粵語節奏重音：AI 配音聽落自然嘅分水嶺

一句答你：粵語節奏唔係每一粒字平均用力，而係以「音步」為單位鬆緊交替 — 雙音節詞頭輕尾重（「食飯」重音落在「飯」）、三音節詞 2+1 交替（「飲奶茶」重點落在「茶」）、本調較高嘅音節自然承受更多重音；將呢套輕重交替做返出嚟，廣東話配音先唔會聽落「機器味」。

「你飲咗茶未？」呢句嘢，香港人一聽就知道有幾地道 — 唔單止每個字讀音準，仲有成句嘢嘅起伏：邊粒字拖長、邊粒字帶過、邊度收得急。呢啲就係粵語嘅節奏同重音。好多 AI 配音聽落怪怪哋，問題往往唔止係讀音，而係節奏平咗：每一粒字都好似用同一力度讀出嚟，冇晒輕重快慢。

呢篇由語言學角度拆解粵語節奏同重音，淺白講 AI 語音點樣演繹輕重交替，令你揀聲線、改稿、校對時有得依循。全文零代碼，普通用家都睇得明。想由頭認識廣東話語音合成，先去《廣東話 TTS 完全指南》打個底。

Key Takeaways

• 粵語係音節計時語言：每個音節時長相近、個個讀得清楚，唔似英文咁將弱讀音節「吞」埋一齊
• 字雖然粒粒清楚，但語調組合並非平鋪 — 雙音節詞頭輕尾重：「食飯」重音落在「飯」、「你好」落在「好」
• 三音節詞做 2+1 交替：「飲奶茶」重點在「茶」、「搭地鐵」落在「鐵」；「放學之後」四段結構就係 2+2 兩個音步
• 聲調同重音好夾：T1（高平）、T2（高升起）呢類高調音節自然承擔更多重音；語句層面重音會令音節時長加長＋音域擴大，唔會鏟走本身調值
• AI 配音最常見問題係「節奏平」：每字等長等響，聽落機械。應對方法：口語化改稿（加入語氣詞同短句）、用標點標停頓、揀聲線同風格時試多幾把聲比較輕重交替
• 想知個系統點樣讀你段稿？貼一句落 港嘢 Playground 直接聽，即刻對到答案

粵語係「音節計時」語言

語言學將世界嘅語言大致分兩派節奏：

廣東話屬於音節計時呢一派。英文「photography」口頭上讀「fə-TÓ-grə-fi」，中間兩個音節弱化到幾乎消失；但廣東話「攝影」兩個音節 sed1 jing2，每一粒都得清清楚楚讀埋出嚟，唔會「吞」咗其中一粒。

呢個特性有兩個直接後果：第一，粵語語速嘅快慢主要由音節數目決定，想配音聽落急促，就寫短句、少字；想悠閒啲，就用長句同多啲虛詞。第二，AI 語音處理粵語時，「唔可以吞音節」係基本要求 — 粵語母語者對「粒粒清楚」嘅敏感度高過英文聽眾好多。所以揀 TTS 聲線時，聽嘅唔單止係音色，仲有佢每個音節係咪分明。

呢個都解釋咗點解好多通用 TTS 用英文嘅邏輯去演粵語時，聽落會怪：佢哋將英文嗰套「強弱懸殊」節奏搬過嚟，一聽就知唔係香港人講嘢。

同書面語節奏唔同嘅地方

粵語口語同標準書面語唔單止詞彙唔同，節奏骨架亦唔同。書面中文多長複合詞（例如「經濟發展」四字一氣呵成），粵語口語傾向拆成短主語加小句，再加埋大量單音節語氣詞（「吖」「啦」「囉」「啩」）。呢啲單音節尾令成句嘢多咗好多「收音位」，亦係粵語聽落有「一粒一粒」節奏感嘅原因之一。

想深究兩者差異，見下文「口語化改稿」一節。

重音點樣分布：頭輕尾重

粵語詞彙嘅重音分布有幾條好穩定嘅規律。以下例子附粵拼（聲調標示：1＝高平、2＝高升、3＝中平、4＝低降、5＝低升、6＝低平，詳見《九聲六調》同《粵拼入門》）。

雙音節詞：頭輕尾重

雙音節詞嘅重音規律係頭輕尾重，即係最後嗰個音節讀得重啲、長啲：

呢個模式同普通話有別 — 普通話雙音節詞常做「中重」或「重輕」交替，規律唔一樣，唔可以硬套。粵語「頭輕尾重」令成句嘢聽落似逐組「推出去」，每組嘅尾音係落腳點。

三音節詞：2+1 交替

三音節組合最常見嘅結構係 2+1：前兩音節成一個小組，第三音節自成一組並且承重：

留意「飲奶茶」唔係「飲」重「奶茶」平均輸出，而係「飲奶」一組帶過、「茶」字獨立承重。呢個 2+1 交替令成個詞組有「推—落」嘅律動。

四音節以上：2+2 音步交替

四音節以上嘅組合，音步以 2+2 為基本單位：

• 「放學之後」＝ [放學]＋[之後]：兩個音步，各自頭輕尾重，組同組之間有輕微間隔
• 「今日天氣好」＝ [今日][天氣][好]：2+2+1，單音節「好」喺句尾自然延長
• 「香港人講嘢」＝ [香港][人講][嘢]：語義群組主導音步切分

簡單講：粵語嘅節奏 = 音步單位「頭輕尾重」，組同組有微間隔。 AI 配音若然抓得住呢個律動，聽落就似「有氣口」；抓唔住，就會變成「機關槍」一樣平均輸出。

聲調同重音係兩家親

粵語嘅聲調系統有九個調（六個 basic 調＋三個入聲變體）。聲調同重音嘅互動係理解「邊粒字聽落重」嘅關鍵。

本調高低影響承重能力

本調（唔計變調）嘅聲調高低，直接影響一個音節幾容易聽落「重」：

呢個表嘅意思唔係「T4 字讀得輕」，而係：喺語句層面，高調音節（T1、T2）自然承擔更多重音，令成句嘢嘅高點集中喺某幾粒字身上，形成聽唔到但感覺到嘅「骨架」。粵語聲調系統嘅完整拆解，見《九聲六調》。

重音唔會鏟走聲調 — 但會加長＋擴音域

同英文最大嘅分別嚟喇：英文強讀音節可以「吞」聲調變化（英文根本冇詞彙聲調），但粵語聲調係詞彙性嘅 — 改咗調就唔係嗰個字。所以粵語重音嘅表達方式係：

1. 時長加長：語句重音音節讀得長啲（可長 20–50%，視乎語境）
2. 音域擴大：調值上限同下限推闊，聽落「高音高啲、低音低啲」
3. 強度增加：振幅大啲，但唔係最主要手段

三樣嘢同時做，令重音音節「企得高啲」，但調型冇變。呢個都係點解 AI 配音揀啱聲線＋風格之後，仍要靠稿面（標點、停頓、字數）去輔助節奏 — 因為重音唔係靠「嗌大聲啲」。

變調點樣改變重音位置

粵語變調（tone sandhi）會令某啲字本調改變，進而影響重音落點。最經典係名詞化高升變調：「糖」本調 tong4（低降），變調 tong4-2（高升）。變調唔單止讀法變咗，重音結構亦唔同：

• 「買糖」—「糖」變調 tong2，因為高升調自然承重，音節變長變響，成個詞組重音明顯在「糖」
• 對比「買糖水」—「糖」喺三音節詞非尾位，照讀本調 tong4，重音推落「水」

呢類變調字仲有「妹」「女」「路」等常見例子，完整討論見《粵語變調》。AI 配音處理變調時，如果系統冇變調詞典或者唔識跟語義判斷，就會照本調讀 — 聽落唔會「撞車」但會少咗啲地道感。揀 TTS 聲線時可以特登揀一句有變調字嘅稿去試。

AI 配音嘅節奏問題：點解聽落平

知道理論之後，就明白 AI 配音常見毛病嘅根源。

節奏平：每粒字等長等響

最常見問題係節奏平：AI 將每個音節等長等強輸出，冇輕重交替。聽感上似「機關槍」或者「老師逐字領讀」。產生原因有兩個：

1. 訓練語料以書面語為主，模型學到嘅「正常粵語」本身已經偏平
2. 稿本身係寫好嘅書面語，冇口語嘅輕重交替資訊

進一步：一個音步兩粒字被「平均」處理

再微妙啲嘅問題：AI 可能抓到音步概念，但音步內部冇做「頭輕尾重」— 「食飯」讀成「食」「飯」等重，聽落就是「逐字朗讀」感。呢個問題喺三音節詞更明顯：「飲奶茶」變成「飲-奶-茶」平分秋色，冇咗 2+1 嘅「推—落」感。

對應方法一：口語化改稿

稿件本身係最得力嘅工具。書面語字數多、語氣少，AI 冇輕重交替嘅「材料」；口語化之後，材料就返晒嚟：

改稿大原則：短句、加語氣詞、句尾開口（唔好成句長複合詞）。

對應方法二：標點同停頓標記

粵語語氣詞對 TTS 嘅系統性影響（點解加「啦」會拖長前字、點解句尾「吖」「啩」會拉出收音位），見《粵語語氣詞》。呢度只想強調一點：標點位置就係節奏位置。 逗號放喺音步邊界附近，AI 多半喺嗰度停一停，成句嘢嘅「氣口」就出嚟：

• ❌ 「今日本店有多款新產品上架」— 一氣到尾，AI 冇位透氣
• ✅ 「今日，本店有好多新款產品上架啦。」— 「今日」後細停，「啦」前有一個自然收尾

對應三：多聽多試，用耳仔揀

理論幾好，最後都要靠耳仔驗收。同一句稿，多試幾把聲幾種演繹風格，每把聲聽三樣嘢：

1. 音節分明度：有冇「吞音節」或者拖泥帶水
2. 頭輕尾重：雙音節詞係咪尾字承重
3. 句尾收音：語氣詞係咪有「收靚」而唔係「斷」
4. 2+1 交替：三音節詞組有冇「推—落」律動

同一句稿喺 Playground 試勻幾把聲，兩分鐘就對比出高下。想知點揀聲線，見《點揀 TTS 聲線》。

由理論落地：一個改稿示範

將成套 framework 對住一句真稿用一次：

原稿（書面語）：「本公司將於本月十八日舉行週年會議，歡迎各位同事準時出席。」

口語化＋按節奏標點之後：

「下個月十八號，我哋公司開週年大會，（細停）大家記得準時到喇。」

逐組拆音步：

成句嘢由原本一氣到尾嘅 24 字書面句，變成三個短句群，每群有明確重音落點同收音位。呢個先係 AI 配音可以展演出嘅「有節奏」稿。

常見問題 FAQ

粵語重音同英文重音一唔一樣？

唔一樣。英文重音可以透過「吞弱讀音節」實現，強弱差距極大；粵語重音主要靠延長＋擴音域，音節仍要讀得清楚，唔可以「吞」。兩套語言節奏骨架唔同，唔可以直接將英文配音經驗套落粵語。

我唔識粵拼，睇唔睇得明呢篇？

睇得明。文中粵拼係輔助資訊，主要規律可以用耳仔對照驗證：搵個香港人讀「食飯」「飲奶茶」，你會聽到尾字明顯重過頭。想系統學粵拼，可讀《粵拼入門》一文。

AI 配音點先聽落「唔機器」？

三樣嘢：一，音節粒粒分明；二，有頭輕尾重嘅輕重交替；三，句尾語氣詞有自然收音。三者齊，就係地道粵語節奏。缺邊樣都會扯高「機器感」，其中節奏平最致命。

同一段稿，點解唔同聲線節奏差咁遠？

聲線唔單止音色唔同，演繹傾向都唔同：有啲聲線天生慣性「逐字」輸出，有啲會跟稿面標點做輕重。所以同一句稿用幾把聲試，節奏分別可以好大。揀聲線時記住同時聽「音色＋節奏」兩樣嘢，唔好淨係聽靚唔靚。

節奏改唔改到「懶音」問題？

唔會。節奏（輕重快慢）同懶音（聲韻母簡化）係兩回事，兩樣嘢各有各嘅處理。不過節奏好嘅配音，會令聽眾較少留意到讀音細節瑕疵，兩者有間接關係。

有冇得用粵拼標重音，直接畀 AI 睇？

一般 TTS 唔接收「標重音」輸入；重音係系統自己按語言模型判斷。你控制唔到重音本身，只可以靠稿面（口語化、標點、斷句）間接引導。

尾聲：節奏係配音嘅「氣口」

粵語配音要自然，讀音準係基本，節奏先係分水嶺。記住三樣：音節計時、頭輕尾重、組間有氣口。落筆寫稿時用口語化＋標點將呢啲特性「餵」畀 TTS，出嚟嘅聲就唔會再係機關槍。

[!CTA]

貼一段你嘅稿落嚟試節奏

用 Playground 試吓同一段稿，點揀聲線先有自然輕重交替 去 Playground 試