成工具所偏好的形式。

可能形成以下循環：

$$
\text{人類內容}
\rightarrow
\text{AI 學習}
\rightarrow
\text{平台大量分發}
\rightarrow
\text{人類模仿高效生成風格}
$$

真人創作者可能逐漸採用：

- 規律語速；
- 平整語調；
- 高密度字幕；
- 制式化開場；
- 固定鏡位；
- 高頻剪輯；
- 可批次生產的腳本結構。

結果是：

$$
D(\text{Human style},\text{AI style})\downarrow
$$

當風格距離下降，「這看起來很像 AI」將更難作為來源判斷。

真人內容可能被誤認為 AI，AI 內容也可能因採用人類的不完美特徵而更具真人感。人與 AI 的媒體風格將形成相互適應，而非單向模仿。

---

## 十三、為何肉眼辨識不能成為主要治理制度？

教育人類辨識合成媒體仍有價值。PNAS 的訓練研究顯示，針對性回饋可以提高人臉辨識準確率。[3]

但肉眼辨識無法成為唯一制度，原因包括：

1. 生成模型會持續更新；
2. 可疑特徵可能很快被修正；
3. 不同媒介使用不同線索；
4. 壓縮、剪輯與低畫質會破壞偵測線索；
5. 年齡、裝置及經驗造成顯著差異；
6. 真人也可能具有被誤認為 AI 的風格；
7. 高信心不代表判斷正確。

自動偵測器同樣不是完整答案。2025 年針對真實政治深偽的研究指出，許多在實驗資料上表現良好的偵測器，面對社群平台上的真實案例及簡單變形時，泛化能力仍有限。[7]

因此：

$$
\text{Human Detection}
+
\text{Machine Detection}
\neq
\text{Complete Authenticity}
$$

兩者都只能提供風險訊號，而不是單獨證明來源。

---

## 十四、來源溯源的價值與限制

C2PA 建立了一套開放技術標準，用於記錄數位內容的來源與編輯歷程。其方向是讓媒體攜帶可機讀的內容憑證，使使用者與平台能檢查內容由何種裝置或工具產生、是否被修改及由誰簽署。[8]

歐盟《人工智慧法》也要求生成合成影音的系統提供者，使輸出能以機器可讀方式被辨識；對構成深偽的影像、聲音與影片，部署者原則上應揭露內容經人工生成或操縱。[9]

這代表治理正在從：

$$
\text{猜測像素是否異常}
$$

轉向：

$$
\text{檢查內容生產履歷}
$$

但來源紀錄不等於真實。

$$
\operatorname{Provenance}(m)
\not\Rightarrow
\operatorname{Truth}(m)
$$

一段具有完整來源紀錄的真人影片仍可能說謊；一段沒有 C2PA 資料的影片也不必然是偽造。

2026 年一項對 C2PA 的獨立安全分析更認為，現行規格尚不足以單獨滿足部分高風險來源驗證目標，不宜在新聞、金融及法律證據場景中被視為充分保證。該研究肯定來源技術方向，但警告過早依賴可能製造錯誤安全感。[10]

所以，來源溯源是必要基礎設施之一，而不是最終真理機器。

---

## 十五、合成媒體信任堆疊

本文提出五層合成媒體信任堆疊：

$$
\mathcal{T}_M
=
\langle
D,P,C,A,L
\rangle
$$

其中：

- $D$ ：Disclosure，可見揭露；
- $P$ ：Provenance，來源與編輯歷程；
- $C$ ：Context，平台與發布脈絡；
- $A$ ：Accountability，責任主體；
- $L$ ：Lateral evidence，橫向交叉證據。

### 15.1 可見揭露

普通使用者應能立即知道：

- 是否為完整生成；
- 是否使用數字人；
- 是否為聲音複製；
- 是否對真人進行臉部或語音替換。

### 15.2 機器可讀來源

內容憑證應保留：

- 生成工具；
- 模型或裝置；
- 時間；
- 編輯歷程；
- 簽署者。

### 15.3 平台脈絡

平台應顯示：

- 帳號性質；
- 發布者歷史；
- 是否大量自動生成；
- 是否涉及健康、金融、政治等高風險領域。

### 15.4 責任主體

即使畫面人物不存在，也必須存在一個可追責的發布者、機構或操作者。

### 15.5 交叉證據

高風險事件不能只依賴單一影片，而應尋找：

- 多角度影像；
- 原始發布；
- 現場紀錄；
- 裝置簽章；
- 可信機構確認；
- 可驗證的時間與位置證據。

---

## 十六、七項通用命題

### 命題一：人類來源預設崩解命題

人類表象不再能充分推出人類來源。

$$
A_H(m)
\not\Rightarrow
O_H(m)
$$

### 命題二：來源認知滯後命題

合成媒體在實際環境中的滲透速度，可能高於普通使用者更新來源先驗的速度。

$$
P_A(t)>\widehat{P}_A(t)
$$

### 命題三：感知證據降級命題

影像與聲音仍可構成證據，但不再能僅憑表象獨立證明來源與事件。

### 命題四：雙向真實性錯誤命題

合成媒體不只使 AI 內容被當成真人，也使真實內容更容易被懷疑為 AI。

$$
E_T=E_{AH}+E_{HA}
$$

### 命題五：生成—欺騙分離命題

合成來源不是虛假或欺騙的充分條件；冒充、錯誤、隱匿及不可問責才是主要風險變數。

### 命題六：後真實介面命題

當媒體表象與生成來源高度解耦時，使用者無法只從介面判斷背後存在何種主體與事件。

### 命題七：來源型信任遷移命題

可信度將逐漸由感官逼真度，遷移至揭露、來源、脈絡、責任與交叉證據的組合。

---

## 十七、結論

合成媒體時代未必會以一場明確的大事件開始。

它可能已經透過數字人、合成語音、AI 科普、虛擬主播、廣告角色與自動化短影音，安靜地進入日常生活。部分人仍能辨認某些數字人，部分人已經無法分辨特定影像或語音；更關鍵的是，許多人根本沒有意識到自己需要進行來源判斷。

因此，真正開始崩解的不是人類所有辨識能力，而是這項舊規則：

$$
\text{像人}
\Rightarrow
\text{是人}
$$

在新的媒體環境中，更合理的規則是：

$$
\text{像人}
\Rightarrow
\text{可能來自真人、AI 或混合流程}
$$

這項改變會使照片、錄音與影片的證據地位下降，但不會讓真實本身消失。未來的社會必須以更複雜的方式建立信任：不只觀看表象，也檢查來源；不只詢問內容由誰說，也判斷所說內容是否正確；不只標記 AI，也確保有人能為內容負責。

這個時代真正諷刺的地方，不只是 AI 終於能模仿人類，而是：

> 人類仍然把「具有人的樣子」當作「背後一定存在真人」的證明。

當合成媒體已經進入日常資訊環境，而社會認知仍停留在舊媒體時代，AI 衝擊便會呈現一種奇特狀態：

> 技術相變已經發生，文化相變尚未被普遍承認。

所以，AI 衝擊最先發生之處，不一定是人類公開承認自己正在與 AI 互動，而是大量人類在不知情的情況下，已經開始把 AI 生成的表象當作普通的人類現實。

---

## 參考文獻

1. Information Commissioner’s Office. *Tech Horizons Report 2025: Synthetic Media and Its Identification and Detection*. 2025.
2. Kim, S., & Kim, S. *Human Factors in Detecting AI-Generated Portraits: Age, Sex, Device, and Confidence*. arXiv:2603.24048, 2026.
3. Dawel, A., George, T., Mah, E. Y., et al. “Training Humans to Detect AI-Generated Faces.” *Proceedings of the National Academy of Sciences*, 2026. DOI: 10.1073/pnas.2602122123.
4. Barrington, L., Cooper, E., & Farid, H. “Voice Clones Sound Realistic but Not (Yet) Hyperrealistic.” *PLOS ONE*, 20(9), e0332692, 2025.
5. Bhatti, Z. H., et al. *Can You Tell It’s AI? Human Perception of Synthetic Voices in Vishing Scenarios*. arXiv:2602.20061, 2026.
6. Müller, N. M., & Choong, W. H. *Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception*. arXiv:2605.26136, 2026.
7. Lin, G., Lin, L., Walker, C. P., Schiff, D. S., & Hu, S. *Fit for Purpose? Deepfake Detection in the Real World*. arXiv:2510.16556, 2025.
8. Coalition for Content Provenance and Authenticity. *C2PA Technical Specification*, Version 2.4.
9. European Union. *Regulation (EU) 2024/1689: Artificial Intelligence Act*, Article 50.
10. Golaszewski, E., et al. *Verifying Provenance of Digital Media: Why the C2PA Specifications Fall Short*. arXiv:2604.24890, 2026.
11. Köbis, N., Doležalová, B., & Soraperra, I. “Fooled Twice: People Cannot Detect Deepfakes but Think They Can.” *iScience*, 2021.
12. Hancock, J. T., & Bailenson, J. N. “The Social Impact of Deepfakes.” *Cyberpsychology, Behavior, and Social Networking*, 2021.

---

## 建議引用格式

Neo.K（2026）。〈人類來源預設的崩解：合成媒體滲透、感知證據降級與後真實介面的形成——從數字人、合成語音到日常媒體環境的靜默相變〉。EveMissLab，Public v1.0。