廣東話 TTS 常見問題合集：語音合成疑難全解析

一句答你：廣東話 TTS 常見問題集中喺聲線質素、多音字處理、中英夾雜、定價模式、API 接入同實際應用六大範疇——揀服務之前搞清楚呢啲位，就唔會中伏。

Key Takeaways

• 廣東話 TTS 同普通話 TTS 唔同，聲調、語氣詞、入聲字處理都有專門要求
• 揀服務要睇聲線係咪 Cantonese-native、支唔支援多音字同中英夾雜（讀音可對照 CUHK《粵語審音配詞字庫》）
• 定價模式分字符計費同訂閱制，用量穩定嘅訂閱通常更划算
• API 接入要留意字符上限、並發限制、Sandbox key 等技術細節
• 應用場景由 YouTube 配音到商業旁白都有，唔同場景對功能要求唔同
• 廣東話 TTS 唔係萬能，特殊品牌名、罕見外來語可能要後製執

廣東話 TTS 係咩？同普通話 TTS 有咩唔同？

廣東話 TTS（Text-to-Speech，文字轉語音）係指將廣東話書面文字轉成廣東話語音嘅技術。表面睇好似好簡單，但廣東話本身有六聲九調、入聲字、豐富嘅語氣詞，同普通話嘅聲調系統、語法結構都唔同，所以唔可以當普通話 TTS 嚟用。

如果你想深入了解廣東話 TTS 嘅基礎同發展，可以睇吓廣東話 TTS 完全指南。嗰篇 pillar 文章由原理到應用都講得好詳細。

廣東話 TTS 嘅核心挑戰

廣東話 TTS 最難嘅位有幾個。

第一係聲調。廣東話有六個聲調（陰平、陰上、陰去、陽平、陽上、陽去），仲有三個入聲（陰入、中入、陽入），合共九聲六調。同一個音配唔同聲調意思完全唔同，例如「詩」、「史」、「試」、「時」、「市」、「事」六個字讀音都係「si」，但聲調唔同意思就唔同。

第二係多音字。廣東話入面好多字有兩個或以上嘅讀音，例如「行」可以讀「hang4」（行路）或者「hong4」（銀行），「重」可以讀「cung5」（重要）或者「zung6」（重複）。呢啲多音字如果 TTS 系統處理唔好，成段嘢就會聽落好怪。

第三係語氣詞。廣東話嘅語氣詞系統好豐富，「啦」、「囉」、「嘅」、「咩」、「㗎」、「喎」、「喇」、「嘞」等等，每個都有唔同嘅語氣功能。呢啲語氣詞如果讀得唔自然，成段嘢就會失去廣東話嘅味道。

第四係中英夾雜。香港人日常傾偈好常中英夾雜，例如「我 send 個 file 畀你」、「今晚食 Japanese」，TTS 系統要識得喺廣東話句子入面自然噉讀英文。

點解唔可以用普通話 TTS 頂檔？

唔少人以為普通話 TTS 加個「粵語模式」就搞掂，但實際係唔得嘅。普通話 TTS 嘅訓練數據主要係普通話，聲調模型係普通話嘅四聲，語音庫亦都係普通話發音。強行用嚟讀廣東話，結果通常係：聲調唔對，聽落似外國人講廣東話；入聲字讀唔出（例如「十」、「食」、「百」呢啲字）；廣東話特有嘅語氣詞讀唔出或者讀錯；中英夾雜嘅英文部分用普通話發音，唔自然。

所以真係要認真做廣東話內容，一定要揀專門訓練過嘅廣東話 TTS。

揀廣東話 TTS 服務要睇咩？

揀廣東話 TTS 服務唔係睇邊個平就揀邊個，要綜合考慮幾個因素。

聲線質素

聲線係 TTS 嘅靈魂。揀嘅時候要留意：聲線係咪由真正嘅廣東話母語者錄製（Cantonese-native），定係用其他語言聲線模擬；自然度——聽落似唔似真人，有冇機械感；情緒表達——支唔支援開心、悲傷、激動等唔同情緒；風格選擇——有幾多種演繹風格（新聞報導、輕鬆對話、嚴肅旁白等）。

廣東話特性支援

除咗基本嘅文字轉語音，要確認服務支唔支援廣東話嘅特殊需求。多音字處理——可唔可以指定讀音，或者系統識唔識自動判斷；語氣詞支援——讀「啦」、「囉」、「嘅」呢啲語氣詞自唔自然；中英夾雜——處理「我去 shopping」呢類句子自唔自然；書面語 vs 口語——可唔可以控制輸出係書面語定口語。

API 同接入方式

如果你打算用 API 接入，要留意字符上限（單次請求最多幾多字符）、並發限制（可以同時跑幾多個任務）、同步 vs 異步（細短嘅請求可唔可以即時返回）、錯誤碼（錯誤信息夠唔夠清晰，方便 debug）、文檔（有冇完整嘅 API 文檔同示例）。

定價同額度

定價模式直接影響成本。常見模式有：訂閱制（月費包一定字符額度，穩定用量通常最划算）、按量計費（用幾多計幾多，適合用量唔穩定嘅用戶）、免費額度（通常有限制，例如字符數、功能、聲線數）。具體嘅定價細節可以睇廣東話 TTS 定價攻略。

廣東話 TTS 常見技術問題

多音字點處理？

多音字係廣東話 TTS 最常見嘅痛點。處理方法主要有三種。

第一種係自動判斷。TTS 系統根據上下文推測正確讀音，例如「銀行」嘅「行」會讀「hong4」，「行路」嘅「行」會讀「hang4」。但自動判斷未必一定準，特別係少見嘅詞組。

第二種係手動指定。用戶可以用特殊標記或者 API 參數指定讀音，例如用拼音或者粵拼標記。

第三種係預處理。喺提交 TTS 之前，先用腳本將容易讀錯嘅字替換成唔會讀錯嘅寫法，例如將「行」改成「行走」。

詳細嘅多音字處理方法可以睇廣東話多音字攻略。

中英夾雜點處理？

中英夾雜係香港人日常用語嘅特色。理想嘅廣東話 TTS 應該可以自動識別句子入面嘅英文詞彙、用廣東話發音讀中文部分、用英文發音讀英文部分、過渡自然，唔會有明顯嘅「跳語言」感。

如果系統處理唔到，可能要將英文詞彙改寫成中文（例如「file」改寫成「檔案」）、用拼音標記英文讀音、或者後製剪接，將唔自然嘅部分剪走。中英夾雜嘅具體處理技巧可以參考廣東話中英夾雜 TTS 攻略。

書面語同口語點揀？

廣東話有書面語同口語嘅分別。書面語（例如「我認為這個方案是可行的」）同口語（例如「我覺得呢個方案得喎」）寫法唔同，讀出嚟嘅感覺都唔同。

一般嚟講，YouTube 旁白、新聞報導用書面語比較適合；短片配音、Podcast 用口語比較自然；商業廣告就視乎品牌調性。揀服務嘅時候要留意可唔可以控制輸出風格。

語氣詞點處理？

廣東話嘅語氣詞係地道感嘅關鍵。常用嘅語氣詞包括：「啦」（laa1）表示完成、感歎；「囉」（lo1）表示提示、理所當然；「嘅」（ge3）表示強調、屬於；「咩」（me1）表示疑問、不滿；「㗎」（gaa3）表示確認、強調；「喎」（wo3）表示提醒、反駁。

如果 TTS 系統讀唔出或者讀錯語氣詞，成段嘢就會失去廣東話嘅味道。揀服務嘅時候可以試讀幾句有語氣詞嘅句子，聽吓自唔自然。詳細嘅語氣詞處理可以睇廣東話語氣詞 TTS 攻略。

廣東話 TTS 應用場景

YouTube 影片配音

YouTube 影片配音係廣東話 TTS 嘅主要應用之一。YouTuber 通常需要大量產出內容，唔可能每條片都自己配音；需要保持聲音一致，建立品牌識別；同時要控制成本，唔想每條片都請配音員。用 TTS 可以解決呢啲問題，但要注意影片類型同聲線嘅配搭。

短片配音

短片（Shorts、Reels 等）對配音嘅要求同長片唔同：節奏要快，語速要適中；要有衝擊力，情緒要強；配合畫面，時間要準。短片配音對情緒同節奏嘅要求比較高。

有聲書同 Podcast

有聲書同 Podcast 對 TTS 嘅要求比較高：需要長時間聆聽，聲線要耐聽；內容多樣，要識得處理唔同場景；情緒起伏要明顯，唔可以太平板。呢類應用通常需要較高質素嘅 TTS 服務。

商業配音

商業配音（廣告、宣傳片、客服語音等）對 TTS 嘅要求：專業感，唔可以有明顯嘅機械感；品牌調性一致，可能需要客製化聲線；穩定可靠，唔可以經常出問題。

廣東話 TTS API 常見問題

API 點樣開始用？

如果你係第一次用廣東話 TTS API，基本流程通常係：註冊帳號並攞 API key、準備文字內容、選擇聲線同風格、提交請求、等待生成（異步）或者即時收到（同步）、下載音頻。免費帳號通常會提供一次性嘅字符額度，足夠試基本功能。

點樣控制情緒？

大部分廣東話 TTS 都支援情緒控制，可以指定開心、悲傷、平靜、激動等基本情緒，亦可以控制語速（快、慢）、音調（高、低）、音量。情緒控制嘅具體方法視乎平台而定，部分平台仲支援自由指示（instruction），可以用自然語言描述想要嘅演繹方式。

點樣批量生成？

如果需要生成大量音頻（例如有聲書），批量 API 可以大幅提升效率。批量生成要注意：每次請求通常有項目數上限；批量係全有或全無，任何一項錯就全部失敗；通常係中高階訂閱先有呢個功能。

點樣輸出 SRT 字幕？

如果需要字幕同音頻同步，可以用 SRT 輸出功能：提交文字嘅時候加特定參數，系統會同時生成音頻同 SRT 字幕檔，SRT 字幕嘅時間戳同音頻對齊，方便後期剪接。

廣東話 TTS 同其他平台嘅比較

如果你想了解廣東話 TTS 同其他平台嘅具體差異，可以睇廣東話 TTS 2026 比較。嗰篇有更詳細嘅功能、定價、聲線比較。

簡單嚟講，揀廣東話 TTS 嘅時候要留意：聲線係咪 Cantonese-native（唔係所有 TTS 平台都有真正嘅廣東話聲線）；廣東話特性支援（多音字、語氣詞、中英夾雜嘅處理能力）；API 完善度（文檔、錯誤信息、SDK 支援）；定價透明度（會唔會有隱藏收費）。

常見問題 FAQ

廣東話 TTS 係咪真係可以用嚟做商業用途？

大部分廣東話 TTS 服務都支援商業用途，但具體要睇服務嘅使用條款。一般嚟講，付費訂閱嘅用戶可以將生成嘅音頻用於商業項目（包括 YouTube 配音、商業廣告、產品配音等），但通常唔可以將聲線本身轉售或者用嚟訓練其他 AI 模型。建議使用前仔細閱讀條款，或者直接問客服。

廣東話 TTS 點處理廣東話特有嘅語氣詞？

理想嘅廣東話 TTS 應該可以自然讀出「啦」、「囉」、「嘅」、「咩」、「㗎」等語氣詞。實際處理能力視乎平台而定——有啲平台嘅聲線由真正廣東話母語者錄製，語氣詞會比較自然；有啲平台用合成方法，可能讀得比較生硬。揀服務嘅時候可以用「我食咗飯啦」、「你做咩㗎」呢類句子試一試，聽吓效果。

廣東話 TTS 點樣收費？

廣東話 TTS 嘅收費模式主要有三種：訂閱制（月費包一定字符額度）、按量計費（用幾多計幾多）、免費額度（通常有限制）。訂閱制適合用量穩定嘅用戶，按量計費適合用量唔穩定嘅用戶。免費額度通常有限制（量或者頻率），用完就要升級或者買字符包。具體嘅定價比較可以參考相關嘅定價攻略文章。

廣東話 TTS 支援邊啲聲線？

唔同平台支援嘅聲線數量同類型都唔同。常見嘅聲線類型包括：男聲、女聲、少年、成年、老年；情緒方面有平靜、開心、嚴肅、激動等。專業嘅廣東話 TTS 平台通常會提供多個 Cantonese-native 聲線，每個聲線仲會有唔同嘅演繹風格。部分平台仲支援聲線設計（自訂性別、年齡）同聲音複製（用參考音頻生成）。

廣東話 TTS API 點樣接入？

API 接入通常包括幾個步驟：註冊帳號並攞 API key、準備文字內容、選擇聲線同參數、提交請求、等待生成、下載音頻。技術上要注意字符上限（單次請求通常有上限）、並發限制（按訂閱方案分級）、錯誤碼處理（常見錯誤有字符超限、權限不足、限流等）。免費或入門方案可以用 Sandbox key 試接，但每日有生成 call 上限。

廣東話 TTS 點樣處理多音字？

多音字處理有三種方法：自動判斷（系統根據上下文推測）、手動指定（用戶用特殊標記指定讀音）、預處理（提交前將容易讀錯嘅字改寫）。唔同平台支援嘅方法唔同，部分平台仲會提供粵拼標記功能。詳細嘅多音字處理方法可以參考廣東話多音字攻略文章。

廣東話 TTS 同真人配音比有咩優缺點？

廣東話 TTS 嘅優點係成本低、產出快、聲線一致、可以隨時修改。缺點係情感表達可能唔夠細膩、特殊語氣處理可能唔夠自然、罕見詞彙或者新詞可能讀錯。真人配音嘅優點係情感細膩、應變能力強、可以處理複雜內容。缺點係成本高、產出慢、修改困難。一般建議：大量標準化內容用 TTS，高情感要求嘅內容用真人配音，兩者配合使用往往效果最好。

想即刻試吓廣東話 TTS？

如果想親身試吓廣東話 TTS 嘅效果，可以去 Playground 揀唔同聲線、輸入文字、即時聽效果。免費帳號開戶就有字符試用額度，足夠試幾段唔同嘅內容，睇吓邊個聲線同風格最適合你嘅項目。

[!CTA]

去 Canto-Gen Playground 試廣東話 TTS

揀聲線、輸入文字、聽效果——唔使信用卡，開戶即玩。