廣東話拼音轉換教學：文字轉拼音、拼音轉字同批次處理

一句答你：「廣東話拼音轉換」其實係三件唔同嘅事 —— 文字轉拼音、拼音轉返漢字、同一批文字批量處理。三件事用嘅工具、會出嘅錯、驗證方法都唔一樣。而家免費工具已經做得幾齊：PyCantonese 處理分詞、詞界消歧同粵拼↔耶魯互轉；canto-hk-g2p 補上數字、日期、貨幣、單位嘅正規化同中英夾雜。但兩個都係單向（字 → 拼音），拼音轉返漢字一定要靠字典或者自己砌反查表。

「廣東話拼音轉換」呢個講法喺網上有兩個用法：一個係指將中文稿變成粵拼（做字幕、對照表、朗讀稿），另一個係指將粵拼變返中文（例如聽到一段音想知道點寫）。兩者技術上完全唔同，用錯工具會撞板。

呢篇唔會教你背拼音（嗰部分睇《粵拼 Jyutping 入門：完整教學指南》）。本文做嘅係一件事：真係跑一次兩個開源工具，逐項對照佢哋實際輸出乜，同埋指出每一步會點錯。

重點摘要（Key Takeaways）

• 轉換係四層管線：正規化 → 分詞 → 多音字消歧 → 輸出。任何一層改動，結果就會變；只睇最後一行好易錯判。
• 【實測】2026-10-30 同一批文字，兩個工具輸出唔同。香港銀行 一句，PyCantonese 出 ngan4 hong4（啱），canto-hk-g2p 出 ngan2 haang4（錯）—— 因為後者用最長詞匹配切詞，將「香港銀行」切開咗。同一個工具喺唔同詞界上，答案可以完全唔同。
• 正規化係最易被忽略嗰層。2026年6月13日 喺 canto-hk-g2p 出 ji6 ling4 ji6 luk6 nin4 luk6 jyut6 sap6 saam1 jat6，但喺 PyCantonese 出 None —— 因為佢冇數字正規化，數字直接變未知詞。
• 多音字唔只有一個答案。行 一個字，canto-hk-g2p 列出 9 個候選讀音（haang4／hang4／hong4…），由高頻排到低頻；正經 就只有兩個，而且標示做「並列」而唔係「有排序」。
• 粵拼 → 耶魯 → 粵拼 可以無損往返。實測 hei3 hau6 → 耶魯 hei hauh → 粵拼 hei3 hau6，中間唔會走樣；唯一要留意嘅係耶魯嘅低調 h 標記同音節邊界會撞。
• 冇任何工具可以替代人手核讀音。工具可以話你「邊個字最可能」，但權威讀音始終要查中大《粵語審音配詞字庫》。

「轉換」其實有三個方向，工具唔同

文字轉拼音（G2P） 係最常見嗰個：一句中文稿入去，出一串粵拼。呢個方向已經有幾個成熟開源工具，因為佢係可程式化嘅，所以最適合批次處理。

拼音轉返漢字（反查） 方向相反：聽到 daan6 gou1，想知係咩字。呢個方向冇乜好工具 —— 因為同一個讀音對應多個漢字，要靠詞典同語境。

批次轉換 其實唔係第三種轉換，而係同一件事嘅規模版本：一句變一萬句。佢帶嚟嘅新問題係速度、批次一致性、錯誤點樣捉。

三個方向嘅對照：

我哋本文集中講第一個方向，因為嗰個係最多人問、亦係最多人做錯嗰個。方向一嘅基礎（19 聲母、9 韻腹、8 韻尾、6 聲調），《廣東話拼音（粵拼）：聲母韻母全表》 一頁有齊。

一條四層管線：每層都會改變結果

正規化 係將輸入改造成一個「工具一定識得」嘅形式：數字、日期、貨幣、單位、百分比展開成口語讀法，標點統一，英文同中文嘅邊界理順。分詞 係將字串切成詞 —— 粵語嘅詞界好重要，因為好多字嘅讀音要靠詞語先定得到。多音字消歧 係為一個字揀一個預設讀音。輸出 係加調號、加空格分隔音節。

四層之中，任何一層嘅實作唔同，結果就會唔同。呢個係理解工具差異嘅唯一入口。

【實測】同一批文字，兩個開源工具嘅實際輸出

【實測】我哋喺 2026-10-30 用 Python 3.12 虛擬環境，裝咗 pycantonese 5.0.0 同 canto-hk-g2p（PyPI 最新版），逐句跑 characters_to_jyutping() 同 Pipeline().convert()。以下全部係工具嘅真實輸出，冇任何改動。環境、指令同完整結果可以重跑。

最值得留意嗰行係「香港銀行」。兩個工具嘅底層詞典都收錄咗「銀行 → ngan4 hong4」，但 canto-hk-g2p 用最長詞匹配切詞，於是將「香港銀行」切成「香港」＋「銀」＋「行」，「銀」變咗 ngan2、「行」變咗 haang4。同一個詞喺唔同詞界上，答案可以完全唔同 —— 呢個唔係工具嘅 bug，係詞界本身攞到嘅線索唔同。

正規化：最易被忽略、亦最容易出事嗰層

如果你嘅稿入面有數字、日期、金額或者單位，正規化直接決定最終啲字讀得啱唔啱。

上表顯示嘅對比好清楚：canto-hk-g2p 內建咗完整嘅粵語口語正規化器 —— 2026年 → ji6 ling4 ji6 luk6 nin4、50% → baak3 fan6 zi1 ng5 sap6、HK$100 → jat1 baak3 jyun4。呢啲係佢內置規則嘅實際輸出（README 內有對應例子，2026-10-30 查閱）。

PyCantonese 呢邊冇做呢一層：上表入面 2026年6月13日 嘅「2026」直接出 None（代表無法轉換）。None 唔代表讀音唔存在，代表呢個工具嘅詞典冇呢個 token。如果你嘅流程會將 None 嘅位置當成「原樣保留」，咁數字就會喺最後一步先爆。

實務建議：如果稿入面有數字，就喺轉換之前先做正規化，唔好依賴工具。如果你用 canto-hk-g2p，佢內建嗰層已經够；如果你用自己嘅流程或者 PyCantonese，就自己補一個正規化步驟，並且專門測試年份、金額、百分比、溫度、樓層呢幾類。

分詞：詞界決定咗「行」點讀

分詞唔係「切得靚唔靚」嘅美觀問題，而係正確性問題。上表「蛋 → daan2」對「蛋糕 → daan6 gou1」就係最簡單嘅證明：同一個字，孤立講同喺詞入面，調號唔同。

粵拼詞典錄入嘅係「詞」而唔係「字」，所以詞界一變，命中嘅詞就變，讀音就變。Canto-hk-g2p 用最長詞匹配切詞；PyCantonese 用自己嘅分詞器（v4.0.0 起底層換咗 Rustling），並且可以用你自己指定嘅切法。

【獨家觀察】好多教程會話「G2P 工具唔夠準，所以要人手校」。但上表顯示嘅唔係「唔夠準」，而係同一個工具喺唔同詞界上會畀唔同答案。呢個分別好重要：如果你將「手工校過嘅讀音」當成「工具嘅預設讀音」，你就會以為工具有錯；實際上你要校嘅係詞界，而唔係逐個字。用固定嘅詞表、穩定嘅切詞規則去做，錯嘅地方會穩定落嚟 —— 呢啲位就係你可以靠詞表修；唔穩定嘅嗰啲位，先係要人手睇。

多音字：預設讀音點揀，同點知揀得啱唔啱

多音字係 G2P 最難嗰層。Canto-hk-g2p 提供咗一個「候選 API」，實測輸出：

convert_candidates("正經") → [('正經', ['zing3 ging1', 'zing1 ging1'], 'yue', 'tied', ...)]
convert_candidates("行")   → [('行', ['haang4','hang4','hong4','hang6','hong2',
                                       'hong6','haang2','hang2','haang1'], 'yue', 'ranked', ...)]
convert_candidates("香港") → [('香', ['hoeng1'], 'yue', 'certain', ...),
                               ('港', ['gong2'], 'yue', 'certain', ...)]

三個位值得留意：

第一，置信度係分類，唔係分數。 工具刻意唔俾概率值 —— 因為佢哋嘅詞典冇真實頻率數據，俾一個浮點概率出嚟只係作出嚟。所以 certain（無歧義）、ranked（有排序偏好）、tied（並列、無排序）三個類別先係可信嘅資訊。見到 tied 就代表「呢個工具分唔出」，唔好當成「頭一個啱」。

第二，歧義係喺詞層報告，唔係逐字報告。 香港 被切做「香」＋「港」，兩個都 certain —— 個詞界先係有意義嘅單位。

第三，convert() 同 convert_candidates() 嘅第一名永遠一致。 即係話「最有把握嗰個」係同一個，候選清單只係俾你見到「第二個可能」。

實務做法：如果你做批次轉換，唔好淨睇 convert() 嘅輸出 —— 至少要將 tied 同 ranked 嘅 token 抽出嚟人手核。PyCantonese 嗰邊亦有類似情況：蛋 出 daan2、蛋糕 出 daan6 gou1，證明佢同樣靠詞界判斷。

多音字嘅讀音規則同處理方法，睇《廣東話多音字攻略：AI 讀錯點算？》。

拼音轉返漢字：反查嘅三種做法

反查方向冇開源工具可以直接用（PyCantonese 就係單向嘅），所以有三条路：

第一，用字典查。 粵典 可以由粵拼反查；中大《粵語審音配詞字庫》 有字頭、粵拼同配詞，適合逐字核。優點係權威、有上下文；缺點係逐個查，慢。

第二，自己砌反查表。 如果你已經有晒「字 → 拼音」嘅一對一對應（正規化之後嘅詞典就係），反查就係將佢倒轉。呢個做法嘅關鍵唔係技術，係詞典質量：一個字有幾多個讀音、反查表要唔要保留全部候選、預設讀音點定。

第三，用詞典做上下文消歧。 反查出嚟嘅唔係一個字，係一組候選。呢個時候要靠詞語搭配去收窄 —— 呢部分同查字典嘅流程一樣，睇《廣東話讀音字典點用？新手必睇完整教學指南》。

繁簡字、口語字同借音字

呢三類係「拼音轉換」入面最常出問題嘅輸入。

口語用字：「嘅」「咗」「喺」「噉」「㗎」呢啲字，部分唔喺通用漢字表入面。實測 佢send咗email俾我 喺 canto-hk-g2p 出 keoi5 send zo2 email bei2 ngo5 —— 全部口語字都轉到，因為佢內建咗手寫嘅口語字表。PyCantonese 都轉到 嘅（ge3），但英文部分出咗事：send 變 sen1、email 變 ji1 me1 lou4，即係逐個字母用粵拼讀。呢個對英文夾雜嘅稿係硬傷。

借音字：「訓覺」應該寫「瞓覺」、「岩岩」應該寫「啱啱」—— 用同音嘅字頂替。實測兩個工具都唔完美：canto-hk-g2p 出 岩岩 → ngaam1 ngaam1（啱，佢有借音字修正表），但 訓覺 → fan3 gaau3 同正確讀音仍然有出入；PyCantonese 就兩個都原樣轉（fan3 gok3、ngaam4 ngaam4），即係用咗變體字本身嘅讀音。呢類要人手改。

繁簡字：繁體字嘅粵拼同簡體字通常一致（粵語同普通話嘅字形對應唔影響讀音），但異體字要小心 —— 同一個意思嘅兩個寫法，粵拼可能唔同（例如口語字嘅「嘅」同「嘅」寫法變體）。呢部分整理，睇《粵語口語字點寫？常用字詞寫法懶人包》。

轉去其他羅馬化方案：粵拼、耶魯、IPA

有啲下游工具要嘅唔係粵拼，而係耶魯式或者 IPA。PyCantonese 呢三樣都有，而且往返無損。實測：

唯一要留意嘅位係耶魯嘅音節邊界歧義：耶魯嘅低調用 h 標記，所以 heihauh 可以係 hei3 hau6（氣候）或者 hei6 au6。hei3 hau6 轉出嚟嘅耶魯係 hei hauh，中間嘅空格正係音節邊界嘅標記 —— 往返嘅時候靠佢分開。呢個細節唔講，大部分人會以為係 bug。

耶魯式同教院式嘅其他分別，睇《粵語拼音方案比較：Jyutping vs Yale vs 教院式》。

點驗證你嘅轉換結果

冇公開、可重複嘅「粵拼轉換準確率」測試集，所以本文唔會寫「準確率 98%」—— 咁啲數字冇比較價值（你唔會知佢係點量出嚟、喺咩稿上量）。但你可以自己跑一個可重現嘅驗證方法：

1. 砌一個固定測試集。 三十至五十句，覆蓋你實際會用到嘅場景：常用句、含數字同金額嘅句、含人名同品牌嘅句、含中英夾雜嘅句、含多音字嘅句。寫低，之後每次改流程都打同一批。
2. 逐句人手核一次正讀。 用中大《粵語審音配詞字庫》或粵典核，記低「工具啱 / 工具錯」。記低錯嘅嗰句屬於邊一層（正規化／分詞／消歧／輸出）。
3. 記錄三個數：正確句數、None 或者未轉換 token 嘅數量、同一個讀音出現多過一個候選嘅 token 數量。
4. 每次改流程之後重跑同一批，比較三個數嘅變化。邊個數跌，就知你改壞咗邊層。

呢個方法嘅價值唔在於數字靚，喺於每次變動都有可比較嘅基準。工具換咗、詞典換咗、正規化規則改咗，都可以即刻見到影響。

常見問題 FAQ

廣東話拼音轉換有冇官方工具？

有參考，但唔係俾你直接接 API 用。香港語言學學會嘅《粵拼方案》同《粵拼答問》係標音標準嘅來源；中大《粵語審音配詞字庫》係逐字查讀音嘅權威工具。真正可以程式化跑嘅係開源工具（PyCantonese、canto-hk-g2p），佢哋嘅詞典各有資料來源同授權，商用前要自己睇。

轉換出嚟嘅拼音可以直接用嚟合成語音嗎？

要留意三件事：多音字嘅預設讀音未必係你要嘅；變調（連讀變調）通常唔會自動處理 —— 呢類工具輸出嘅係本調；中英夾雜嘅英文部分，工具之間處理唔同（有啲原樣保留，有啲逐字母讀）。所以批量之前一定要有驗證步驟。

點解同一個字，兩個工具答案唔同？

最常見原因係詞界唔同：切詞方式唔同，命中嘅詞就唔同，讀音自然唔同。上表嘅「香港銀行」就係呢個情況。其次係詞典覆蓋範圍同正規化規則唔同。

拼音轉漢字一定要逐個查字典？

如果你只係查一兩個字，係。如果你做緊批次或者要系統化處理，值得自己砌反查表 —— 由已經正規化咗嘅「字 → 拼音」對應倒轉，再用字典核對有歧義嗰部分。反查表嘅質量取決於詞典同預設讀音嘅定義，所以建表時呢兩件事要一齊定。

有冇得一次過轉成我哋要嘅格式（耶魯、IPA）？

可以。PyCantonese 實測粵拼 → 耶魯 → 粵拼 往返無損，亦可以直接出 IPA（帶調號或調數字兩種）。 canto-hk-g2p 亦有對應嘅 IPA 輸出。要留意耶魯嘅音節邊界會用空格標記，唔好喺中間加嘢。

授權可以商用嗎？

逐個睇。PyCantonese 本身係 MIT，但內含嘅資料分別來自香港粵語語料庫（CC BY）、rime-cantonese（CC BY 4.0，要求署名）等；canto-hk-g2p 係 Apache-2.0，同樣有 rime-cantonese 嘅 CC BY 4.0 署名要求。兩者都明確排除咗授權唔相容嘅資料集（例如粵典內容屬專有，不可再分發）。商用前請逐個睇對應版本嘅授權同 NOTICE。

想試下轉一次？

貼一段你日常用嘅粵語稿入去，睇下系統點樣斷字揀音 —— 同時你就知道，自己嘅稿入面邊啲字最需要人手核。

相關文章

• 粵拼 Jyutping 入門：完整教學指南
• 粵拼資料庫點揀？5 個免費語料比較＋點樣砌成 G2P 詞典
• 廣東話讀音字典點用？新手必睇完整教學指南
• 廣東話多音字攻略：AI 讀錯點算？12 個實例＋自救 5 招
• 廣東話拼音（粵拼）：聲母韻母全表、6 個聲調與查字方法

---

本文由港嘢內容團隊編輯審閱（editorial review，2026-10-30）。想了解我哋嘅背景，可以睇關於港嘢；讀音同工具嘅問題，可以用聯絡表格問我哋。