粵語入聲字點解咁難學？3大原因+發音技巧全面解析

一句答你：粵語「入聲」係指以 -p／-t／-k 三個塞音韻尾收結嘅短促音節（例如「十」sap6、「八」baat3、「六」luk6）。因為繁體中文書面冇標示韻尾，主流 TTS 引擎好容易當成普通字讀，變成「百、客、桌、碟、濕、十、乞」呢類字讀音走樣。想逐個字確認讀法，可查 CUHK《粵語審音配詞字庫》。

Key Takeaways

• 入聲字嘅特徵係 -p／-t／-k 三個「真塞音」收尾，讀得短促、唔爆氣
• -m／-n／-ng 係鼻音韻尾，唔屬入聲；佢哋同 -p／-t／-k 係「同發音部位」嘅配對（鼻音對塞音）
• 入聲字配第 1／3／6 調（粵拼），唔另立第 7／8／9 調
• 同普通話差異大：「百」粵語讀 baak3（-k 收尾），普通話係 bǎi；「十」粵語讀 sap6（-p 收尾），普通話係 shí
• 處理手法：寫地道粵語文字、加完整詞組鎖定語境、避開太短嘅單字 chunk

咩係粵語「入聲」？

講粵語聲調，一定繞唔開「入聲」呢個概念。入聲係中古漢語留落嚟嘅一類特殊韻尾，現代普通話已經消失晒，但喺粵語、閩南話、客家話入面仲保留得幾完整。簡單講，入聲字就係成個音節結尾係用一個「收得快、停得硬」嘅塞音做結尾嘅字。

入聲韻尾有三個，全部係塞音：-p、-t、-k。 呢三個塞音嘅發音部位，同三個鼻音韻尾係配對嘅：

所以 -m／-n／-ng 唔係入聲——佢哋係鼻音韻尾，雖然同樣係短促嘅「封尾」，但唔屬入聲。「三」saam1、「山」saan1、「生」saang1 都唔係入聲字。入聲只計 -p／-t／-k。

點解叫「入聲」？

「入」呢個字喺傳統聲韻學入面有「短促、塞住」嘅意思。入聲字讀起嚟嘅特徵就係：成個音節拉到最尾會被一個短促嘅爆破「封死」，唔似其他聲調咁可以拖長。例如「十」sap6，個 p 係封埋嘴唇、唔出氣嘅「真塞音」；「六」luk6，個 k 係舌根頂住、唔再送氣。

呢種「短、塞、硬」嘅收尾，喺聽感上就好似成個字「入」咗入去，所以叫「入聲」。

三個韻尾點樣分？

要分辨入聲字，首先要記住三個塞音韻尾嘅發音位置：

呢三個塞音韻尾就係粵語同普通話最大嘅分別之一，亦係 TTS 最容易撞板嘅地方。相對嚟講，鼻音韻尾 -m／-n／-ng 因為普通話都有 -n／-ng，處理通常好啲（但 -m 容易同 -n 撈亂）。

入聲字對 TTS 嘅挑戰

挑戰一：書面語完全冇提示

繁體中文寫「百、客、桌、碟、濕、十、乞、合」，對人類讀者嚟講要靠語境同粵語知識去讀，但對 TTS 嚟講，每個字就係一個獨立 token。冇聲調、冇韻尾、冇標示，模型只可以靠字面出現嘅詞組合去估。

舉個例，TTS 如果見到「百」單字，佢未必知道你想讀 baak3；佢要靠後面嗰個字先識分（例如「一百」「百貨」）。

呢個問題喺 粵語 TTS 完全指南 嘅「聲調流失」一節都提過，係粵語 TTS 嘅根本性困難。

挑戰二：塞音收尾好難學

-p、-t、-k 呢三個塞音韻尾，要求成個音節最後一刻先「封死」、唔爆氣。對訓練數據主要係普通話為主嘅引擎嚟講：

• 佢哋訓練時好少見呢種韻尾，普通話已經冇入聲
• 塞音收尾時間短，模型好容易「食埋」個尾音
• 即係話「十」sap6 可能被讀成近似「沙」saa1 再加返個聲調，變晒樣

鼻音韻尾 -m、-n、-ng 相對易啲，但 -m 容易同 -n 撈亂，例如「三」saam1 同「山」saan1，差一個 m 同 n，好多引擎會讀錯。

挑戰三：英文同數字夾雜時失靈

中英夾雜對粵語嚟講係日常，但 TTS 處理呢類混雜時特別易撞板。例如：

• 「加個 like 俾我」—「like」係英文，但成句係粵語，TTS 可能切錯
• 「WhatsApp 我」—「App」嘅 p 音喺粵語可以當入聲 -p 處理
• 「去 Starbucks 飲杯嘢」—「Starbucks」收尾嘅 s 音同粵語無關

中英夾雜嘅粵語 TTS 攻略 詳細講過呢類問題。

挑戰四：聲調組合影響長度

粵語入聲字佔第 1／3／6 調（高入、中入、陽入）。TTS 處理高音調嘅入聲字時，因為成個音節已經短，仲要塞個塞音，時間預算更加緊。例：

• 陰入（第 1 調）—「濕」sap1，又高又短
• 中入（第 3 調）—「百」baak3，中平再加個 -k
• 陽入（第 6 調）—「十」sap6，又低又短

呢啲短促音節對 TTS 嘅時間模型係大考驗。

常見入聲字陷阱逐個捉

-k 結尾嘅高頻字

-k 結尾嘅字最多，亦最常見：

• 百、伯、北、逼：喺「一百蚊」「阿伯」「北京」入面，個 -k 要讀得硬淨
• 客、黑、嚇、麥：「客人」「黑色」「嚇親」「麥當勞」
• 國、得、則、色、食：複合詞入面好常見，但單字拎出嚟 TTS 容易讀錯
• 桌、殼、角、學：名詞、形容詞都有

-t 結尾嘅高頻字

-t 結尾比較多出喺動詞同量詞：

• 八、發、罰、襪：數字同動詞
• 七、切、甩、泄：動作詞
• 出、術、述、率：抽象名詞
• 日、月、說、設：字面睇唔到 -t 嘅痕跡
• 乞、橘、窟、突：單字易讀錯

-t 結尾比較少單字出現，所以多數喺複合詞入面見到 TTS 失靈嘅情況。

-p 結尾嘅高頻字

-p 結尾比較少，主要係動詞同形容詞：

• 十、集、雜、碟：數字同量詞
• 入、合、急、級：動詞同抽象詞
• 濕、執、摺、插：動作詞
• 立、笠、粒：單字易讀錯

-p 結尾嘅字 TTS 處理時特別易「食音」，因為個 p 收得太快。

-m 結尾嘅高頻字（鼻音，唔係入聲）

-m 結尾係粵語特徵之一（普通話已經冇 -m），例如：

• 三、心、鹹、柑：形容詞同名詞
• 林、深、金、音：單字易撈亂
• 暗、憾、喊：情緒詞

呢類字 TTS 容易讀成 -n，因為 -n 喺訓練數據入面多好多。

-n 同 -ng 結尾嘅字（鼻音，唔係入聲）

呢兩個韻尾 TTS 相對處理得比較好，但都有陷阱：

• 新、餐、安、門：基本詞彙
• 桑、羹、鶯、釘：少用字

特別係 -n 同 -ng 嘅對立（「新」san1 vs「桑」song1），喺某啲 TTS 引擎入面仲會出錯。

點樣喺 TTS 輸入度處理入聲

方法一：寫地道粵語文字

最直接嘅方法就係寫法貼近粵語口語。例：

• 唔好寫「我不會做」
• 寫「我做唔到」

「唔」係典型粵語字，連帶後面嘅動詞會形成地道詞組，TTS 較易估到聲調。呢個方法對入聲字同樣有效：

• 唔好寫「非常急忙」
• 寫「好急」—「急」gap1，-p 結尾
• 寫「黑晒」—「黑」hak1，-k 結尾

方法二：加 anchor 詞引導

Anchor 詞係指用一啲明顯、穩定、冇歧義嘅粵語詞彙，幫 TTS 鎖定語境同聲調。詳細做法可以睇 粵語 TTS anchor 攻略。

例：

• 想讀「一百蚊」嘅「百」baak3 → 寫「一百蚊一個」
• 想讀「十個」嘅「十」sap6 → 寫「成十個咁多」

方法三：避開太短嘅單字 chunk

TTS 對短句（特別係一兩個字）嘅處理通常差過長句。入聲字本身就短，如果單獨成句（例如「百」「十」「急」），TTS 容易誤讀。

建議：

• 至少 4–5 個字先成句
• 加埋完整詞組
• 避免孤零零一個入聲字

方法四：用標點同停頓引導

標點符號對 TTS 嚟講係「停頓訊號」。喺入聲字前面加適當標點，可以畀 TTS 多一個時間預算：

• 「一、二、三、四、五、六、七、八、九、十。」— 數字連住讀，尾段嘅「十」sap6 比較易讀啱
• 「百，百貨公司。」— 加逗號畀 TTS 抖下

入聲字同其他粵語難題嘅交叉

入聲 × 多音字

多音字已經係 TTS 大難題，撞正入聲仲慘。例：

• 「著」：zoek3（著衫，-k 收尾）vs zyu3（著名，無 -k）
• 「折」：zit3（折扣，-t 收尾）vs zip3（摺）
• 「惡」：ok3（惡意，-k 收尾）vs wu3（厭惡）

廣東話多音字攻略 詳細講過呢類字。總之，遇到呢類字就一定要靠後面嘅詞幫手判斷。

入聲 × 語氣詞

粵語語氣詞好多都唔係入聲字，但同入聲字撈埋一齊時，TTS 容易因為要兼顧太多嘢而失準。例：

• 「黑晒咩」—「黑」hak1 -k 結尾，「晒」saai3，「咩」me1
• 「急死人囉」—「急」gap1 -p 結尾，「死」sei2，「人」jan4，「囉」lo1

語氣詞嘅 TTS 處理 講過，語氣詞通常放句尾比較好讀，因為有完整停頓。

入聲 × 文白異讀

有啲入聲字有文白兩讀，讀音可以一個係入聲、一個唔係：

• 「著」：zoek3（白話，著咗件衫，-k）vs zyu3（文言，著名）
• 「剝」：mok1（剝皮）
• 「肉」：juk6（牛肉，-k 收尾，兩讀都係入聲）

呢類字主要靠語境，寫文嘅時候盡量用口語詞可以避免部分問題。

入聲字喺唔同情境嘅處理差異

YouTube 旁白

YouTube 旁白通常用字比較正式、文言多，TTS 處理文言入聲字（例如「國、學、術、德」）嘅失誤率通常高過口語入聲字。詳情可以睇 YouTube 粵語旁白 AI 應用。

建議：寫旁白稿嘅時候盡量口語化，避開太多文言入聲字。

短視頻配音

短視頻配音通常句子短、節奏快，入聲字嘅短促特性反而配合視頻節奏。但 TTS 處理短句時容易撞板，所以要靠完整詞組同語境。

SRT 字幕

SRT 字幕可以精確控制時間軸。對入聲字嚟講，可以畀每個字幕行多 0.1–0.2 秒緩衝，避免尾音被切。

一啲寫稿嘅實用建議

避坑清單

點樣 debug 入聲字錯誤

如果發現 TTS 讀錯某個入聲字：

1. 試下將個字放喺一個完整句入面
2. 加返完整詞組
3. 試下用同義但唔同結構嘅講法
4. 用中大《粵語審音配詞字庫》 核對正確讀音

進階：入聲字同 TTS 模型設計

對有技術背景嘅讀者，可以理解下點解入聲字難造：

• 訓練數據如果以普通話為主，入聲字樣本會比較少（普通話冇入聲韻尾）
• 塞音韻尾 -p、-t、-k 喺音頻入面好短，標註成本高
• -m、-n、-ng 三個鼻音容易混淆
• 標點同語氣詞嘅訓練樣本亦會影響入聲字嘅輸出

粵語原生嘅 TTS 引擎，會喺處理入聲字方面有相應嘅設計。

常見問題 FAQ

入聲／聲調資料來源（tier-1）：香港中文大學《粵語審音配詞字庫》、香港語言學學會粵拼方案。入聲字配第 1／3／6 調。

入聲係咪等於「短音」？-m／-n／-ng 算唔算入聲？

唔完全係。入聲嘅特徵係「塞音收尾」，即係個音節結尾會被 -p／-t／-k 三個塞音封住，唔可以再延長。-m／-n／-ng 係鼻音韻尾，唔屬入聲。短音只係一個聽感描述，但唔係所有短音都係入聲。例如「呀」aa1 短，但係陰平聲，唔係入聲。

普通話 TTS 識唔識讀入聲？

取決於引擎。大部分通用 TTS 對粵語入聲嘅支援都唔太好，因為佢哋訓練數據以普通話為主，而普通話已經冇 -p／-t／-k 入聲韻尾。粵語原生嘅 TTS 引擎會有相應嘅處理。

點解有啲字 TTS 讀到好怪？

最常見嘅原因有四個：

1. 訓練數據以普通話為主，入聲韻尾處理唔好
2. 多音字冇足夠語境，TTS 揀錯讀音
3. 書面語同口語脫節，模型判斷唔到
4. 中英夾雜時切錯語言邊界

入聲字可唔可以加聲調標？

繁體中文書面語冇標準嘅聲調標系統，坊間有啲會用數字（baak3）或者符號，但 TTS 引擎一般唔識呢啲標記。用粵拼嘅話效果會好啲，但最實際嘅做法係用完整詞組同語境引導。相關用法可以睇 粵語 TTS 錨點指南。

文言文嘅入聲字點處理？

文言文入聲字（例如「國、學、術、德」）喺粵語口語入面已經唔算常用。如果一定要讀，可以靠完整詞組同語境引導。

入聲字對字幕有冇影響？

有。入聲字短促，如果字幕時間軸切得太緊，個尾音會被切走。SRT 字幕嘅時間設定可以參考 SRT 字幕工作流。

點樣判斷 TTS 引擎嘅入聲處理能力？

最直接嘅方法就係用同一段入聲字密集嘅文字（例如「百、客、桌、碟、濕、十、急、合、八、發、罰、襪」），去唔同 TTS 引擎度試聽，比較讀音準確度。

總結：入聲字難，但有方法

粵語入聲字係 TTS 嘅長期難題，但唔係冇方法。寫稿嘅時候：

• 寫地道粵語文字
• 加完整詞組
• 避開孤字
• 善用標點
• 選粵語原生嘅 TTS 引擎

最緊要係：唔好假設 TTS 一定讀得啱，一定要試聽、調整、再試聽。

想即刻試吓粵語 TTS 點讀入聲字？

[!CTA]

去 Playground 試入聲字

輸入「一百蚊」「好急」「黑晒」即聽效果，免費開戶每月有 5,000 字符試用。