廣東話讀屏 TTS 完整指南：原理、工具與無障礙應用

一句答你：廣東話讀屏 TTS 係將粵語文字轉成語音嘅技術，畀視障人士、長者、讀寫困難嘅用戶用聽嘅方式接收內容；揀嘅時候要睇係咪粵語原生、支唔支援中英夾雜同多音字、有冇 API 可以接入自動化流程。

Key Takeaways

• 廣東話讀屏 TTS 同一般旁白 TTS 最大分別，係要兼顧「可理解度」同「耐聽度」，唔係表演力
• 視障、長者、讀寫困難、學粵語四類用戶最需要，但需要嘅聲線風格唔同
• 多音字、中英夾雜、語氣詞係廣東話讀屏嘅三大技術樽頸，揀 TTS 要逐樣試
• API 接入可以將讀屏功能自動化；批量同 SRT 對長文檔、字幕場景特別有用
• 成本要計埋字符消耗同 API 配額，唔係淨係睇月費

廣東話讀屏 TTS 係乜？同一般 TTS 有咩分別？

讀屏（screen reader）原本係指系統內置嘅輔助功能，例如 iOS VoiceOver、Android TalkBack、Windows Narrator。但隨住 AI TTS 嘅成熟，越來越多產品會將 TTS 嵌入自己嘅 app 或者網頁，做「客製化讀屏」——即係用品牌自己嘅聲線、或者更貼近用戶語言習慣嘅聲線，去讀出內容。

廣東話讀屏 TTS 嘅核心係「將繁體中文或者粵語口語文字轉成語音」，畀用戶用聽嘅方式接收訊息。表面上同一般 TTS 一樣，都係文字入、聲音出，但實際要求差好遠：

第一，耐聽度。讀屏用戶可能一日聽幾個鐘，聲線太浮誇、太有「演繹」感，反而會令人疲勞。所以讀屏 TTS 通常偏好中性、穩定、清晰嘅聲線。

第二，可理解度優先。旁白 TTS 可以接受偶爾有啲「味道」、有啲語氣，但讀屏 TTS 一旦讀錯字、用錯聲調，用戶就會理解錯內容。所以讀屏 TTS 對多音字、中英夾雜、數字、符號嘅處理要求更高。

第三，自動化場景多。讀屏功能通常要嵌入軟件、網頁、硬件，唔會好似配音咁逐句人手過。所以 API、批量、SRT 呢啲工程化功能對讀屏 TTS 特別重要。

邊啲人需要廣東話讀屏 TTS？

講起讀屏，好多人第一時間諗起視障人士，但其實用戶群比想像中闊：

視障同低視力用戶

呢個係最直接嘅場景。視障人士用手機、電腦時，需要靠語音讀出螢幕內容。內置讀屏軟件雖然支援廣東話，但聲線選擇有限，而且唔可以自訂。如果一個機構想為視障用戶提供更貼心嘅體驗，例如銀行 app、政府網站，可以考慮用 TTS API 接入自己嘅產品，提供更自然、更穩定嘅粵語聲線。

長者

香港人口老化，好多長者睇細字好辛苦，甚至有老花、白內障。讀屏 TTS 可以將新聞、公告、健康資訊讀出嚟，等長者「聽」唔使「睇」。呢個場景對粵語要求特別高——因為長者通常只聽得明地道粵語，對普通話腔嘅廣東話會抗拒。

讀寫困難或者認知障礙

讀寫困難嘅人睇文字好慢，或者會睇漏字。讀屏 TTS 可以幫佢哋用聽嘅方式處理文字內容。認知障礙（例如腦退化症）嘅患者，有時用聽嘅方式比睇嘅方式更容易吸收資訊。

學粵語嘅人

呢個比較特別：外地人學廣東話，可以用 TTS 將粵語文字讀出嚟，做聆聽練習。呢個場景對 TTS 嘅要求同上面三類唔同——可能要慢啲、清楚啲、可以重複。

四類用戶對 TTS 嘅要求唔完全一樣，所以「一個聲線走天涯」未必 work。揀 TTS 嘅時候，最好確認平台有冇提供多種聲線同風格可以揀。

廣東話讀屏嘅三大技術樽頸

廣東話 TTS 嘅難度，喺讀屏場景會被放大。以下三個問題係最常見嘅：

多音字

廣東話有大量「一字多音」嘅情況，例如「行」可以讀 hang4（行路）或者 hong4（行列）。如果 TTS 系統處理唔好，讀屏用戶會聽到錯嘅字，理解就會錯。呢個問題喺 廣東話多音字攻略 有詳細講——基本上要靠上下文、語境、甚至 API 入面嘅特殊標記嚟處理。

中英夾雜

香港人日常講嘢好中英夾雜，例如「我 send 咗個 file 畀你」、「今晚去 gym」。讀屏 TTS 如果將英文單字當中文讀，就會好怪。如果將中文當英文讀，更加災難。揀 TTS 嘅時候，要留意平台對中英夾雜嘅處理能力，最好用真實嘅中英夾雜內容測試。

語氣詞同口語 vs 書面語

廣東話有大量語氣詞：啦、嘅、咩、囉、喎、嘅嘛、㗎喎。讀屏內容如果係書面語（新聞稿、合約），用大量語氣詞會怪；相反如果係對話內容（客服訊息、社交媒體），冇語氣詞會好生硬。讀屏 TTS 最好可以俾用戶揀要口語定書面語。整體嘅粵語 TTS 要求可以參考 廣東話 TTS 完全指南。

揀廣東話讀屏 TTS 嘅五個準則

面對唔同 TTS 平台，點樣揀？以下五個準則可以幫你篩選：

一、係咪粵語原生

唔係所有 TTS 都係「真正識廣東話」。有啲係用普通話模型加廣東話聲線，結果出嚟嘅腔調唔湯唔水。揀嘅時候要聽 sample，最好揀一啲有大量粵語原生訓練嘅平台。

二、支唔支援粵語特殊場景

中英夾雜、多音字、語氣詞——呢啲係基本盤。如果一個 TTS 平台連呢啲都處理唔好，就唔適合做讀屏。

三、有冇 API 可以接入

讀屏功能通常要嵌入軟件，所以 API 係必須嘅。API 要留意幾樣嘢：

• 有冇 sync（同步）同 async（非同步）兩種模式
• 字符上限係幾多（太短嘅唔適合長文檔）
• 支唔支援批量（一次過處理多段文字）
• 支唔支援 SRT（如果有字幕需求）

四、成本同配額

讀屏場景嘅字符消耗可以好大。例如一個新聞 app 每日讀 100 篇文章，每篇 1,000 字，就係 100,000 字一日。要計清楚自己嘅用量，再對比唔同方案嘅月費同字符額度。可以參考 廣東話 TTS 定價 同 廣東話 TTS 選購指南 了解點樣計成本。

五、有冇免費試用

讀屏係長期投入，最好先用免費額度試清楚。好多平台都有開戶贈送嘅字符額度，可以試齊唔同聲線、唔同功能，先決定付唔付費。詳情可以睇 免費廣東話 TTS 玩法。

用 API 整讀屏流程嘅實際做法

如果你係開發者，想將廣東話 TTS 接入自己嘅讀屏功能，以下係一個典型流程：

第一步：揀聲線

用 GET /v1/voices 攞到所有聲線目錄，每個聲線都有 slug 同 preview clip。讀屏通常揀中性、清晰嘅聲線，唔揀太有「表演感」嘅。

第二步：準備文字

讀屏嘅文字來源可以係：

• 網頁內容（要預處理 HTML）
• 文件內容（PDF、Word）
• 動態內容（新聞、訊息）

文字要控制喺合理長度。API 通常有單次字符上限（例如 500 字符），超過就要分拆。

第三步：提交生成

用 POST /v1/audio/jobs 提交。讀屏場景通常用 async 模式（即使字符短），因為讀屏可能要配合其他 UI 操作，唔想 block 用戶。

第四步：輪詢結果

用 GET /v1/audio/jobs/{id} 查狀態。等 completed 之後會有 audio_url，可以下載或者直接播放。

第五步：播放

audio URL 通常有時效（例如 1 小時或者 7 日），過期就要重新輪詢。下載唔使 auth header，URL 本身已經 pre-signed。

批量同 SRT：長文檔讀屏嘅兩個利器

如果讀屏嘅內容係長文檔（例如有聲書、長文章），用單次提交會好慢。呢個時候批量（batch）同 SRT 字幕輸出就特別有用。

批量

批量可以一次過提交多段文字（最多 25 個 request bodies），適合處理長文檔分章節、或者多段訊息。注意批量通常係 Pro 或者 Studio 方案先有，免費或者入門方案帶 items 會被拒收。

SRT 輸出

如果讀屏內容有時間標記（例如影片字幕、教學內容），可以用 SRT 模式輸出。SRT 會將每段文字連同時間碼一齊生成，方便對接影片播放器或者字幕系統。SRT 模式只行 async 軌，唔支援 sync 捷徑。

讀屏 TTS 嘅成本估算

讀屏 TTS 嘅成本主要係字符消耗。一個簡單嘅估算方法：

如果一個用戶一日聽 1 小時讀屏內容，一個月就係約 432,000 字符。要對比自己嘅用量同唔同方案嘅字符額度（入門 200,000、專業 600,000、工作室 1,400,000），揀最適合嘅 plan。

如果用量唔穩定，可以考慮字符包——通常以每千字符計算，可以彈性加量。具體收費要參考平台嘅定價頁。

讀屏 TTS 嘅限制同注意事項

雖然 AI TTS 已經好成熟，但用喺讀屏都要注意幾個限制：

第一，唔係所有平台都支援廣東話。揀之前要確認平台有粵語聲線，唔係淨係有普通話聲線。

第二，字符上限係硬限制。超過上限會被拒收，唔會自動截斷。所以長文檔要預先分拆。

第三，速率限制。每個 API key 都有每分鐘請求上限（預設 60/min）。讀屏場景如果同時處理多個用戶，要留意會唔會撞 rate limit。

第四，聲線唔係越多越好。太多聲線反而難揀。讀屏通常集中喺 1–3 個聲線就夠。

第五，唔好假設 AI 讀出嚟一定同真人一樣。AI TTS 嘅腔調、語氣、流暢度同真人配音仲有差距。對讀屏嚟講，重點係清晰、穩定、易理解，唔係要聽落好似主播。

點樣開始試廣東話讀屏 TTS

如果你想試下廣東話讀屏 TTS，建議以下步驟：

1. 用開戶贈送嘅字符額度，揀 2–3 個聲線試聽
2. 準備幾段真實嘅讀屏內容（新聞、公告、產品說明）
3. 測試中英夾雜、多音字、數字嘅處理
4. 如果有 API 需求，可以開 sandbox key 試接（免費／入門 tier 每日限 20 個生成 call）
5. 評估成本同用量，再決定升唔升 plan

實際操作可以參考 粵語 TTS 文字轉語音指南 了解文字轉語音嘅完整流程，再按自己需要決定用 playground 定 API。

常見問題 FAQ

廣東話讀屏 TTS 同內置 VoiceOver、TalkBack 有咩分別？

內置讀屏軟件嘅聲線選擇有限，而且唔可以自訂音色、語速、或者加入品牌元素。AI TTS 可以提供更多聲線選擇、更靈活嘅控制（語速、停頓、情緒），同埋可以嵌入你自己嘅 app 或者網頁，提供一致嘅體驗。

廣東話 TTS 可以處理中英夾雜嗎？

可以，但要揀有專門處理嘅平台。香港人日常講嘢好多中英夾雜，如果 TTS 將英文當中文讀，或者將中文當英文讀，效果會好差。建議先用真實嘅中英夾雜內容測試，例如「我 send 咗個 file 畀你」、「今晚去 gym 聽 podcast」。

視障用戶聽 TTS 會唔會好慢？

視障用戶聽 TTS 嘅速度通常比一般人快，因為佢哋習慣咗用聽嘅方式處理資訊。但語速可以調較嘅 TTS 會比較好，等用戶可以按自己習慣調節。

長者用 TTS 讀屏，邊種聲線最啱？

長者通常偏好地道、溫和、唔太快嘅聲線。避免太機械化、或者太過「後生」嘅聲線。最好可以提供 2–3 個聲線畀長者揀，再睇下邊個接受度最高。

讀屏 TTS 嘅成本高唔高？

成本主要係字符消耗。一個用戶一日聽 1 小時讀屏內容，一個月大約幾十萬字符。唔同平台嘅定價唔同，要根據自己嘅用量揀適合嘅方案。可以用免費額度先試，再決定升唔升 plan。

讀屏 TTS 可以離線用嗎？

一般 TTS API 都係雲端嘅，要上網先用到。如果係離線場景（例如無網絡環境），要揀支援離線嘅方案，或者預先下載語音檔案喺本地播放。

點樣確保讀屏 TTS 嘅私隱安全？

讀屏內容可能包含敏感資訊（例如醫療、銀行）。要確認 TTS 平台有合適嘅資料處理政策、加密傳輸、符合本地私隱法例。企業用戶可能要簽 DPA（資料處理協議），同埋了解平台嘅資料保留期（唔同 plan 嘅 history retention 由 15 日到 120 日）。

[!CTA]

試下廣東話讀屏 TTS

用開戶贈送嘅字符額度，即刻喺 Playground 揀聲線、輸入文字、聽效果——免費試，唔使信用卡。