廣東話 TTS 比較：揀工具嘅 5 大準則，唔好淨係睇價錢

一句答你：揀廣東話 TTS 唔應該由價錢開始，應該由「你有冇辦法驗證佢讀得啱、講得自然」開始 — 價錢係第 5 個準則，唔係第 1 個。

比較廣東話 TTS 嘅時候，最容易犯嘅錯係：打開價目表，睇邊個平，然後數下功能 bullet 有幾多行。但廣東話呢個語言有個特性 — 功能表睇唔出深淺。

一個工具可以寫住「支援廣東話」，但將「銀行」讀成「銀 haang4」；可以寫住「支援中英夾雜」，但每次轉英文就換把聲；可以寫住「支援 API」，但你要買到最貴嗰個 plan 先開得。呢啲嘢，冇一樣會出現喺 feature list 上面。

所以呢篇文唔會叫你買邊個。佢會俾你 5 個可以自己驗證嘅準則，每個準則都講清楚「點問、點測、睇咩」，再加一張落單前 checklist。你拿住呢套框架去試任何一個工具都用得着。

如果你連廣東話 TTS 係咩、同普通話 TTS 有咩分別都未清楚，建議先睇《廣東話 TTS 完全指南》，再返嚟睇呢篇。

Key Takeaways

• 廣東話 TTS 市場大致分三類：通用多語言平台、粵語專門平台、開源自架方案。三類嘅強弱項唔同，唔可以直接比價
• 準則嘅正確次序係：讀音準確度 → 自然度 → 粵語專門度 → 實用功能 → 成本結構。價錢排最後，因為佢最易睇、但最唔反映質素
• 每個準則都有你可以自己做嘅測試：讀音用多音字考題、自然度用中英夾雜句、專門度睇 locale 代碼同聲線目錄
• 計費要換算成「每分鐘語音成本」先比得公平 — 一個常用估算係約 240 字符 ≈ 1 分鐘
• 落單前必問三件事：爆額會點、API 係邊個 plan 先有、商用授權點計
• 文尾有 10 項 checklist，逐項剔完先落決定

點解「平」唔等於「抵」？先搞清楚你買緊咩

廣東話 TTS 大致分三類

唔同類別嘅工具，成本結構同強項根本唔同，所以「A 平過 B」呢句嘢本身未必成立。

呢個分類唔係「邊個好」嘅排名，而係你嘅工作流程配邊一種。你只做粵語內容，通用平台嘅多語言優勢對你冇價值；你要做 12 種語言，粵語專門平台就唔夠用。

價錢差異通常反映咩（同唔反映咩）

價錢差異，通常反映三樣嘢：配額大小、功能權限（例如 API、聲音複製）、服務等級。

價錢差異唔反映：讀音準確度、語氣自然度、中英夾雜處理得好唔好。呢三樣冇一個價目表會寫，亦冇一個供應商會寫自己唔好。

所以第一句結論：價錢係「你買幾多」嘅指標，唔係「佢幾好」嘅指標。要驗「幾好」，就係下面 4 個準則。

準則一：讀音準確度 — 用考題驗，唔好信 demo

點解 demo 唔可信

大部分產品頁嘅示範音檔，係精心揀過嘅句子 — 短、順、冇多音字、冇口語字、冇中英夾雜。demo 嘅作用係展示「把聲好唔好聽」，唔係展示「讀音準唔準」。呢兩件事係分開嘅：一把好聽嘅聲可以讀錯字，一把普通嘅聲可以讀得好準。

5 分鐘實測法：三層考題

唔使自己設計測試，照抄以下三層去試任何工具就得：

第一層 — 多音字（考上下文判斷）

貼一句含兩個對立讀法嘅句子，例如：

• 「我去銀行攞錢，然後行過去隔籬街。」（銀行 hong4／行過去 haang4）
• 「呢件行李好重，但呢件事更加重要。」（好重 cung5／重要 zung6）
• 「呢條路好長，佢就喺呢度成長。」（長短 coeng4／成長 zoeng2）

第二層 — 口語字（考辨識廣東話寫法）

貼一句密整合口語字嘅句子，例如：「我哋尋日喺旺角食咗飯，冇再嚟。」聽下有冇跳字、有冇用書面讀音硬讀（例如將「咗」讀成「zok3」而唔係自然嘅口語音）。

第三層 — 助詞（考有冇當佢係普通字）

貼一句：「係啦，唔使急喎，等佢自己搞喇。」聽下助詞係「有語氣」定係「讀咗個音就算」。

讀音對唔對，要有權威可以核。粵語讀音可以查 CUHK《粵語審音配詞字庫》，拼音寫法可參考 LSHK（香港語言學學會）。逐字核實嘅常見多音字表，我哋另外整理咗喺《廣東話多音字攻略》。

「準」嘅最低標準

唔使追求零錯誤 — 任何 TTS 都會有錯。要睇嘅係錯誤有冇規律：

• 錯嘅係你稿入面永遠唔會出現嘅冷門字 → 可以接受，改稿就搞得掂
• 錯嘅係「重複」「銀行」呢類日日用嘅常用字，而且每次都錯 → 呢個係語言能力問題，唔值得為佢改稿
• 錯嘅係你嘅專有名詞（人名、公司名） → 屬個別問題，出稿前人手聽一次就夠

準則二：自然度 — 語氣、節奏、中英夾雜

三個必測句

「自然度」聽落好主觀，但其實有三個具體位可以測：

測 A — 中英夾雜（測轉台）：「今晚 go 唔 go gym？我 book 咗場。」聽下轉英文嗰刻係「同一把聲、同一個語氣」定係似換咗個人講嘢。

測 B — 語氣詞（測演繹）：「係啦，唔使急喎。」聽下助詞有冇態度，定係平平讀過。

測 C — 長句停頓（測節奏）：貼一段 150–250 字、有逗號句號問號嘅稿。聽下停頓位有冇跟標點，定係機械式勻速 — 呢個係「似傾偈」同「似報站」嘅分界線。

進階啲可以睇：同一句稿用「書面語寫法」同「口語寫法」各生成一次，聽下分別大唔大。相關深讀：《中英夾雜 TTS 讀音》、《語氣詞 AI 讀法》、《書面語 vs 口語》。

聽嘅時候，唔好只聽「有冇出聲」

新手最常犯嘅錯，係聽完成段覺得「OK 呀」就收貨。建議轉個聽法：同一句稿，逐個高風險位暫停去聽。具體嚟講，你要聽嘅係「重點字有冇拖長」、「助詞有冇輕輕帶過」、「疑問句尾音有冇升」。香港人講嘢係有輕重快慢嘅，TTS 有冇呢層，一聽就知。

準則三：粵語專門度 — 真專攻，定係「語言清單多一格」？

四個可以查證嘅指標

呢個準則最易驗，因為全部係公開可查嘅事實，唔使聽：

第 ④ 點值得多講一句：一個供應商肯唔肯公開機器可讀嘅 API 規格，某程度上反映佢對自己產品嘅透明度。可以掃嘅嘢，你就可以定期重測，唔使信一年前嘅部落格文章。

點解呢項決定長線表現

粵語專門度唔係「品牌認同」，而係資源分配嘅代理指標。一個模型要照顧幾十種語言，分到粵語嘅比重自然有限；專攻一個語言嘅，先有可能將資源集中喺粵語嘅難位（九聲六調、入聲、口語字、語氣詞、中英夾雜）。

但要誠實講一句：「粵語專門」係一個假設，唔係一個結論。 專門平台同樣可以做得差，通用平台同樣可以喺粵語落重本。所以呢個指標係用嚟決定你先試邊幾間，唔係用嚟代替準則一、二嘅實測。

準則四：實用功能 — 你嘅 workflow 撐唔撐得住

六條功能問題，逐條問

呢部分唔係「功能越多越好」，而係「你要嘅功能有冇，同埋喺你嗰個 plan 有冇」。逐條問：

1. 批量：一次過可以交幾多條稿？錯誤驗證係逐條定 all-or-nothing（一條唔合法會唔會拖冧全批）？
2. 字幕：可唔可以直出 SRT，定係要你自己對時間軸？（詳見《TTS SRT 字幕 workflow》）
3. 非同步／同步：長稿係咪要「提交 → 收 job id → 輪詢到完成」？同步捷徑有冇字數上限？
4. API 權限：API 係所有付費方案都有，定係要指定級別？scope 分唔分權（例如「生成」同「複製聲音」係兩個唔同權限）？
5. 聲音複製：樣本要幾長、要唔要乾淨人聲、有冇同意／倫理要求？
6. 聲線設計：冇心水聲線嘅話，可唔可以自己砌一把（例如指定性別＋年齡層）？

開發者向嘅完整流程，可以睇《粵語 TTS API 快速上手》；功能面深入啲就有《點樣用 API 生成地道粵語語音》。

最容易中伏嗰條：額度共用

呢條要單獨講，因為好多人到爆額先發現：API 用量同網頁版（playground）係咪共用同一個月配額？

如果係共用，咁你月頭用 playground 瘋狂試音、調參數，就直接食咗你月尾出貨嘅額度。呢個唔係 bug，係設計 — 但你要落單前就知，先識得分配。

問法好簡單：「API 同網頁版係咪同一個 quota？」答唔清楚嘅，就當係共用去預算。

準則五：成本同計費結構 — 銀碼以外要睇嘅四樣嘢

三種計費模式，點比

換算成「每分鐘語音成本」先比得公平

字符制同訂閱制唔可以直接同「時長制」比。要公平比，就用一個換算：

每分鐘成本 ＝（每 1,000 字符價格）÷ 4.17

因為一個常用估算係 約 240 字符 ≈ 1 分鐘粵語語音（即 1,000 字符 ≈ 4.17 分鐘）。

舉個實例：如果一個方案係 HK$0.64／1,000 字符，換算就係約 HK$0.15／分鐘。你自己除一除，就可以同「時長制」報價放埋一齊比。

要留意：240 字符／分鐘係一個估算，唔係物理定律。語速、停頓、標點密度都會影響 — 一份密麻麻冇標點嘅稿，同一份多短句嘅稿，同一個字數出嚟嘅長度可以差好遠。想準，就用你自己嘅稿試一次。

港嘢現行方案一覽（2026-09-16 快照）

俾你一個具體例子，順便示範上面嘅換算點用。以下係港嘢 Canto-Gen 現行方案（核實日期 2026-09-27）：

換算成時長（以 240 字符／分鐘估算）：免費約 8 分鐘、Starter 約 14 小時、Pro 約 42 小時、Studio 約 97 小時。

三個要注意嘅規格：

• 冇超額收費：配額用完就用完，唔會自動加錢；要加量就另外買字符包
• API 入門或以上全速開放：免費方案都有 Sandbox 模式（每日 50 個生成請求）可以試接
• API 用量同 playground 1:1 共用同一個月配額（即準則四嗰條「最易中伏」）

價格同配額會隨時間調整，出貨前請以官方 pricing page 顯示為準。想睇「點計自己一個月要幾多」，可以睇《廣東話 TTS 價錢》。

超出配額會點？三種做法冇絕對好壞

1. 硬停：用完就停，要等新週期或者買加量包。預算最可控，但會斷你出貨。
2. 自動加錢（overage）：超額部分按量收費。唔會斷，但帳單可以爆。
3. 自動升級：直接幫你跳去高一級方案。方便，但要留意係咪你想要。

冇一種「最好」，只有「配你嘅工作模式」。如果你係一次過趕一批片，硬停好危險；如果你用量平穩，overage 反而係浪費。重點係你落單前要知道係邊一種。

落單前 Checklist：逐項剔

複製呢張表，試完任何工具之後逐項剔：

十項入面，1–5 係質素（唔可以靠加錢解決）、6–8 係適配（睇你需求）、9–10 係風險（睇你底線）。如果 1–5 有一項過唔到，幾平都唔值得 — 因為嗰個問題會跟你一世。

常見問題 FAQ

廣東話 TTS 係咪越貴越好？

唔係。價錢主要反映配額大小同功能權限（例如 API、聲音複製通常要較高方案），唔反映讀音準確度或者語氣自然度 — 呢兩樣冇一個價目表會寫。用準則一、二實測，比睇價錢表可靠。「抵」嘅定義係：你真正用到嘅功能 ÷ 你俾嘅錢。

「廣東話」同「粵語」係咪一樣？揀工具要唔要分？

大體上係同一樣嘢，只係語域唔同：日常多講「廣東話」，學術同技術界多講「粵語／Cantonese」，語言代碼用 ISO 639-3 嘅 yue。

但要留意：yue 覆蓋面好廣，廣州、香港、海外華人社群嘅用詞同發音都有差異。香港廣東話有自己嘅詞彙、語氣詞用法同中英夾雜密度。所以唔止要睇「佢有冇 yue」，仲要睇佢嘅示範同文件係邊一種粵語。詞彙層面可以查 words.hk 粵典。

我唔識粵拼，點核實讀音啱唔啱？

唔使識。做法有兩個：

1. 查字庫：CUHK《粵語審音配詞字庫》可以直接輸入漢字查讀音同例詞，每個字都列埋詞例
2. 用考題句對比：將工具生成嘅音檔，同字庫列出嘅讀音逐個高風險字對

LSHK 嘅粵拼方案可以幫你理解拼音寫法，但核實讀音唔一定要識拼音。逐字核實嘅常見多音字表，可以睇《廣東話多音字攻略》。

免費額度夠唔夠試真啲？

夠試，唔夠用。免費層通常係設計嚟試音，唔係設計嚟出貨。建議將免費額度集中用喺準則一、二嘅考題句同中英夾雜句上 — 呢啲句子短，但資訊量最高。唔好一開始就將額度倒落一篇 2,000 字長稿度，因為你睇唔到「錯喺邊」。

免費工具仲有咩玩法同限制，可以睇《免費廣東話文字轉語音》。

API 係咪一定要買最貴嗰個方案？

睇工具，唔可以假設。要問清楚三點：

1. API 係所有付費方案都有，定係要指定級別先開？
2. API 用量同網頁版係咪共用同一個月配額？（呢點好多人到爆額先發現）
3. 唔同功能有冇分開嘅權限（scope），例如「生成」同「複製聲音」係兩個唔同授權？

開發者想知實際接入係點，可以睇《粵語 TTS API 快速上手》。

點樣計「一分鐘語音」大概等於幾多字？

冇統一答案，因為語速、停頓、標點密度都會影響。一個常用估算係 約 240 字符 ≈ 1 分鐘（即 1,000 字符 ≈ 4.17 分鐘）。用呢個數，你可以將「字符額度制」同「時長制」嘅報價拉埋一齊比。

但要記住佢係估算：多短句、多停頓嘅稿，同一字數會長啲。最準嘅方法永遠係用你自己嘅稿試一次，睇實際出到幾長。

落單前除咗價錢，仲有咩一定要問？

四樣：

1. 爆額條款：會硬停、自動加錢、定自動升級？
2. 功能權限：API、聲音複製、SRT 係邊個方案先有？
3. 商用授權：你嘅用途（出片、接 project、產品整合）覆蓋唔覆蓋？
4. 口語稿支援：你嘅稿係書面語定口語？有啲工具口語處理明顯較弱（可以睇《書面語 vs 口語》）

想睇逐間平台嘅實際對比，可以睇《廣東話 TTS 比較 2026》。

下一步：由一句考題開始，唔好由價目表開始

睇完 5 個準則，最快嘅做法係：攞準則一嘅三句考題，去試你想比較嘅工具。 半個鐘之內，你會得到一個價目表永遠唔會話你知嘅答案。

• 想即場試音 → 去 playground，貼「呢件行李好重，但呢件事更加重要」考下佢
• 想睇方案同實際配額 → 去 pricing page
• 想睇逐間平台嘅實際對比 → 睇《廣東話 TTS 比較 2026》
• 開發者想直接落手 → 睇《粵語 TTS API 快速上手》

價錢係最好睇嘅一欄，所以最多人由嗰度開始。但決定你成品質素嘅，從來都係前面四項 — 讀音、自然度、粵語專門度、功能適配。花半個鐘實測，好過花一個月後悔。

---