粵語 TTS 評測準則：6 大維度逐項評，揀啱廣東話語音引擎

一句答你： 評測粵語 TTS 唔靠感覺，靠準則：用同一批有代表性嘅廣東話文本，沿讀音準確、口語語氣、中英夾雜、自然節奏、長文穩定、工程與成本六大維度逐項打分記錄，先至可以公平比較唔同平台，揀出啱你自己用例嗰個。

Key Takeaways

• 粵語評測唔可以直接套用普通話準則：九聲六調、入聲、變調、語氣詞都係獨有考項。
• 六大維度：讀音準確、口語語氣、中英夾雜、自然節奏、長文穩定、工程與成本。
• 文本集必須涵蓋多音字、語氣詞、中英夾雜同長段落，淨係試幾句靚聲冇意義。
• 用統一評分表記低每一項結果，印象先會變成可以比較嘅數據。
• 評測嘅終點係「啱唔啱你個用例」，唔係搵一個「全世界最好」嘅引擎。

市面好多文章教你「聽兩句就知好唔好」，但落到商業決定——揀一個長期用嚟出旁白、出客服語音、出教材配音嘅平台——單句試聽遠遠唔夠。呢篇文俾你一套完整嘅粵語 TTS 評測準則：評乜嘢、點樣評、點樣記錄、最後點樣落決定。由零開始想了解廣東話語音合成嘅讀者，可以先睇廣東話 TTS 完全指南打底，再返嚟用呢套準則逐項評。

點解粵語 TTS 評測要另有一套準則

普通話準則套落粵語會漏考乜

好多評測框架由普通話語音合成嗰邊借過嚟，直接照用會漏晒粵語最考起引擎嘅嘢：

• 聲調系統唔同：普通話四個基本聲調，粵語係九聲六調——六個基本聲調加埋三個入聲。聲調多，讀錯調嘅機會自然多，評測時要專登揀一啲調值相近嘅字對去考。
• 入聲保留：粵語保留咗 -p、-t、-k 入聲韻尾，例如「十」（sap6）、「一」（jat1）、「六」（luk6）。引擎收唔收得齊呢啲短促韻尾，直接影響聽落地道唔地道。
• 變調活躍：口語入面變調好常見，同一個字唔同語境讀法可以有出入，評測文本要有呢類句子先測得出。
• 語氣詞豐富：「㗎」「喎」「囉」「噃」「咩」呢啲句尾語氣詞係香港話嘅靈魂，普通話評測框架根本唔會考呢一項。

商業採購角度：評測係風險管理

對企業或者創作團隊嚟講，評測唔係學術活動，係買之前嘅風險管理。揀錯平台，代價係成批內容要重做、時間表延誤、甚至品牌語氣走樣。所以準則要寫低、結果要存檔，將來換平台或者加購嗰陣有得翻查對比，唔使由零開始再拗一輪。一套寫得清楚嘅評測準則，仲可以令唔同部門嘅人有共同語言，市場部同技術部傾採購嗰陣，唔會雞同鴨講。

六大評測維度逐項拆解

維度一：讀音準確度

讀音係硬指標：錯音係零分項，冇得用「聲線靚」去補數。重點考三樣：

• 多音字：例如「重」字，形容重量讀 cung5（「好重」），表示再次或者重要相關就讀 zung6（「重要」「重複」）；「調」字，調查讀 tiu4，聲調就讀 diu6。引擎識唔識按詞語語境揀啱讀音，係第一道關。想備好呢部分嘅文本，廣東話多音字攻略有十二個實例可以直接借去做考題。
• 同音字干擾：粵語同音字多，要留意引擎有冇因為同音而揀錯詞、讀錯音。
• 專有名詞：人名、地名、品牌名係錯音重災區，一定要放入文本集度考。

查證讀音可以用香港中文大學人文電算研究中心嘅粵語審音配詞字庫做依據，評分先有標準可循，唔使各憑印象拗餐飽。

維度二：口語同語氣詞處理

香港嘅內容創作入面，書面稿同口語稿並存，評測要兩邊都測：

• 貼一份書面語稿，聽引擎讀出嚟自唔自然；再貼一份口語稿，聽佢處理「嘅」「咗」「咁」呢啲口語字嘅表現有冇分別。
• 句尾語氣詞係進階考項：「今晚返嚟食飯㗎」同「今晚返嚟食飯咩」意思差好遠，語氣詞讀得平淡或者讀錯，成句嘢即刻失真。想深入呢一環，粵語語氣詞：AI 點樣讀出香港人嘅語氣有完整拆解同例子。

維度三：中英夾雜

香港話日常就係中英夾雜：「今次個 project 個 deadline 幾時？」評測文本應該放入真實比例嘅英文字，考三樣嘢：英文字本身讀得自然唔自然、中英之間銜接順唔順、整體語調有冇因為轉語言而斷裂。點樣寫稿先至夾得自然，廣東話中英夾雜點讀？一文有逐類分析。呢個維度對香港受眾特別重要：粵語讀得幾正，一個英文詞讀到「翻譯腔」，成段嘢嘅本地感就即刻打折扣。

維度四：自然度同節奏

同一份稿，自然嘅配音同生硬嘅配音，分別在於停頓、重音同語速變化。評測時集中聽：

• 標點停頓處理：逗號、句號、問號有冇做出唔同層次嘅節奏，定係一律停一停算數。
• 長句唔會一口氣讀到冇氣，短句唔會拖泥帶水。
• 重音位置：句子嘅重點詞有冇適當強調，定係每個字同等用力。
• 情緒同風格嘅可塑性：同一句嘢，可唔可以讀出興奮、嚴肅、親切幾種唔同感覺，定係得一把聲一個講法。

呢個維度最主觀，所以更加要靠統一評分表同多聽幾次嚟收窄分歧，唔好一聽鍾意就落判斷。

維度五：長文本穩定性

試聽示範通常得一兩句，但真實專案係成千上萬字。長文本要考三樣：聲線由頭到尾一致唔一致、語速節奏會唔會中途飄、有冇某幾段突然明顯變差。評測文本集最少要有一段幾百字嘅連續旁白，先至測得出穩定性；呢個維度喺有聲書、課程旁白、長片旁白呢類用例，權重應該開到最高，因為長內容重做一次嘅成本亦係最高。

維度六：工程能力與成本

聲音好聽只係一半，另一半係用唔用得落你嘅工作流程：

• 輸出配套：有冇字幕檔輸出、批量生成、多角色對話呢啲配套，直接決定製作流程要幾多個人手步驟。
• API 能力：想接入自家系統嘅話，睇文檔齊唔齊全、錯誤處理清唔清晰、有冇穩定嘅任務查詢機制。
• 成本結構：字符點計、用超額點處理、有冇隱藏收費。粵語旁白嘅用量可以先估算：大約每分鐘 240 字符，即係 10 分鐘旁白約 2,400 字符。詳細計法同價目拆解，睇廣東話 TTS 價錢點計？2026 收費結構拆解。

點樣準備一份有代表性嘅評測文本集

四類必收文本

1. 多音字句：每個多音字造一句語境清晰嘅句子，例如「呢份文件好重要，唔好壓喺個重箱下面」——一句考兩個讀音。
2. 語氣詞句：同一句配唔同語氣詞，聽引擎做唔做到唔同語氣。
3. 中英夾雜句：按你行業真實用語寫，例如市場部會有 campaign、KPI，技術部會有 deploy、reset。
4. 長段落：幾百字連續旁白，專考穩定性同一致性。

用自己嘅稿，唔好用示範稿

平台示範稿一定係執到最靚嗰啲，未必代表你嘅內容出嚟嘅效果。評測要用自己行業、自己語氣嘅真實稿，先至知道「我嘅內容」變成語音之後係乜樣。如果由零寫稿無從入手，可以參考旁白稿寫法嘅相關教學，先執一份合規格嘅稿出嚟再測。文本集定好之後就鎖住佢，唔好今次用呢批、下次換嗰批，否則兩輪結果冇得比。

評分點記錄：由印象變數據

統一評分表格式

每個平台、每段文本都用同一張表記錄，先至可以橫向比較：

（上表分數係格式示範，唔係任何平台嘅評分結果。）

記錄三個紀律

• 即場記：聽完即刻寫低，唔好靠事後回憶，印象會漂。
• 寫低具體位置：邊句、邊個字有問題，方便日後覆核同追蹤有冇改善。
• 同一段隔幾日再聽：第一次聽同第五次聽嘅感受可以好唔同，隔日覆聽先至分得出「新鮮感」同「真實水平」。

設計完整測試流程嘅逐步細節，粵語 TTS 準確度測試指南：點樣設計一套公平嘅評測流程有現成方法可以直接跟。

一人評測定多人評測？

一個人做評測，速度快、標準統一，但容易有個人盲點——例如對某類聲線有偏好，或者對某啲詞語特別敏感。最起碼搵多一位粵語母語同事覆聽一次重點樣本；兩個人分數差太遠嘅項目，就要攞出嚟傾，分清楚係評分定義唔清，定係有人聽漏咗嘢。

如果係團隊採購，建議兩至三位評分者各自獨立打分，評完先對分數。獨立評分嘅平均值，遠比一個人嘅記憶可靠。評分之前，全組要先夾好每個分數嘅定義：幾多分先叫「自然」、錯一個多音字扣幾多，全部寫低，先至唔會各評各嘅。過程入面所有樣本要統一格式，唔好俾評分者知道樣本來自邊個平台，連平台名都唔好提——呢一步就係盲測嘅核心，下面嘅方法教學有得跟。

常見評測陷阱

• 單句定生死：用一句嘅表現判斷成個平台，樣本太少，隨機誤差極大。
• 順序效應：永遠由 A 聽到 B，B 可能因為「最新聽」而着數咗。要隨機調轉次序聽。
• 淨係測靚聲：只聽平台最出色嘅聲線，忽略你實際會用嗰幾把聲。
• 漏咗極端案例：全英文句、全數字、多標點嘅極端文本都應該測一測。
• 忽略工程成本：聲音打和嘅時候，決定因素往往係 API、字幕、批量同價錢，唔係多嗰零點幾分嘅音色。

想再減少主觀偏見，可以喺評測入面加一場盲測；想系統性比較幾個平台，可以由揀選準則入手定權重，唔會淨係睇價錢或者淨係睇聲線。

由評測結果到決定

評測完唔係攞總分最高就完事，而係行多三步：

1. 按用例加權：有聲書重視長文穩定，廣告重視情緒發揮，客服重視讀音準確同成本。同一套數據，唔同用例可以得出唔同結論。
2. 設及格線：硬指標有錯音，而你個用例又零容錯，其他維度再高分都唔應該揀，唔好俾總分沖昏頭腦。
3. 留低覆測計劃：平台會更新，每隔幾個月用同一份文本集覆測一次，確保當初嘅決定仲成立；文本集要存好版本，先至保證每次結果可以對比。

常見問題 FAQ

評測要準備幾多句文本先夠？

冇絕對數字，但實務上至少涵蓋：多音字句十句八句、語氣詞句同中英夾雜句各幾句、加一段幾百字長文。重點係六個維度都要有文本考到，唔係湊夠句數就算。

唔識粵拼，可以評讀音準確度嗎？

可以。搵一位粵語母語同事幫手聽，配合網上字庫查證，已經夠做基本評分。想記錄得更精確，可以學少少粵拼用嚟標記錯音位置，日後覆測同追蹤改善會輕鬆好多。

免費額度夠做一次評測嗎？

港嘢開戶有每月 5,000 字符（月月重置）免費額度，以每分鐘約 240 字符計，大約夠出 21 分鐘語音——做一輪初步篩選，每個維度聽一兩句，係夠用嘅。要全面評測長文本穩定性，就要用付費額度或者字符包先至夠位。

幾耐要做一次覆測？

建議每隔幾個月用同一份文本集覆測一次，或者喺平台宣佈重大更新之後即刻覆測。重點係每次都用同一批文本同同一套評分準則，結果先有對比價值。

可唔可以淨係聽官方示範就落決定？

唔建議。示範係平台嘅最佳表現，唔係平均表現。你嘅真實文本、你嘅用例先至係評測基準；示範只係用嚟快速淘汰明顯唔合適嘅選項，慳時間啫。

讀音全啱先算合格？

睇用例。教材、客服播報呢類零容錯場景，讀音權重要開到最高；創意內容相對有調整空間。任何引擎都有機會讀錯罕見字，重點係錯音容唔容易出現喺你嘅高頻詞入面，同埋有冇簡單嘅補救方法，例如改寫文本或者換字。

邊度搵權威讀音依據？

常用兩個：香港中文大學人文電算研究中心嘅粵語審音配詞字庫，同埋香港語言學學會嘅粵語拼音方案。前者查字音，後者係粵拼標準；評分記錄用粵拼標記錯音，最清晰不過。

[!CTA]

拿你嘅評測文本集，即刻試一輪

喺港嘢 Playground 貼上你自己嘅文本，開戶即有每月 5,000 字符免費額度（約 21 分鐘旁白），六大維度逐項聽真啲。