數字人客服：粵語落地五個設計位（2026）

數字人客服：粵語落地五個設計位（2026）

一句答你：數字人客服要喺香港企得住，關鍵唔係把聲幾似真人，而係五個設計位做足：分流做得清、語氣貼場景、轉真人夠順、AI 標示夠透明、記錄留得返。

重點摘要 Key Takeaways

• 數字人客服唔係「樣靚聲靚」咁簡單，五個設計位先係落地成敗關鍵。
• 分流設計決定客人第一秒係咪去啱地方；語氣要跟行業場景調整。
• 轉真人機制必須「一次講清、一鍵即轉」，唔可以兜圈。
• AI 身份標示同資料記錄，係香港監管環境下嘅硬要求。
• 五個常見反模式：扮真人、冇出口、粵普夾生、過度表情、無記錄。
• 聲音部分可由專業粵語 TTS 供應，唔一定要數字人平台一把抓。

---

點解 2026 年咁多公司想搞數字人客服？

香港服務業近兩年人力成本高企，電話同網上查詢量又愈嚟愈大，好多中小企開始研究 數字人 係乜嘢——簡單講，數字人係由 AI 生成嘅虛擬人物形象，配上合成語音同對嘴動畫，可以喺網頁、App 或者熱線介面同用戶互動。用喺客服場景，就係所謂 數字人客服：以虛擬形象承擔第一線查詢、指引同分流工作嘅自動化服務介面。

問題係，市面上工具愈嚟愈多，效果落差又大。有啲平台標明支援粵語口音，例如 HeyGen 官方頁列明有香港、澳門、廣東口音選擇，仲提供 phoneme 層級嘅對嘴處理（HeyGen 粵語頁, 2026）；有啲工具就只係「粵式普通話」，聽落半桶水。學術界亦一直研究對嘴嘅個人化同風格保留問題，例如 Style-Preserving Lip Sync 就探討點樣喺對嘴時保留說話者原有嘅說話風格（Style-Preserving Lip Sync, 2026），另一篇 StyleLipSync 就集中研究個人化對嘴生成（StyleLipSync, 2026）。

但技術只係一半。香港數字政策辦公室嘅《香港生成式人工智能技術及應用指引》強調透明、問責同資料保障（數字政策辦公室, 2026），私隱專員公署亦有 AI 個人資料保障嘅模範框架（私隱專員公署, 2026）。呢啲要求直接影響數字人客服點設計。以下就逐個設計位拆解。

---

設計位一：分流——客人第一秒要去啱地方

分流唔係選單，係「講人話」嘅路標

好多公司將 IVR 選單直接搬落數字人度：「按一服務查詢、按二投訴、按三……」客人未聽完已經想收線。數字人嘅優勢係可以對話式分流——用廣東話自然問一句「你係想查訂單，定係想改約時間？」再跟答案帶路。

設計分流時有三個要點：

1. 開場一句講明係 AI。第一句已經話畀客人知「我係智能助理」，唔可以扮真人。呢點同香港監管指引對透明嘅要求一致。
2. 問題數量要少。分流最多問一至兩條問題就帶去目的地，唔可以問五條先入到正題。
3. 常見三件事要有捷徑。例如「查狀態」「改時間」「搵真人」，開場就要畀個明確入口。

例如：診所改約場景

一間診所嘅數字人可以開場就問：「你想查門診時間，定係想改期？」答「改期」就即接「日期同時間方便講一次嗎？」兩步搞定。對比傳統 IVR 三層選單，體感完全唔同。想深入了解語音分流嘅整體架構，可以睇我哋關於數字人語音整合嘅拆解。

---

設計位二：語氣——貼場景，唔係一味「友善」

語氣要跟行業同情境調

「友善」唔係萬能藥。銀行通知壞消息（例如貸款申請唔批）用太活潑嘅語氣會令人反感；零售推廣用太冷靜嘅語氣又會冇推動力。設計語氣時建議做一個簡單嘅場景語氣表：

粵語語氣嘅特殊位

粵語嘅語氣詞（喇、囉、㗎、咋）用得好可以好有親切感，用得差就會好「假」。一個實用做法：旁白文案同對話文案分開兩套。旁白可以偏書面，對話就要用口語字——但生成引擎對口語字嘅處理差異好大，建議先用短文案試音。呢方面可以參考我哋關於粵語語氣詞點樣影響 TTS 嘅分析，同埋標點點樣控制停頓嘅技巧——停頓位做得好，語氣已經自然咗一半。

【獨家觀察】根據我哋團隊喺 2026 年協助多個香港品牌做數字人內容嘅經驗，最常見嘅翻車位唔係發音，而係語氣斷層：分流部分由對話引擎生成，通知部分由旁白生成，兩部分聲線同語氣唔一致，客人一聽就覺得「轉咗人」。解法係聲音資產統一管理——無論邊段內容，都用同一套聲線設定。呢個正正係聲音資產管理要解決嘅問題。

---

設計位三：轉真人——一次講清、一鍵即轉

轉真人係安全網，唔係懲罰

最令客人嬲嘅設計係「轉真人」三個字存在，但永遠搵唔到入口。設計轉真人機制有四條原則：

1. 開場就講明有真人選項，唔可以藏喺第五層選單。
2. 觸發條件要自動。客人講「唔明」「搵人」「投訴」呢類關鍵意圖，就應該自動提出轉接，唔使客人開口三次。
3. 轉接前做交接摘要。數字人應該將對話重點整理畀真人同事，免得客人重複講一次。我哋有一篇專門講AI 客服點做交接摘要，可以照個 template 用。
4. 複雜或敏感議題直接行真人。涉及投訴、個人資料爭議、法律問題，一開始就唔應該由 AI 處理。

例如：保險查詢場景

客人問「我份保單唔批賠償想投訴」，數字人唔應該嘗試解釋條款，而係即刻回應：「明白，投訴事宜我幫你轉接專責同事，佢會睇到你嘅個案背景，唔使重複講。」一句入正題。保險行業嘅 AI 客服設計細節，可以睇我哋嘅保險粵語客服實務同AI 投訴處理流程。

---

設計位四：AI 標示——透明係硬要求，唔係加分項

點解標示唔可以慳？

香港生成式 AI 指引明確強調透明同問責（數字政策辦公室, 2026）。將數字人設計到同真人難以分辨，除咗違反指引精神，仲會帶來信任風險：客人發現自己一直以為同真人傾偈，信任會即刻崩盤，仲可能引致投訴。

實務上，標示有三個層次要做齊：

• 口頭標示：開場一句「我係智能助理」，並喺轉真人時再提一次。
• 畫面標示：數字人畫面角位有「AI 助理」標籤，唔可以得個樣冇個名。
• 內容標示：如果服務涉及生成內容（例如自動回覆嘅政策摘要），要令客人知道係 AI 生成，重大事項應引導客人核實官方文件。

對嘴同形象嘅真實期望

好多買家問「對嘴可唔可以做到完全自然」。誠實嘅答案係：技術進步好快——對嘴生成嘅風格保留同個人化已經有學術突破（StyleLipSync, 2026）——但任何平台嘅效果都要自己驗證，尤其粵語嘅嘴型資源遠少於英文。HeyGen 官方講明有 phoneme 層級嘅嘴型處理（HeyGen, 2026），Kling 嘅 Lip Sync 工具就要求角色正面、嘴部清楚，聲軌長過影片仲要剪（Kling 使用指南, 2026）。揀工具前，建議睇我哋嘅粵語數字人對嘴教學同對嘴 QC 檢查清單，自己落場測先至作實。

---

設計位五：記錄——對話留底，先有得改進

無記錄＝無改善空間

數字人客服最大嘅長期價值唔係慳人手，係每一次對話都變成可分析嘅資料。設計記錄時要有四樣嘢：

1. 逐字記錄：粵語對話轉文字，方便翻查同覆核。長對話點處理，可以參考粵語長錄音轉寫工作流。
2. 交接記錄：轉真人嗰刻嘅摘要要留底，方便日後審計。
3. 準確度抽檢：定期抽對話出嚟人手覆核，睇 AI 有冇答錯、理解錯。呢個就係語音分析同 QA 嘅核心做法。
4. 私隱合規：錄音同對話記錄涉及個人資料，要跟私隱專員公署嘅 AI 框架處理（私隱專員公署, 2026），儲存期限同存取權限要寫清楚。相關合規細節可以睇香港語音 AI 合規。

定義三個關鍵詞

• 對嘴（lip sync） 係令數字人嘅嘴型同語音內容同步嘅技術；粵語因為聲調多、口語字多，嘴型資源比英文少，處理難度高。
• 交接摘要 係 AI 轉真人時自動整理嘅對話重點，等真人同事唔使客人重複講。
• 意圖識別 係系統判斷客人「其實想點」嘅過程；分流、轉真人、升級處理全部靠佢。

---

五個反模式：見到即刻改

反模式一：扮真人

為咗「體驗好」隱瞞 AI 身份。風險上面講咗：違反透明指引、信任崩盤。開場一句講明，其實唔會嚇走客人，反而建立預期。

反模式二：冇真人出口

數字人應付到八成查詢，但剩低兩成如果冇出口，客人會由「小小嬲」變「爆嬲」。真人出口唔係成本，係止蝕。

反模式三：粵普夾生

有啲團隊為慳事，用普通話 TTS 加「粵味」處理就當粵語。香港人一耳聽得出，即刻覺得唔重視佢。聲音來源一定要係真正支援粵語嘅方案——無論用數字人平台內建聲，定係外接專業粵語 TTS，都要驗證發音同語氣詞處理。呢方面可以參考最好嘅粵語 TTS 揀選同免費同付費方案對比。

反模式四：過度表情

數字人成日微笑點頭，講壞消息都笑容滿面。表情應該跟語義走：通知壞消息時表情收斂，促銷時先活潑。同一個 avatar 喺唔同場景要有唔同表演設定，唔係一把抓。

反模式五：無記錄無覆核

上線之後就唔理，對話冇留底、冇抽檢，錯咗幾個月都唔知。最小可行做法：每月抽十段對話人手覆核一次，記低錯誤類型，按季度更新知識庫同文案。

---

落地路線圖：四個階段

1. 第一階段：定場景。揀一個查詢量高、議題簡單嘅場景做試點（例如查狀態、改約），唔好一開始就包晒所有客服。
2. 第二階段：揀工具同聲音。數字人形象平台同語音方案可以分開揀，重點係粵語質素。用短文案試音、短片段試對嘴，自己定評分準則——我哋有篇粵語 TTS 評分準則可以直接用。
3. 第三階段：小流量上線。將一成流量導去數字人，開場講明 AI 身份，真人出口全程開住，兩星期後覆核記錄。
4. 第四階段：擴量同規範化。達標先擴至更多場景，同時將分流話術、語氣表、交接模板、記錄抽檢制度化。

呢個路線圖同一般 AI 客服試行嘅做法相通，想知數字人以外嘅語音客服架構，可以睇粵語語音機械人指南同即時語音 agent 建置。

---

常見問題 FAQ

數字人客服一定要有個「人樣」嗎？

唔一定。有樣嘅數字人適合網頁、App 呢啲有畫面嘅場景；純語音場景（電話熱線）其實用唔到個樣。如果純粹想要聲音，直接用專業粵語 TTS 可能更簡單、成本更低。

粵語對嘴效果點？同英文差幾遠？

一般觀察（2026-10-31）係粵語對嘴資源少過英文，效果因平台同素材而異。建議用自家真實文案同參考片段逐個平台試，唔好信宣傳片。

AI 標示會唔會令客人唔想用？

根據我哋協助客戶落地嘅觀察，開場一句「我係智能助理，有需要可以轉真人」通常唔會令客人離開；客人最反感嘅係被隱瞞同搵唔到真人。

聲音應該用數字人平台內建，定係外接 TTS？

視乎粵語質素。有啲平台內建聲對粵語支援有限，外接專業粵語 TTS 再將音頻餵畀對嘴工具係常見做法。關鍵位係聲線一致性：所有內容用同一套聲線設定。

點知數字人答得啱唔啱？

做法係「抽檢＋記錄」：每月抽樣人手覆核，記錄錯誤類型，更新知識庫。冇記錄就冇得改，呢個係設計位五嘅核心。

轉真人要用幾多人手先叫合理？

冇統一數字，同業務複雜度相關。重點係比例要持續下降但唔去到零：某啲議題（投訴、個人資料爭議）應該永遠由真人處理。

有咩合規位一定要做齊？

至少三樣：AI 身份透明標示、對話記錄嘅私隱處理（跟私隱專員公署 AI 框架）、唔可以複製他人聲音或肖像而冇授權。詳情可睇語音授權同權利指南。

---

[!CTA]

想試下粵語語音效果？即刻去港嘢 Playground

登記送 2,000 字符（一次性），貼上你嘅客服文案即刻聽到粵語效果。

關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。

本文由港嘢內容團隊撰寫，經編輯覆核（2026-10-31）