網站無障礙粵語朗讀：視障用戶聽得到你嘅內容

一句答你： 網站無障礙語音朗讀嘅門檻，唔在於技術，而在於「有冇把內容讀得啱粵語」。視障用戶用讀屏軟件上你嘅網站，如果內容係粵語書面語甚至口語字，普通話語音引擎會讀到一塌糊塗。加一層粵語朗讀，先至真正聽得到。

Key Takeaways

• 無障礙朗讀嘅第一步唔係加功能，係「有冇粵語版本嘅語音」。
• 視障用戶用讀屏軟件，遇到粵語口語字（嘅、咗、喺、唔）時，普通話引擎會讀錯或讀唔到。
• 語音朗讀可以做三層：全頁朗讀、重點朗讀、即選即讀。
• 內容為「聽」而寫：句子短、重點前、避免視覺化表述（「見下圖」）。
• 成本可控：一篇 2,000 字符嘅文章，用入門方案生成約 HK$1.28。

網站無障礙同語音朗讀嘅關係

無障礙（accessibility）嘅核心目標好簡單：令所有人都可以用得到你嘅網站。 視障用戶、長者、讀寫障礙用戶，呢一群人使用網站嘅主要方式係「聽」——用讀屏軟件（screen reader）將畫面內容讀出嚟。

問題係，讀屏軟件「讀得出」唔等於「讀得啱」。香港嘅網站好多內容係中文，而中文讀屏軟件預設用普通話發音。當內容入面出現粵語特有嘅字詞——「嘅」、「咗」、「喺」、「唔」、「係」、「嗮」——普通話引擎基本上讀唔出正確意思，甚至會停頓、亂讀。

結果就係：視障用戶聽你嘅內容，聽到一段斷斷續續、意思唔通嘅聲音。技術上「無障礙」達標，實際體驗完全唔合格。

呢個就係粵語網站特別需要「語音朗讀」嘅原因：唔係加一個新功能，係補一個基本缺口。

粵語朗讀點解唔可以求其用普通話引擎

要理解呢點，要由粵語嘅語言特性講起。粵語同普通話嘅差異，唔止「口音唔同」咁簡單，而係三層結構性差異：

一、字詞層：粵語有獨有嘅字

粵語書面記錄用大量獨有字：「嘅」（的）、「咗」（了）、「喺」（在）、「唔」（不）、「係」（是）、「嗮」（全部）、「啲」（些）。呢啲字普通話系統根本冇對應讀音，或者讀成完全唔同嘅字。一句「我哋今日去咗邊度」，普通話引擎會讀到莫名其妙。

二、聲調層：粵語有六個實用聲調

粵語有九聲六調，普通話只有四個調。同一個音節配唔同聲調，係唔同嘅字。普通話引擎用四調系統去讀粵語，就算讀得出音，聲調都會錯，聽起嚟就係「唔係廣東話」。

三、詞序層：粵語語法同普通話唔同

粵語有自己嘅語序同慣用講法：「你食咗飯未」對應普通話「你吃飯了嗎」。就算逐個字讀啱，語序同語氣都唔同。更關鍵係，視障用戶日常聽慣嘅係粵語，用普通話讀粵語內容，等於畀佢聽一種「半鹹半淡」嘅語言。

三層差異加埋，結論好清楚：要服務講粵語嘅視障用戶，一定要用粵語語音引擎。 語音合成嘅完整背景，可以睇粵語 TTS 點樣提升無障礙體驗。

三個無障礙語音層次

網站加語音朗讀，唔一定要一次過做全套。實務上分三層，可以由淺入深：

第一層：全頁朗讀

喺文章頁加一個「聽呢篇」按鈕，撳一下由頭讀到尾。呢層最簡單，回報最直接：視障用戶同長者可以選擇「聽」而唔係「睇」。生成嘅方式係將文章正文交去粵語語音引擎，出一條聲帶，掛喺頁面度播。

第二層：重點朗讀

並非所有內容都需要全篇讀。表單、提示、錯誤訊息、重要通知呢啲關鍵位，可以逐段提供語音。例如提交失敗時，除咗文字提示，仲有一句語音：「唔好意思，你嘅電郵格式唔啱，請再填一次。」呢層對「操作型」頁面特別有用。

第三層：即選即讀

用戶揀邊段就讀邊段。呢層最靈活，但技術要求最高，通常需要配合前端朗讀組件。起步階段唔一定要做到，可以由第一、二層做起。

三層之間唔係「越深越好」，而係按網站性質揀。資訊型網站（文章、公告）先做全頁朗讀；工具型網站（表單、申請）先做重點朗讀。

技術點：朗讀功能點接

實作上，粵語朗讀有兩條路：

一、預生成聲帶。 文章或者公告發佈時，同時生成一條粵語聲帶，存起嚟掛喺頁面播。呢條路嘅好處係穩定、可控、唔受用戶裝置影響；缺點係內容更新要重新生成。適合文章、公告呢類「發佈後唔常改」嘅內容。

二、即時合成。 用戶撳朗讀嗰刻即時生成。呢條路靈活，適合變化頻繁嘅內容；但要求網絡同引擎即時響應。實際部署可以兩者混合：常態內容預生成，動態內容即時合成。

生成嘅字符計法好直接：一篇 2,000 字符嘅文章，用入門方案（每千字符 HK$0.64）生成一次約 HK$1.28。開戶有每月 5,000 字符（月月重置）試用額度，足夠試一篇完整文章嘅朗讀效果。

需要留意嘅係「朗讀專用文字」。直接將畫面文字讀出嚟，有時會讀到一啲對聽眾冇意義嘅內容（例如「撳此處」嘅連結文字）。理想做法係為朗讀準備一份「聽覺版本」文字，將視覺元素轉成口語描述。呢部分下面會講。

內容設計：畀「聽」而唔係「睇」

無障礙朗讀嘅成敗，一半以上取決於內容寫法。以下係五條針對「聽覺讀者」嘅寫作原則：

一、句子要短。 聽覺係線性嘅，講完一句就過去，唔似閱讀可以回頭。一句過長嘅句子，聽眾記唔住開頭。目標係一句一個意思。

二、重點要前。 寫嘢可以「層層鋪墊」，講嘢唔得。重點資訊放句子開頭，聽眾先至抓得到。

三、避免視覺化表述。 「見下圖」、「如上表所示」、「右邊嗰個掣」——呢啲對視障用戶完全無意義。要改成「以下會講」、「呢個功能係」。

四、連結文字要具體。 「撳此處」讀出嚟冇資訊。應該寫「撳呢度睇申請流程」，令聽眾知道撳落去會去邊。

五、讀音要核。 專有名詞、地名、產品名，生成之後試聽一次。錯音喺文字度唔覺，讀出嚟好明顯。

呢五條原則，其實同「長者友善」嘅語音設計高度重疊。長者用戶同樣面對「聽得慢、記唔住長句」嘅問題。長者友善嘅完整五要點，長者友善粵語語音介面設計指南有更系統嘅講法。

用一把聲建立信任

無障礙朗讀嘅聲線，建議用穩定、清晰、中性嘅粵語聲線。視障用戶日日聽你嘅內容，一把固定嘅聲會建立熟悉感同信任——佢哋認得「呢個就係你個網站把聲」。

唔建議每次都換聲，亦唔建議用太有戲劇性嘅聲。朗讀嘅目標係「清楚、舒服、聽得久」。呢個原則同品牌聲線一致：定一把聲，長期用。品牌聲線點樣定義，可以睇品牌聲音策略。

另外，讀屏軟件嘅使用習慣都值得一提：視障用戶好多時用「跳讀」方式——跳去標題、跳去連結、跳去表單。所以網頁結構（標題層級、連結文字、表單標籤）本身要清晰，語音朗讀係補充，唔係取代良好結構。讀屏 TTS 嘅完整攻略，廣東話讀屏 TTS 完整指南有原理同工具嘅逐項拆解。

無障礙標準點理解

國際無障礙標準（WCAG）有四大原則，業界叫 POUR：可感知（Perceivable）、可操作（Operable）、可理解（Understandable）、穩健（Robust）。 語音朗讀直接對應「可感知」——內容要有多種感知途徑，唔可以只靠視覺。

呢四條原則聽落抽象，但落喺語音朗讀度好具體：

• 可感知：文字內容有語音版本，視障用戶聽得到。
• 可操作：朗讀功能本身要易撳、鍵盤可達、唔依賴滑鼠。
• 可理解：朗讀內容要用聽得明嘅講法，唔係照讀視覺元素。
• 穩健：朗讀功能要跨裝置、跨讀屏軟件都運作，唔可以只喺某部機得。

理解呢四條原則嘅好處係：唔會將「無障礙」當成「加一個播放器」。播放器只係手段，目標係「所有人真正用得到」。做完之後，最好嘅驗收方法係搵真實用戶行一次，而唔係對住清單打勾。

邊類網站最應該先做

唔係所有網站都同等需要語音朗讀。以下三類最應該優先：

一、公共服務類。 政府、公營機構、醫療、社福網站。呢類網站嘅用戶覆蓋全年齡，長者同視障用戶比例高，而且資訊往往關乎切身權益。

二、資訊發佈類。 新聞、公告、教學內容、政策文件。呢類內容本身以「閱讀」為主，語音版本可以直接提升可及性。

三、表單交易類。 申請、報名、繳費、查詢。呢類流程視障用戶最易卡住，重點位置嘅語音提示特別有價值。

相反，一啲純展示、純互動娛樂嘅網頁，語音朗讀嘅優先度可以低啲。資源有限嘅話，先做有實際用戶需要嘅類別。

三個常見錯誤

做無障礙語音，實務上最常撞到三個坑：

一、以為「有播放器」就等於無障礙。 播放器只係入口。如果聲帶用普通話讀粵語內容，或者讀到視覺化表述（「見右下角」），視障用戶一樣聽唔明。

二、朗讀文字照抄畫面文字。 畫面文字係為視覺讀者寫嘅，直接讀出嚟會出現「撳此處」、「如下所示」呢啲對聽眾冇意義嘅內容。朗讀需要一份為「聽」而寫嘅文字。

三、做完冇實測。 內部覺得「應該冇問題」同實際用戶「聽得明唔明」係兩回事。無障礙嘅驗收一定要用真實用戶，唔可以靠內部推測。

避開呢三個坑，無障礙語音就已經贏過大部分網站。

成本同落地次序

以港嘢定價為例：入門方案 HK$128 一個月包 200,000 字符。以每篇 2,000 字符計，一個月額度可以覆蓋約 100 篇內容嘅朗讀聲帶。用量再大可以買字符包，每千字符 HK$0.80，最細一包 HK$50。冇超額罰款。換算基準係每分鐘約 240 字符。

落地次序建議：

1. 先做文章／公告嘅全頁朗讀。 影響最廣，實作最簡單。
2. 再做表單同錯誤訊息嘅重點朗讀。 針對操作痛點。
3. 最後做內容「聽覺版本」優化。 將視覺化表述逐篇改寫。

每一步上線後，搵一兩位視障用戶或者長者實測一次「聽得明唔明」，比任何內部評語都可靠。 另外，建議喺頁面留一個簡單嘅反饋入口，畀用戶講返邊句聽唔明。呢啲真實反饋係最準嘅改進指引，比任何內部評估都有說服力。

常見問題 FAQ

網站加粵語朗讀係咪好複雜？

唔複雜。最簡單嘅做法係「文章發佈時生成一條粵語聲帶，頁面加個播放器」。呢個做法唔需要前端大改造，亦唔影響現有功能。複雜嘅係「即選即讀」呢類進階互動，可以之後再加。

我哋網站內容係書面語，可以用普通話朗讀嗎？

技術上可以，但體驗差。香港視障用戶日常用粵語，聽普通話讀中文會慢半拍、理解打折。而且書面語入面如果有粵語字詞，普通話引擎會讀錯。用粵語引擎係體驗上嘅基本要求。

朗讀聲帶要跟內容更新重新生成嗎？

要。內容改咗，聲帶就要重生成（或只重生成改咗嘅段落）。所以建議將「生成聲帶」放入發佈流程：一撳發佈，同時出新聲帶。常態內容可以預生成，動態內容即時合成。

語音朗讀會唔會拖慢網站？

唔會，如果用預生成嘅方式。聲帶係一個音頻檔案，掛喺頁面，用戶撳先播，唔影響頁面載入。真正要考慮性能嘅係「即時合成」模式，呢個可以用緩存處理。

無障礙朗讀同 SEO 有冇關係？

有間接關係。語音版本令內容對更多用戶可用，停留時間同互動可能有改善；另外清晰嘅標題結構、具體嘅連結文字，本身就係 SEO 友好嘅做法。不過唔好為 SEO 而做無障礙，方向會歪。

點知朗讀功能有冇真正幫到視障用戶？

唔好靠內部感覺，要實測。搵實際使用讀屏軟件嘅用戶，行一次你嘅網站，記錄佢喺邊個位卡住、邊句聽唔明。呢啲實測記錄，就係下一輪優化嘅清單。

一份內容要幾多字符先夠生成朗讀？

以每分鐘約 240 字符換算，一篇 5 分鐘嘅文章約 1,200 字符，10 分鐘約 2,400 字符。呢個係估算基準，實際字數同語速會影響時長。