AI 字幕粵語五類錯字同修正指南（2026）

一句答你： AI 字幕出錯，九成都集中喺五類字——口語字、語氣詞、人名品牌、數字、中英夾雜；只要你逐類用規則批次修正，再加五個 QC 位逐條過，錯字率可以大幅壓低。

重點摘要 Key Takeaways

• 粵語 AI 字幕嘅錯字唔係隨機，而係集中喺五類：口語字、語氣詞、人名品牌、數字、中英夾雜。
• 修正流程應該「先分類、後批次改」，唔好逐條人手執。
• 口語字要建立一個「口語字對照表」，語氣詞要靠上下文判斷，唔可以一刀切。
• 數字係重災區：日期、電話、金額、百分比各有讀法，要分開處理。
• 五個 QC 位：頭三十秒、專有名詞段、數字密集段、語氣詞連續段、結尾段。
• 修正後記得對返時間軸，字幕先唔會走位。

AI 字幕點解粵語特別易錯

廣東話同書面中文之間有一段好大嘅距離。平時講嘢用嘅字，好多根本唔會出現喺正式文章入面；加上粵語多音字多、中英夾雜普遍，令到自動字幕系統好易「聽得明但寫錯字」。粵語一般有 19 個聲母、50 幾個韻母、6 個聲調，聲調影響音高，同一個音可以對應幾隻唔同嘅字，識別系統一估錯，字幕就錯。

呢個問題唔係淨係粵語獨有。語音翻譯研究早已指出，低資源語言同口語變體嘅識別錯誤率明顯高於主流語言（Speech Translation 系統研究, 2026）。而粵語正正係「講嘅人多、書面標註資源少」嘅典型例子——全球約有 8,490 萬粵語母語者，但高質素標註語料長期不足（WenetSpeech-Yue 論文, 2026）。另一方面，文字轉影片、字幕生成呢類多模態技術近兩年發展好快（Text-to-Video 生成綜述, 2026），但字幕質素好唔好，最終仍然取決於「聽寫」呢一步準唔準。

所以與其期望工具一步到位，不如學識一套「分類＋批次修正＋QC」嘅工作流。以下逐類拆解。

第一類：口語字錯誤

口語字 係指粵語日常講話先會用、書面語基本唔用嘅字符，例如嘅、哋、咗、喺、嚟、唔、咩、喇、囉。

呢啲字係字幕錯字嘅第一大來源。原因好簡單：好多識別模型嘅訓練語料以書面中文為主，一聽到「我哋走咗喇」，好易寫成「我們走了啦」——語義冇錯，但成條字幕已經唔係粵語。

修正方法分三步：

建立口語字對照表

對照表 係一張「書面寫法 ↔ 粵語口語寫法」嘅映射表，係批次修正嘅核心資產。你要自己維護一張，愈用愈準。例如：

注意「乜」同「咩」都係疑問詞，但語氣唔同；「喇」同「囉」一個收結、一個帶無奈，唔好盲目統一。

批次套用，唔好逐條改

用對照表做批次替換，一次過改成條片。但要有兩個保險：第一，替換前備份原稿；第二，替換後全文搜「係」同「喺」呢類互撞字，人手掃一次。因為「係」本身係正字（「我係學生」），批次改「係→喺」一定會錯殺。

留低一個「例外清單」

如果有旁白角色係講書面語（例如新聞腔），嗰啲段落要跳過批次替換。對照表要支援「呢段唔改」嘅標記。

第二類：語氣詞錯誤

語氣詞 係指放喺句尾或句中、用嚟表達情緒同語氣嘅虛詞，例如呀、啩、嘅、咋、囉、咯、喎。

語氣詞難，係因為佢哋多數冇語義，只靠聲調同上下文分辨。「係咁嘅」同「係咁咋」意思差好遠，但聲音好接近。識別系統好易將「咋」寫做「炸」，「喎」寫做「窩」。

修正策略：

• 靠句型判斷：「淨係…咋」呢個句式，語氣詞一定係「咋」。
• 靠角色設定：如果片中有角色設定卡，講明角色口頭禪，可以預先寫入對照表。
• 唔好過度修正：語氣詞密度係粵語口語感嘅靈魂。將所有語氣詞刪晒，條片會變得好機械。呢一點喺做動畫配音時尤其重要，可以參考粵語動畫配音製作指南。

例如：原字幕「你真係好叻窩」→ 批次修正「窩→喎」→「你真係好叻喎」。一句搞掂，但你要確認前後文冇真係講緊「窩」（例如講寵物）。

第三類：人名同品牌名錯誤

人名品牌係字幕入面最「樣衰」嘅錯——內容冇問題，但一錯就即刻穿崩。常見情況：

• 香港人名寫成普通話拼音字：「陳大文」變「陳大明」。
• 品牌名拆字：「HSBC」變「H S B C」或者「匯豐銀行」混用。
• 店名、街名用咗大陸寫法：「旺角」變「 mong kok」或者簡體。

熱詞表（hotword list） 係指你預先交畀識別系統嘅專有名詞清單，用嚟提高特定詞嘅識別準確度。呢個概念喺語音識別領域好常見。做多輪修正時，你應該為每個項目維護一張熱詞表，每次新片上線前先過一次。

例如：做一條餐廳宣傳片，熱詞表要有：餐廳全名、招牌菜名（如「黑松露帶子炒蛋」）、主廚個名、分店地址。呢啲詞一錯，觀眾即刻覺得唔專業。

修正流程：先全文搜品牌名嘅各種可能寫法（中英、空格、大小寫），統一做一個寫法；人名就對照嘉賓提供嘅官方寫法，唔好靠聽估字。

第四類：數字錯誤

數字係五類入面最影響資訊準確度嘅一類。粵語數字有自己一套讀法，例如「廿」同「二十」、「三月」係月份定係三個月，全靠語境。識別系統常見錯法：

• 「港幣一千五百蚊」→「港幣1500蚊」或者「港幣一千五百文」。
• 電話號碼逐個數字讀，字幕變成一舊冇格嘅數字。
• 「百分之十」同「10%」混用，同一條片兩種寫法。

數字規範化（number normalization） 係指將口語講出嚟嘅數字，轉成字幕一致嘅書寫格式嘅工序。你同團隊要事先約定一套規則：

重點係「一致性」，唔係邊種寫法先啱。同一條片入面，同一類數字一定要同一格式。做教育類內容時呢點尤其重要，因為數字一亂，學生即刻混亂——處理課程旁白時可以配合粵語 eLearning 課程旁白製作嘅流程一齊做。

第五類：中英夾雜錯誤

中英夾雜係香港日常語言特徵，例如「check 嚇」、「follow up」、「deadline」。呢類句子係字幕系統嘅噩夢：英文單詞好易被音譯成中文字（「deadline」變「得鏈」），或者中文詞被寫成英文拼音。

修正策略：

• 建立「常用夾雜詞表」：將你內容成日出現嘅英文詞（如 update、confirm、book 枱）寫低，統一拼寫同中間格。
• 決定「音譯定原文」原則：一般建議保留英文原文，因為香港觀眾睇得明，而且音譯字好怪。
• 留意大小寫同空格：「WhatsApp」唔好寫「whatsapp」，「Zoom meeting」唔好寫「zoommeeting」。

例如：原字幕「我今晚要趕得鏈」→ 對照夾雜詞表 →「我今晚要趕 deadline」。呢類修正好依賴人手掃描，因為音譯錯字千變萬化，好難用一條規則搞定。

批次修正工作流：五步走

講完五類錯字，而家組合做一個可重複用嘅流程：

1. 初稿生成：用識別工具出第一版字幕。
2. 分類標記：逐段標明屬於邊類風險（口語字多／數字多／夾雜多）。
3. 批次替換：套用口語字對照表、熱詞表、數字規則，一次過改。
4. 例外掃描：全文搜互撞字（係／喺、喇／啦、乜／咩），人手覆核。
5. 時間軸覆核：改完字之後，長度會變，要確認每條字幕同畫面仲同步。呢步做配音同字幕分工時好關鍵，可以參考粵語字幕製作同 ASR 分工流程。

五個 QC 位：邊度要逐格睇

唔可能成條片逐字睇，所以要集中火力。以下五個位置係錯字集中地：

• QC 位一：頭三十秒。 觀眾對第一印象最敏感，而且開場多數有片名、品牌名、人名——全部係高危詞。頭三十秒必須逐字睇。
• QC 位二：專有名詞段。 凡係出現人名、品牌、地點嘅段落，逐條對照熱詞表。
• QC 位三：數字密集段。 報價、日期、統計數字嘅段落，逐個數字對原文或講稿。
• QC 位四：語氣詞連續段。 對話多、情緒重嘅段落，語氣詞錯得密。呢度要靠人耳聽多過靠眼睇。
• QC 位五：結尾段。 結尾多數有 CTA、聯絡方法、免責聲明，一錯就影響轉化。電話、網址、優惠碼要逐字符核對。

【獨家觀察】我哋睇過大量粵語字幕項目之後發現一個規律：錯字唔係平均分佈，而係「叢集」出現。一條片通常只有兩三個「錯字熱區」，集中喺語速快、專有名詞多、或者講者轉咗話題嘅位置。所以 QC 嘅重點唔係「睇勻全片」，而係「搵出熱區」。實務上，可以先快掃一次標出可疑段，再集中火力逐條睇——比起機械式逐行檢查，慳時間之餘仲少漏網。

常見問題 FAQ

問題一：五類錯字入面，邊類最難用批次修正？

語氣詞。因為語氣詞冇固定語義，同一個音喺唔同上下文對應唔同字，規則好難寫得死。口語字同數字反而最適合批次，因為佢哋有明確對照關係。

問題二：口語字對照表要幾大先夠用？

唔使貪大。起步二十至三十組常用字已經覆蓋大部分情況，之後每做完一個項目就加新發現嘅錯寫。對照表係活的資產，用得愈耐愈準。

問題三：人名品牌錯咗，重新生成定係人手改？

人手改。重新生成成本高而且結果未必更好。正確做法係將啱嘅寫法加入熱詞表或者對照表，然後人手改呢一條，下次同類項目就唔會再錯。

問題四：數字格式用中文定阿拉伯數字？

冇絕對答案，關鍵係一致性。一般建議：金額、日期、百分比用阿拉伯數字加符號；成語或者固定講法（「十全十美」）保留中文。最緊要係同客戶或者團隊事先約定。

問題五：中英夾雜嘅英文詞要唔要加空格？

要。中英之間加空格係香港排版慣例，例如「我今晚要趕 deadline」唔好寫「我今晚要趕deadline」。批次修正時可以加一條規則自動處理。

問題六：五個 QC 位要逐格睇幾耐？

視乎內容密度。經驗上，一條十分鐘嘅片，五個 QC 位加埋用十五至二十分鐘已經夠——前提係你已經做完批次修正，QC 係最後把關而唔係執爛攤子。

問題七：字幕改完之後配音唔對嘴，點算？

呢個係分工問題。字幕修正應該喺配音定稿之後做，唔好倒轉。如果係先有字幕後配音，就要確保修改唔改變每句嘅長度太多，必要時微調時間軸。做片配音一體化流程可以睇粵語影片配音製作指南。

資料來源同方法說明

本文引用嘅語言事實（聲母、韻母、聲調數目、口語字、夾雜現象）來自粵語語音學常識同已發表論文；錯誤分類框架（五類）同五個 QC 位係本文提出嘅工作方法，屬經驗總結，唔係單一工具嘅規格。外部來源包括：粵語語音語料研究（WenetSpeech-Yue 論文, 2026）、語音翻譯系統研究（Speech Translation 系統研究, 2026）、Text-to-Video 技術綜述（Text-to-Video 生成綜述, 2026），以及香港數字政策辦公室嘅生成式 AI 指引（香港數字政策辦公室, 2026）。所有觀察日期為 2026-10-31。

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）

[!CTA]

想字幕配返把靚粵語聲？

去港嘢 playground 試下生成，登記送 2,000 字符（一次性）。