廣東話 TTS 大比拼 2026：邊個最似香港人講嘢？

一句答你：2026 年揀廣東話 TTS，唔係揀「語言數目最多嗰個」，而係揀「有冇為粵語開一個你自己試得到嘅免費額度」。呢篇文用一張全部可公開核實嘅表，將 9 個平台逐項對比 — 填唔到嘅格我哋標「待核實」，唔會靠估。

呢句就係答案。之後二千幾字，係教你自己點樣驗證：唔使你信任何一方嘅口號。

2026 年「廣東話 TTS」已經唔再係「有冇」嘅問題，而係「邊個」嘅問題。Microsoft Azure Speech、MiniMax Audio、ElevenLabs、Narakeet、cantonese.ai、cantonesettsai.com、cantovoice.com、Ondoku — 幾乎個個都話自己掂到廣東話。但「掂到」兩個字入面藏住好大落差：有啲真係開咗一個粵語專頁，有啲國際平台嘅語言列表入面偏偏冇粵語，有啲係 locale 寫住 zh-HK、但語言支援收埋喺一份巨型 docs 表入面。

呢篇係對比旗艦，三個原則先講清楚：

1. 每個事實 claim 都標觀察日期 — 平台隨時改。原有格喺 2026-09-16 觀察；2026-09-27 我哋將主要格逐條重開官方頁再核實一次，每條來源列喺文尾附錄。
2. 每個未實測嘅 claim 未經公開可核實就唔當事實 — 讀音準確度、中英夾雜處理、延遲比較、批量穩定性呢四樣唔係網頁規格推導得到，冇公開可重現嘅實測就唔落結論。
3. 零虛構數字 — 冇搜尋量、冇用戶數、冇「市佔第一」、冇測試分數。

如果你連廣東話 TTS 係咩都未熟，建議先睇《廣東話 TTS 完全指南》，再返嚟睇呢篇對比。

Key Takeaways

• 「有粵語專頁」同「識講廣東話」係兩件唔同嘅事 — 呢篇文最重要嘅一句。專頁只證明有人做過，唔證明讀音啱。
• 表內 9 個平台：2 個明確冇粵語專頁（Azure Speech、ElevenLabs），1 個只有粵語 guide＋產品語言選項、冇獨立專頁（Ondoku）。ElevenLabs 官方語言列表只有 Chinese／Mandarin Chinese，/text-to-speech/cantonese 直接 404（核實 2026-09-27，附錄 #5）。
• Azure Speech 支援 zh-HK，公開 docs 列 3 個粵語聲線；但佢係 docs-centric，冇 per-language 行銷頁 — 呢個係產品結構，唔係好壞判斷。
• 公開資料冇一個中立、可重現嘅「粵語 TTS 讀音排名」 — 所以「邊個最準」呢條問題，2026 年嘅誠實答案係：自己實測。
• 港嘢 Canto-Gen 免費額度係 每月 5,000 字符，API 入門或以上全速開放（免費方案另有 Sandbox 模式，每日 50 次），用量同 playground 1:1 共用月配額。
• 想跳過閱讀直接聽 → 去 playground 貼一句你最常講嘅嘢。

一張表睇晒：9 個平台 × 6 個維度

下表所有格都係公開頁面／產品規格觀察所得。原有格觀察日期 2026-09-16；2026-09-27 我哋逐條重開官方頁再核實，每條來源列喺文尾附錄來源表。冇公開資料支持嘅格，一律寫「待核實」— 我哋唔會填估計數。

觀察日期：原有格 2026-09-16；2026-09-27 逐條重核（每條來源見文尾附錄）。 平台隨時改版，睇之前記得自己再開一次官方頁確認。

點解表入面仍然有「待核實」？

呢個唔係懶，係紀律。

2026-09-27 我哋再逐條重核一次，但仍然有幾格保留「待核實」，原因如下：

1. 價錢會變，而且分地區。 大廠嘅雲端定價按地區、按用量層級、按合約。本文只填親手喺官方定價頁見到嘅數（連地區都寫埋）— 你睇嗰日可能已經改，自己去官方 pricing 頁睇先係最準。
2. 聲線數目係即時資料，唔係常數。 連港嘢自己嘅聲線目錄都係即時嘅：想知而家有幾把聲，打 GET /v1/voices 就知。對手目錄同理。寫一個數落去，三個月後就變假資料。
3. 訂閱頁可能要登入、或者要動態載入（JavaScript）先睇到。 少數平台（例：cantonese.ai 嘅定價頁、cantonesettsai.com 嘅訂閱頁）喺純文字環境讀唔到價目，所以呢啲格保留「待核實」— 我哋唔會用猜測填。
4. 「邊個最準」唔可以靠表答。 準確度係實測結果，唔係網頁規格。四個關鍵維度 — 讀音準確度排名、中英夾雜處理排名、延遲比較、批量穩定性 — 本文一律唔落結論，因為我哋真係未做過一套公開、可重現嘅橫向實測。未做就唔寫。

我哋嘅立場（UNIQUE INSIGHT）：市面上大部分「TTS 比較」文章，係將各家官網嘅 marketing copy 抄成一張表，然後加一句「我覺得 A 好啲」。呢篇唔係。我哋只填可核實嘅格，填唔到就認。 呢個本身就係最實用嘅資訊 — 因為佢話畀你知邊啲位係業界唔敢公開講嘅。

表以外，仲有 3 件事影響你點揀

• 你要做嘅係「批量出片」定「偶爾試音」？ 批量要睇 API 同 SRT 支援；偶爾試音只要睇免費額度夠唔夠。
• 你啲稿係純中文定中英夾雜？ 香港人日常稿一定有英文，「同一把聲切中英」同「轉台」係兩種體驗。呢個要自己實測先分得出。
• 你用唔用得到 API？ 有啲平台要最高方案先開 API 權限。例如港嘢嘅 API 入門或以上全速開放，免費方案都有 Sandbox 模式（每日 50 次）可以試接；表內其他平台嘅 API 門檻已逐一列出。

誤會一：「有粵語專頁」＝「識講廣東話」

呢個係全篇最重要嘅一段，值得獨立講。

一個網站有冇粵語專頁，係產品優先次序嘅證據，唔係讀音質素嘅證據。兩者要分開睇：

• 有專頁 = 有人決定投資呢個語言。 MiniMax 開咗 /audio/text-to-speech/cantonese，Narakeet 開咗 /languages/cantonese-text-to-speech/ 連 -yue 變體頁，cantonese.ai 直情全站粵語-first — 呢啲係實質投資嘅公開痕跡。
• 有專頁 ≠ 讀音一定啱。 專頁可以係 programmatic 生成（每個語言一頁、內容淺），亦可以係深度內容。要分清楚。

反過嚟講，冇專頁亦唔等於唔支援。ElevenLabs 嘅情況係：官方語言列表只有 Chinese 同 Mandarin Chinese，冇 Cantonese；/text-to-speech/cantonese 直接 404（核實 2026-09-27，附錄 #5）。誠實嘅講法係「冇搵到粵語專頁」，唔係「唔支援粵語」— 平台隨時可以補，講死就係錯。

呢個就係點解表度要分開「粵語專頁」同「聲線數目」兩欄：一欄睇投資，一欄睇供給。

誤會二：「locale 揀咗 yue／zh-HK」＝「讀音啱」

zh-HK、yue、zh-Hant-HK 呢啲代碼，只係話你知「個平台用邊個標籤去分類」，佢同「出嚟把聲似唔似香港人」冇因果關係。

香港人日常撞到嘅位，係標籤揀啱咗但出嚟嘅嘢唔啱：

• 多音字：「銀行」個「行」讀 hong4，「行街」讀 haang4；「重要」個「重」讀 zung6，「好重」讀 cung5。呢啲要靠上下文判斷，唔係靠 locale 標籤。想知邊個平台過關，用《廣東話多音字攻略》嗰 7 句考題句去實測。
• 口語字同語氣詞：「嘅、哋、咗、喺、嚟」加「喇、囉、啦、喎」，通用模型未必學過。
• 中英夾雜：「今晚 go 唔 go gym？」— locale 唔會話你知佢會唔會「斷電」。

所以「邊個最準」呢條問題，2026 年冇中立權威排名可以引用。任何聲稱有嘅，你都應該問佢：測試句公唔公開？評分準則公唔公開？係咪可重現？

三大類工具：各自贏乜、輸乜

與其逐個講好壞，不如分三類睇 — 因為同類工具嘅取捨係一樣嘅。

類別一：國際大廠通用雲端語音

代表：Microsoft Azure Speech。

贏：企業生態成熟、docs 完整、語言廣度大、授權流程清晰。Azure 支援 zh-HK，公開 docs 列咗 3 個粵語聲線（HiuGaai／HiuMaan／WanLung），技術規格寫得非常詳細。

輸（或者講：唔係佢主場）：佢係 docs-centric — 冇 per-language 行銷頁，語言支援收埋喺一份巨型 docs 表入面（核實 2026-09-27）。你要自己識得搵 language-support 嗰頁。加上客戶喺全世界，粵語只係其中一個 locale，唔會有「香港人日常點講嘢」嗰種內容層。

適合邊個：已經用開 Azure 生態、要企業級 SLA、或者要一次過搞幾十種語言嘅團隊。

類別二：國際多語言平台

代表：MiniMax Audio、Narakeet、ElevenLabs、Ondoku。

贏：per-language landing page 模型做得極純熟，SEO 同 AI 引用都食得住。MiniMax 開咗 粵語專頁；Narakeet 開咗 粵語專頁＋-yue 變體頁；Ondoku 用 guide post 形式攻「免費／教育／語言學習」類詞。

輸：內容淺。國際平台嘅語言頁多數係 programmatic landing page（一語言一頁），內容淺；Narakeet 嘅內容主打泛影片製作主題；ElevenLabs 內容庫龐大但冇粵語專頁 — 呢啲係結構性觀察，唔係批評。

適合邊個：想一次過覆蓋多語言、唔介意粵語深度、或者只需要一段短片旁白嘅用戶。

類別三：粵語專門平台

代表：港嘢 Canto-Gen、cantonese.ai、cantonesettsai.com、cantovoice.com。

贏：資源集中一個語言。cantonese.ai 全站粵語-first、有 /tts 工具同公開 API docs；cantonesettsai.com 有訂閱制（更新日志公開列明 Lifetime Pro 同 API 開放紀錄）；cantovoice.com 直情寫咗一頁粵語 TTS 比較。港嘢就係全站只做廣東話一種語言。

輸：語言廣度只有一個；企業生態同 docs 規模比唔上大廠；部分平台內容層極薄 — cantonesettsai.com 全站得幾個 URL、cantovoice.com 全站 6 個 URL（核實 2026-09-27），即係你睇完個首頁，就冇嘢再睇。

適合邊個：個項目只做廣東話，而且你要求出嚟嘅嘢似香港人講嘢，多過要求「支援 100 種語言」。

港嘢 Canto-Gen 企喺邊？（只講規格）

我哋係粵語專門嗰類，所以下面只列可核實嘅產品規格，唔講口號。

定價：字符月費制，冇超額收費

（估算基準：約 240 字符／分鐘（2026-10-01 產品裁定）。定價核對日期 2026-09-27，對照 官方 pricing page；最新價目以該頁為準。）

兩個規格值得留意：

• 冇超額收費。 配額用完就完，唔會偷偷同你加帳；要加量就買字符包。呢個對「每個月預算固定」嘅團隊好重要 — 你唔會月中收到一張嚇親自己嘅單。
• API 用量同 playground 1:1 共用月配額。 即係你唔需要分開預算「試音」同「上線」兩筆數。

想知字符制同其他計費方式（時長制、按次）點揀，可以睇《廣東話 TTS 價錢點計》。

API：入門或以上全速，async 為主

港嘢 API 嘅公開規格（核對日期 2026-09-27，對照 /v1/openapi.json）：

• Base URL：https://canto-gen.com
• Async 為主：POST /v1/audio/jobs 提交 → 回 202 ＋ job_id → 輪詢 GET /v1/audio/jobs/{id}
• Sync 捷徑：POST /v1/audio/speech，短文字 ≤300 字符，只支援 voice／design 模式，直接回 200 audio bytes（clone 會回 400 clone_not_supported_sync，srt 會回 400 srt_not_supported_sync）
• Scopes：tts:generate（生成／讀取）、tts:clone（聲音複製）、tts:design（design 模式）、voices:manage
• Key 前綴：一律 sk_live_（Sandbox 唔另立前綴 — 沙盒限制行喺免費方案 key 嘅每日生成上限）
• Endpoints：GET /v1/voices、POST /v1/audio/jobs、GET /v1/audio/jobs/{id}、POST /v1/audio/speech
• Machine-readable spec：/v1/openapi.json（OpenAPI 3.1，免 auth，CORS *）— 可以直接餵去生成 typed client
• SRT：srt=true 行 async 軌
• Rate limit：預設 60/min per key，可選擇加設月度字符上限

由零到第一句出聲，睇《粵語 TTS API 快速上手》；聲線、emotion、instruction、clone、SRT 全功能，睇《點樣用 API 生成地道粵語語音》。

三種生成模式

• voice（preset）：由聲線圖庫揀 slug，例：sum（心妍，female，adult）。實際目錄以 GET /v1/voices 即時回應為準。
• design：用 gender ＋ age 描述一個合成聲線（兩個都必填）。
• clone：用參考音頻複製聲線（需要 tts:clone scope）。

三種模式互斥，一次只可以傳一個。

5 分鐘自己驗一個粵語 TTS

表睇完，最後一步係自己聽。以下係一個唔使工具、唔使寫程式嘅驗證流程：

1. 先考多音字。 貼呢句：「呢件行李好重，但呢件事更加重要。」聽「重」有冇分別讀 cung5 同 zung6。更多考題句喺《廣東話多音字攻略》。
2. 再考口語。 貼：「係啦，今晚 go 唔 go gym 呀？」聽語氣詞（啦／呀）有冇語氣。
3. 考中英夾雜。 聽「go／gym」轉 language 嗰下有冇「斷電」，把聲係咪同一把。想要答案就要自己做一次橫向比較。
4. 考專名。 貼你自己行業嘅公司名、人名、產品名 — 呢個係所有 TTS 嘅共同弱點。
5. 最後才睇價。 先確認讀音同語氣過關，再比較邊個方案嘅字符額度啱你用量。免得為咗平而揀錯。

想即場做步驟 1–4 → 去 playground 貼稿即聽，免費額度每月 5,000 字符。想比較「免費 TTS 玩法」→ 睇《免費廣東話 TTS》。

常見問題 FAQ

廣東話 TTS 邊個最好？

2026 年冇一個中立權威排名可以引用，所以誠實答案係：睇你個用途，再自己實測。純做廣東話、要似香港人講嘢 → 睇粵語專門平台；要一次過覆蓋幾十種語言、要企業 SLA → 睇國際大廠通用雲端；只需要偶爾一段旁白 → 睇有免費額度嘅工具。本文嗰張表幫你篩掉唔啱嘅類別，最後一步一定要自己聽。

「有粵語專頁」係咪代表讀音一定啱？

唔係。專頁證明「有人決定投資呢個語言」，係產品優先次序嘅證據，唔係讀音質素嘅證據。專頁可以係 programmatic 生成、內容好淺。要判斷讀音，唯一可靠方法係用公開考題句實測（多音字、口語字、中英夾雜各一句）。

Microsoft Azure Speech 有 zh-HK，咁係咪等於支援廣東話？

Azure Speech 公開 docs 有列 zh-HK locale，亦有 3 個粵語聲線（HiuGaai／HiuMaan／WanLung），呢啲係可核實事實。但「有 locale 標籤」同「出嚟把聲似香港人講嘢」係兩件事。另外佢係 docs-centric 產品，冇 per-language 行銷頁，語言支援收喺單一 docs 表內（核實 2026-09-27）。

ElevenLabs 支唔支援廣東話？

誠實講法係：官方公開網站未見粵語專頁。官方語言列表只有 Chinese 同 Mandarin Chinese，/text-to-speech/cantonese 直接 404（核實 2026-09-27，附錄 #5）。「冇搵到專頁」唔等於「唔支援」，平台隨時可以補 — 所以呢句要連核實日期一齊講。

點解你哋張表仍然有「待核實」？

因為價錢分地區、部分訂閱頁要登入或者動態載入先睇到、聲線數目係即時資料、準確度係實測結果 — 呢啲都唔應該寫死一個數落文章。2026-09-27 我哋逐條重核（附錄有每條來源），剩低嘅明確話你知「呢格我哋未核實」。你睇嘅時候自己開官方頁確認，先係最準。

免費廣東話 TTS 夠唔夠用？

睇你用量。港嘢免費方案係每月 5,000 字符（約 21 分鐘語音）— 夠你試音、驗讀音、出一兩段超短稿，但唔夠出一個月嘅片。Ondoku 屬免費工具定位：非會員 1,000 字符／月、免費會員 5,000 字符／月。其他平台嘅免費額度多數已列於表內（例：Azure F0 每月 0.5M 字符、MiniMax 5 次免費試用、ElevenLabs Free 10,000 credits／月），cantonesettsai.com 因訂閱頁需登入而保留「待核實」。詳情可睇《免費廣東話 TTS》。

API 係咪一定要畀錢先用到？

唔一定間間都係。港嘢嘅答案係：入門或以上全速開放，免費方案亦可以用 Sandbox 模式試接（每日 50 個生成請求，輪詢同下載唔計入）。API 用量同 playground 1:1 共用月配額，所以唔使分兩筆預算。表內其他平台嘅 API 權限已逐一列出（例：Narakeet 只限商業帳號、cantonesettsai Pro 專屬、cantovoice Business 計劃、Ondoku 唔主打）。

結語：唔好信排名，信你自己隻耳

2026 年嘅廣東話 TTS 市場，已經脫離「有冇」階段，進入「揀邊個」階段。但市場上大部分比較文，係將官網 copy 抄成一張表再加一句主觀評語 — 呢種嘢幫唔到你。

真正幫到你嘅係三樣：

1. 分得清「有專頁」同「識講廣東話」。
2. 識用公開考題句自己實測（多音字、口語、中英夾雜、專名）。
3. 睇字符制定價，唔係睇口號。

• 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）
• 想睇類別式框架、唔逐個品牌講 → 睇《廣東話 TTS 比較：5 大準則》
• 想知成本點計 → 睇《廣東話 TTS 價錢點計》
• 想由頭認識廣東話 TTS → 返去《廣東話 TTS 完全指南》

香港人講嘢，值得有個 TTS 認真學。

附錄：來源表（全部喺 2026-09-27 逐條重開官方頁核實）

呢篇文嘅紀律：附錄只列我哋真係開過、對得返正文 claim 嘅來源。 官方頁需要動態載入或者登入先睇到嘅資料（Azure PAYG 實價金額、MiniMax 訂閱／PAYG 價、cantonese.ai 定價同免費額度、cantonesettsai.com 訂閱詳情、Ondoku 聲線選單），正文一律標「待核實」或者唔抄數 — 唔會為咗填格而作來源。

---