驗證流程這塊我看到最多人省，主觀聽起來像就當過了，但「像」跟「可用」其實是兩件事。

MOS 評估那步很多人省了。靠耳朵驗收的問題是，換個設備聽結論就完全不一樣，不是 model 差，是驗收標準沒定清楚。要進 production 的話，threshold 先定好，寫進 CI 自動跑，否則「感覺還行」就等著上線翻車。

voice cloning 這功能行銷端很有想像空間，但上線前有一關要先過：品牌聲音的授權誰來定、複製邊界在哪、萬一被外部濫用誰扛責任。技術坑填起來還有機會，品牌聲音出事了是 PR 危機，那個成本不一樣。

我這邊常見的坑是背景噪音被一起學進去，後面怎麼調都怪怪的。錄音環境真的比想像中重要。