金融銀行業嘅廣東話語音辨識挑戰與應用

一句答你：金融銀行業嘅廣東話語音生成，核心係用 TTS 處理 IVR 客服、交易提示、合規披露、理財教育等多場景，關鍵在於金融術語讀音、書面口語平衡同嚴謹語氣，唔係淨係識讀字咁簡單。

Key Takeaways

• 香港金融業語音應用集中喺 IVR、交易提示、理財教育、合規披露四大塊
• 廣東話 TTS 處理金融術語挑戰大：多音字、外來詞、貨幣量詞都要逐個校
• 配音語氣要專業而唔冷漠，書面同口語嘅平衡係大學問
• 港嘢嘅 API 同 Pla語ground 共用月配額，方便業務部同 IT 部分階段推進
• 成本按字符計，配批量 API 自動化可大幅壓低每段配音成本
• 合規要求下，TTS 內容需要可追溯、可審計，job id 同日誌管理重要

金融銀行業嘅廣東話語音需求喺邊度？

香港作為國際金融中心，銀行、證券、保險、財富管理嘅客戶服務同內部溝通有大量語音需求。由街市阿婆去 ATM 提款，到 high net worth 客戶接 investment advisor 電話，每個接觸點都可能用到廣東話語音。但傳統錄音成本高、改動慢、唔夠彈性，所以越來越多機構考慮用 TTS。完整嘅 廣東話 TTS 指南 已經由基礎講到整合，值得作為入手參考。

IVR 同智能客服

Interactive Voice Response（IVR）係最多人接觸嘅語音介面。「歡迎使用 XX 銀行，國語請按 1，粵語請按 2」呢類基本提示，每間銀行都有幾十段。但 IVR 唔止主選單，重有：

• 賬戶餘額查詢
• 信用卡還款提示
• 轉賬確認
• 貸款審批通知
• 投訴處理流程

每當利率調整、新產品上線、法規更新，IVR 內容都要改。傳統做法係搵配音員錄，但每次改少少都要重新約時間、收費幾百蚊一段。用 TTS 就可以即改即出，成本幾乎係零邊際。

交易提示同風控通知

「您尾數 1234 嘅信用卡，剛剛喺 XX 商戶簽賬 HK$567。」呢類短訊息提示，配合 SMS 或者 push notification 之外，重可以配語音版本畀長者或者視障客戶使用。

風控方面，如果偵測到可疑交易，銀行可能會主動打電話畀客戶確認。呢類語音內容高度個人化、動態生成，根本冇可能預錄。TTS 係唯一可行方案。

理財教育同產品解說

金管局、證監會、保監處近年大力推投資者教育。銀行同 wealth management 公司都需要製作大量短片、podcast 解釋複雜產品：ETF、結構性產品、人民幣計價、保本結構⋯⋯

呢啲內容：

• 經常更新（產品條款、利率、風險披露）
• 需要專業術語讀音準確
• 受規管（合規部要審稿）

TTS 配合人手下載稿，可以將製修改期由幾日縮短到幾小時。

合規披露同內部培訓

「投資涉及風險，過去表現並不代表將來表現。」呢類 risk disclosure 每段片都要讀，唔可以甩。但如果用真人配音，內容變動就要重新錄，成本高之餘重難追蹤邊個版本幾時用過。

用 TTS 嘅好處係：每次生成都有 job id、時間戳、文本記錄，方便日後審計同合規追溯。

金融術語嘅廣東話讀音陷阱

廣東話 TTS 最大挑戰唔係「識唔識讀」，而係「識唔識讀啱」。金融行業有大量特殊詞彙，每個都影響專業感。

多音字

「認購」嘅「認」要讀「研」（jan6），唔係「仁」（jan4）；「認沽」嘅「沽」要讀「姑」（gu1）；「結算」嘅「結」要讀「git3」，唔係「gid3」（結果嗰種讀法）。

「證券」嘅「證」讀「zing3」、「券」讀「hyun3」；「債券」嘅「債」讀「zaai3」；「信託」嘅「信」讀「seon3」、「託」讀「tok3」。每個字喺唔同詞組合都有特定讀音，呢啲 多音字攻略 已經整理過。

金融情境下，「行」字特別多變：銀行（hang4）、行業（hong4）、行內（haang4）、高行（hang4）、執行（haang4）⋯⋯搞錯讀音會即時破壞專業感。

外來詞同英文夾雜

香港金融圈中英夾雜常見：IPO、ETF、REIT、AUM、KYC、AML⋯⋯呢啲英文字母要點讀？直接讀字母（I-P-O）定讀成「首次公開招股」？視乎場合。廣東話 TTS 處理中英夾雜 有專門討論，簡單講：客戶提示、披露文件一般直接讀字母（I-P-O、E-T-F）；教育內容、教育片就讀全名（「首次公開招股」、「交易所買賣基金」）。

數字同量詞亦係挑戰：「HK$1,234,567.89」要讀成「一百二十三萬四千五百六十七蚊八毫九」，唔係逐個數字讀。「3.5%」讀「三個半巴仙」定「百分之三點五」？視乎客戶群同場合。

貨幣量詞

港幣用「蚊」、人民幣用「人仔」、美金用「美金」或者「美元」、日圓用「日圓」或者「Yen」。金額嘅讀法可以係「一千二百三十四蚊」，亦可以係「成一千二」。語境唔同，正式程度唔同，讀法都唔同。

TTS 系統識唔識自動選，就要睇佢嘅聲線風格設定同指示（instruction）點寫。

語氣專業度嘅平衡

金融業語音最忌兩種極端：太冷淡，或者太親切。

太冷淡：「您的賬戶餘額為港幣一千二百三十四元五毫。」好似機械人講，客戶覺得冇溫度。

太親切：「哎呀～你個戶口得返一千二百三十蚊咋，使唔使轉一轉啊？」又唔專業，客戶唔敢信。

理想係專業而帶溫度：用詞書面（賬戶、結餘、交易），但語氣可以稍為人性化（停頓、語調起伏）。呢個 書面語同口語嘅平衡 對 TTS 嚟講係大學問。

港嘢嘅聲線風格（styles）同情緒控制（emotion）功能就係針對呢點設計：可以用「專業」、「溫和」、「清晰」等指示調整輸出。配合 情緒控制攻略 嘅方法，可以做出一段聽落自然又專業嘅配音。

配音 vs TTS：點揀？

兩者唔係對立，而係互補。以下係常見場景嘅建議：

詳細嘅 揀選準則 已經整理過。簡單講：固定內容、情感要求高嘅用真人；動態內容、量大、需要改動嘅用 TTS。

同真人配音嘅成本對比

傳統配音（按 2026 年香港行情參考）：專業配音員每分鐘 HK$800–2,000，加上錄音室、後期、版權，每段片動輒 HK$3,000–10,000。改一句要重新過錄。

TTS 成本按字符計，廣東話大約每千字符幾蚊港紙，10 分鐘旁白成本大概兩蚊。一段片由 HK$5,000 變 HK$5，慳幾多自己計。詳細 定價比較 可以參考。

API 同自動化流程

銀行業 IT 部門通常要將語音生成整合到內部系統：客戶交易系統、風控平台、CRM、CMS⋯⋯呢個時候 TTS API 就重要。

港嘢 API 嘅設計重點：

• Base URL：https://canto-gen.com
• 模式：async 為主，POST 提交 → 攞 job_id → poll 結果
• 生成模式：preset 聲線（by slug）、design（自訂性別年齡）、clone（參考樣本）
• SRT 字幕：async 模式支援直接出字幕
• 批量：專業同工作室 plan 可以一次過交多個 request

注意：批量（items）係 Pro／Studio 專屬功能，免費同 Starter plan 用 items 會回 403。批量亦係全有或全無驗證，任何一項出錯成批 reject。如果需要批量工作流，詳細步驟可以參考 批量生成工作流。

如果係 IVR 系統動態生成（即時讀出交易金額），可以用 sync endpoint（≤300 字符），但 sync 而家係恆回 503（pool cold），即係話實際 production 應該用 async 配 job queue。

在途任務上限

API 同時進行中嘅任務有上限：免費 3、Starter 5、Pro 10、Studio 20。撞上限會回 429 in_flight_limit_reached。所以大批量生成時要做好 job queue 控制，唔好一次過打太多。

實作流程示例

1. 客戶喺 app 查賬戶 → 系統攞到餘額數字
2. 系統構造文字：「您嘅港元儲蓄賬戶，截至今日下午三時，結餘為港幣一萬二千三百四十五元六毫七。」
3. POST 去 /v1/audio/jobs，帶埋聲線 slug 同風格指示
4. 攞到 job_id，存入客戶操作日誌（合規記錄）
5. 客戶 app 顯示播放鍵，按下去先 poll job 攞 audio URL
6. audio URL 預簽有效期 1 小時，過期再 poll 攞新

呢個流程可以由風控系統（偵測到可疑交易自動打電話）、CRM（生日祝賀）、理財 app（市場開盤提示）共用一個 TTS 服務。

配音員 vs TTS：邊個先？

好多機構第一個問題係：「TTS 聽落係咪似真人？」

老實講，2026 年嘅廣東話 TTS 已經去到「自然但可辨識」嘅程度，即係大部分人聽幾秒之後會當佢係真人，但一對比就知唔係。對於 IVR 提示、交易通知、內部培訓、教育片呢類場景，已經完全夠用。

對於品牌廣告片、形象宣傳、情感要求高嘅內容，重係建議用真人配音員。詳仲對比可以睇 真人 vs AI 配音。

兩者可以混合：品牌片頭用真人，內容段落用 TTS。又或者：拍攝當日用 TTS 做 placeholder，之後再決定邊啲位要換真人。

部署同整合考量

私隱同合規

香港有《個人資料（私隱）條例》（PDPO），加上金管局、證監會嘅監管要求。語音生成服務要確保：

• 客戶資料（姓名、賬戶號碼、交易金額）傳輸加密（HTTPS）
• TTS 提供商唔可以儲存客戶資料作訓練用途
• 生成記錄要保留足夠時間（一般 7 年）
• 客戶有權要求查閱、改個人資料

呢啲要求會直接影響點揀 TTS 服務：自建模型 vs 商用 API、本地部署 vs 雲端。商用 API 服務一般喺私隱政策同 data processing agreement（DPA）度有寫明，機構 IT 同合規部要審過先可以採用。

內部審批流程

金融業 IT 項目審批慢係常識。一個 TTS 工具由採購到上線可能要六個月。所以好多機構會先用 playground 試，確認效果先再走正式採購。

港嘢嘅好處係 API 同 Playground 用同一個賬戶、同配額，唔使另外開試用賬號，方便由 business user（業務部）做 proof of concept，再交畀 IT 部門做技術評估同整合。

量產同成本

如果機構每月要生成幾萬段語音（IVR、交易提示、教育片），按字符計費可以預算到。具體 定價方案 有完整對照。

實際機構用量會按業務類型唔同。一間中型銀行如果 IVR 加埋交易提示，每月可能用 50–200 萬字符；純粹教育片或者 podcast，幾萬字符已經夠。

最佳實踐 checklist

最後整理一份金融銀行業用廣東話 TTS 嘅 checklist：

1. 先確認場景：靜態內容（IVR 主選單）→ 真人或 TTS 都得；動態內容（賬戶提示）→ TTS 唯一選擇
2. 整理術語庫：將機構常用嘅金融術語、產品名、品牌讀音整理成 glossary，提交 TTS 前對一次
3. 指示要具體：唔好淨係寫「專業」，寫「銀行客戶服務語氣，清晰穩重，唔好太冷淡」
4. 先試後買：用 playground 試幾個典型場景，確認效果再決定 plan
5. 保留審計記錄：每次生成保留 job_id、文本、時間，7 年合規要求
6. 混合真人 + TTS：品牌重要位用真人，大量重複內容用 TTS
7. 客戶反饋收集：喺 IVR 或者教育片尾段收集客戶意見，持續改善

常見問題 FAQ

金融 IVR 用 TTS 客戶會唔會覺得 cheap？

唔會。客戶體驗在乎流程順唔順、語音清唔清楚、有冇解決到問題，而唔在乎係咪真人錄嘅。事實上，TTS 可以令 IVR 內容更新更快、資料更準（例如實時利率、匯率），客戶體驗反而更好。

廣東話 TTS 識唔識讀金融術語？

主流 TTS（包括港嘢）對常見金融術語有基本識別能力，但對機構專屬嘅產品名、自創詞、品牌名就要喺指示（instruction）度講明讀音。多音字陷阱可以參考 廣東話多音字攻略。

客戶資料傳去 TTS 服務商安全嗎？

商用 TTS 服務一般有 HTTPS 加密、私隱政策、DPA。機構 IT 同合規部審過就可以採用。最重要係揀有信譽、有清楚私隱承諾嘅服務商。

一段金融片配音成本幾多？

以 10 分鐘旁白計算（約 2,400 字符），TTS 成本按字符計大概幾蚊港紙。如果用真人配音員，隨時 HK$3,000–10,000。詳細 TTS 定價方案 可以對照揀選。

TTS 配音可唔可以做 SRT 字幕？

可以。港嘢 async 模式支援 srt=true，直接生成字幕文件，方便教育片、podcast 同步輸出發。詳細 SRT 工作流程 有教。

風控電話用 TTS 客戶聽得出係機械人嗎？

大部分 TTS（包括港嘢）輸出嘅廣東話已經自然，但語速、停頓、情感表達同真人重有差異。如果客戶對風控仲話敏感度高，可以用 聲線克隆 模仿真人客服聲線，但要留意合規同客戶同意。

內部審批同合規要求點配合？

建議由業務部先用 playground 做 proof of concept，再交 IT 評估 API 同私隱，最後合規部審稿。每個步驟保留記錄，方便日後追溯。

港嘢金融銀行業廣東話語音方案

[!CTA]

用廣東話 TTS 做金融 IVR 同客戶提示

IVR 動態提示、交易通知、理財教育、自動配音，立即試港嘢 Playground，API 同 Playground 共用月配額，由業務部到 IT 部無縫銜接。