粵語 TTS POC 流程：六步驗證質素、流程同接入

一句答你： 粵語 TTS 嘅 POC（概念驗證）係用一至兩星期、三條問題收工：質素過唔過關、人手流程行唔行得通、系統接入行唔行得通——跟「備文本、人手驗、接 API、測邊界、評質素、寫報告」六步行，用最細成本攞到採購級嘅答案。

Key Takeaways

• POC 驗證三條問題：質素、人手流程、系統接入，範圍一開波就鎖死。
• 先用人手介面行通全流程，先至開 API——唔好倒轉次序。
• 邊界條件係 POC 嘅精華：超長文本、批量上限、限流重試、連結時效全部要摸清。
• 用評分表量化質素，唔靠印象；樣本同文本集要存檔。
• POC 報告要答到「下一步做乜」：過關去試點，唔過關講點解。

想驗證粵語 TTS 可唔可以用落自己個項目，但唔想一開波就大搞？POC 就係為呢個情境而設：一至兩星期、範圍收得極細、產出一頁報告。比起直接問「邊個平台好」，POC 嘅價值在於用你自己嘅文本、自己嘅流程、自己嘅系統環境，攞到第一手答案——人哋嘅評測永遠代替唔到你嘅場景。呢篇文逐步教你行完成個 POC 流程，包括工程接入嘅邊界條件清單。廣東話 TTS 嘅基本概念，可以由廣東話 TTS 完全指南入門。

POC 嘅目標：一次過答三條問題

POC 唔係「試下個服務掂唔掂」，咁樣太含糊。一個設計良好嘅 POC，收工嗰陣要答到三條問題：

1. 質素：佢生成嘅粵語語音，喺我嘅考題文本上，評分過唔過到線？——答呢條問題，先至唔會俾官方示範誤導。
2. 人手流程：寫稿、生成、聽評、修稿嘅循環，同事行唔行得順？——質素係引擎俾，流暢度係流程俾，兩樣都要驗。
3. 系統接入：如果要自動化，提交、查詢、攞檔嘅鏈路行唔行得通？邊界條件喺邊？——呢條係工程團隊最關心，亦係最多人漏驗嘅位。

三條問題唔使全部答——你個 POC 範圍決定答邊幾條。純內容團隊可以只答前兩條；要接入自家系統嘅團隊，第三條先係重頭戲。三條問題各有明確嘅驗證手段：質素靠評分表、流程靠真實演練、接入靠鏈路測試。範圍一開波就寫死，POC 中途唔加嘢——加嘢就係超支嘅開始。

POC 之前：一頁紙計劃

開工之前寫一頁紙，五個欄位：

• 目標：答邊幾條問題（由上面三條揀）。
• 範圍：邊個用例、幾多份文本、邊啲接入方式。
• 成功準則：質素評分幾多分過關、鏈路邊個環節一定要通。
• 時限：建議一至兩星期；POC 比試點短，因為佢唔出真實內容。
• 參與人：起碼一位懂技術、一位粵語母語把關。

舉個例：一個做課程嘅團隊，POC 計劃可以係「只答質素同人手流程兩條；用十份課程稿文本；評分及格線 3.5 分；兩星期收工；一位課程編輯加一位母語審聽」。一頁紙搞掂，開會五分鐘就可以拍板開工。計劃唔使長，但五個欄位一個都唔好漏——漏咗成功準則，POC 就會變成無底深潭。

POC 流程六步

步驟一：準備測試文本集

同所有正式測試一樣，文本集係地基。四類必收：多音字句（考按語境揀讀音）、語氣詞句（考香港話語氣）、中英夾雜句（考銜接）、長段落（幾百字，考穩定性）。再加一類：你行業嘅真實文本，包括專有名詞同數字串。文本集可以由幾部分人合力：業務同事出行業詞、編輯出風格文本、技術同事出數字串同代碼類內容。規模上，每類幾句至十幾句已經夠 POC 用，重點係覆蓋度唔係數量。文本集存好版本，之後每次重測都用同一批——呢個係日後所有對比嘅基準線，唔可以今次一批下次另一批。

步驟二：人手流程驗證

先用網頁介面行通全流程：揀兩三把入圍聲線、逐類文本生成、聽、改稿、再生成。揀聲線嗰陣，用你嘅真實文本試，唔好淨係聽平台嘅試聽樣本——同一把聲，示範句同你嘅行業稿可以判若兩聲。呢一步嘅目的係摸清質素同修稿循環：錯音點改稿補救、斷句點用標點調、語氣點配文本，每個解法都記低，就係日後嘅內部手冊。字幕需求嘅話，同時驗證 SRT 輸出：聲同字幕一齊出，對剪片流程係大提速，做法可以睇TTS 加 SRT 字幕：一條 pipeline 出聲又出字幕。

步驟三：API 接線驗證

人手流程行順，先開 API 驗證。港嘢提供完整嘅 API 規格文件同互動式介面，唔使寫程式都可以逐個環節試；仲有沙盒模式嘅 key——免費同入門方案都可以開，每日有生成次數上限，做接線驗證綽綽有餘。開 key 嗰陣留意：原始 key 只會顯示一次，即刻妥善保管，之後只可以再用新嘅。驗證主鏈路三步：

1. 提交生成請求：交文本同聲線，攞返一個任務編號。
2. 輪詢任務狀態：生成係非同步進行，定期查詢狀態，完成先有音檔連結。
3. 下載音檔：用連結攞檔案，驗證可以入後期流程。

成條鏈路嘅快速示範，可以跟粵語 TTS API 快速上手行一次。打算用程式接線嘅話，MDN 嘅 fetch API 文件係寫提交同輪詢請求嘅標準參考。提交、查詢、下載三步行得通，接線驗證就完成咗大半；剩返嘅係邊界條件。

步驟四：邊界條件測試

呢步係工程 POC 嘅精華，逐項摸清：

• 文本長度：單次提交有長度上限，超長文本會被拒絕而唔係自動切短——你嘅系統要自己處理分段。
• 同步捷徑：短文本（約三百字符內）原本有即時回檔快捷方式，惟現階段該同步端點暫停服務（回 503），請一律用非同步軌（POST 提交 → 輪詢）處理，長短文本都照行同一條路。
• 批量提交：一次過交多段稿有段數上限，而且係「全有或全無」——一段唔合法，成批唔會處理，你嘅系統要預先驗清。批量流程嘅完整設計，可以睇批量生成粵語語音：由單句到上萬段嘅 workflow。
• 限流同重試：每分鐘有請求次數上限，撞到限流會獲告知幾時可以重試，程式要照做退避。
• 在途任務上限：同時進行嘅任務數量按方案有上限，免費、入門、專業、工作室由三個到二十個不等，排程系統要識得排隊。
• 音檔連結時效：音檔連結有時限，而且任務未完成嘅時候冇連結——下載要及時，過期就重新查詢攞新連結。
• 歷史保留：任務記錄按方案保留幾日至幾個月唔等，你嘅系統唔可以依賴平台長期存檔，要自己歸檔。
• 配額用完：配額用完之後新任務會被擋，唔會自動轉收費；要加量就買字符包。POC 報告要寫埋用量警報同補購機制。
• 認證異常：key 無效、過期或者被撤銷嘅錯誤要識得辨認，做多把 key 嘅替換演練。

錯誤處理想睇實例，TTS API 錯誤碼對照：400／401／403／429／503 實戰處理有逐個碼嘅處理建議。另外兩個常見盲位：第一，生成模式有三種（圖庫聲線、聲線設計、聲音複製），其中設計同複製出嚟嘅聲線係單次使用，唔會存做可重用資產，業務上要有心理預期；第二，網頁介面同 API 共用同一份月度配額，POC 期間瘋狂試生成，會食埋正常用量，要留意餘額。

步驟五：質素評分

用步驟二同三生成嘅樣本，按評分表打分：六個維度（讀音準確、口語語氣、中英夾雜、自然節奏、長文穩定、工程成本）逐項評，硬指標設及格線。評分表唔使複雜，每個維度一至五分加埋一句定義就夠 POC 用；權重可以按用例粗分高低，唔使做到精細分配。聽評最好搵粵語母語同事，樣本匿名化減偏見；樣本夠嘅話，隔日覆聽一次重點樣本，確認分數企得穩。評分結果連埋樣本一齊存檔，係 POC 報告嘅核心證據。

步驟六：POC 報告

一頁紙收工，骨架五段：

1. 三條問題三個答案：質素、流程、接入，逐條過／唔過。
2. 評分表：六維度分數加及格線判定，樣本一併附上。
3. 邊界條件查證結果：長度、批量、限流、在途上限、連結時效，逐項寫明實際情況。
4. 成本估算：按你嘅預期產量乘每分鐘約 240 字符換算，對返方案價目。
5. 下一步建議：過關、有條件過關（列條件）、定唔過關（列原因）。

報告要有明確結論，含糊嘅報告等於 POC 白做。

工程細節清單：POC 期間逐項打剔

建議將張表放喺共享文件，邊驗邊剔，全部剔完先寫報告。呢張表打完剔，你嘅接入方案已經有齊寫規格書嘅材料。

POC 之後：兩條去路

過關：去路係落地——最輕係一個小型試點（用真實內容真受眾行幾星期），規模細嘅團隊可以直接進入採用階段，將 POC 期間嘅記錄升級成正式使用手冊。唔過關：寫清楚唔過關嘅位係質素、流程定接入。係質素問題，換平台重行 POC——文本集同流程可以原封不動搬過去，重行成本好低，呢個正正係文本集版本化嘅回報；係接入問題，可以先同現有平台反映，或者評估下問題係咪設計層面可以繞過（例如分段策略調整）。無論邊條去路，POC 嘅所有材料——文本集、樣本、評分表、報告——都要歸檔，呢啲係你嘅採購檔案。

常見問題 FAQ

POC 同試點有咩分別？

POC 驗技術同質素可行性，用測試文本、內部進行，一至兩星期；試點用真實內容真受眾行真產量，三至四星期，驗嘅係落地效果。一般次序係 POC 先、試點後，簡單用例可以直接跳過 POC 由試點做起。

POC 一至兩星期夠做咩？

夠答三條核心問題：文本集準備一兩日、人手流程驗證兩三日、API 接線同邊界測試兩三日、評分同報告一兩日。範圍鎖得細，時間係夠嘅；如果發現要加範圍，正確做法係結束呢輪 POC 再開一輪，唔好無限期延長。時間唔夠用，多數係範圍冇鎖死，唔係流程本身太長。

唔識寫程式，可以做 POC 嗎？

可以。純內容用例嘅 POC（質素加人手流程）完全唔使程式；接入驗證嗰部分，用互動式 API 文件都可以逐個環節試通，唔使寫正式程式碼。真係要自動化先至需要工程師幫手。

POC 應該點揀聲線嚟測？

按你嘅用例揀兩三把類型唔同嘅入圍聲線——例如一把旁白向、一把角色向——每把都行足全部考題。唔好用一把聲測全場，亦唔需要一次過測幾十把：POC 驗嘅係「呢類聲線喺我嘅文本上嘅水平」，唔係平台全部聲線嘅普查。

生成係非同步嘅，要等幾耐？

短文本（約三百字符內）原本有即時回檔快捷方式，惟現階段該同步端點暫停服務（回 503），請一律用非同步軌（POST 提交 → 輪詢）——提交之後輪詢狀態，一般幾秒到幾十秒完成，取決於文本長度同當時用量。POC 期間正好量度返實際等待時間，寫入報告俾日後排程系統做參考。

沙盒模式同正式模式有咩分別？

沙盒係俾免費同入門方案試接 API 嘅模式，功能鏈路一樣，但有每日生成次數上限。驗證流程可行性冇問題；升級方案之後，原有 key 會即時跟新方案走，唔使重新接線。

POC 生成嘅檔案可以攞嚟用嗎？

測試生成嘅音檔本身可以用，但 POC 階段嘅產出多數係測試性質，質素把關未做足，唔建議直接出街。另外音檔連結有時限，想要長期保留就及時下載自己歸檔，歷史記錄喺平台都有保留期限。

POC 過關之後，幾時先至需要升級方案？

按兩樣嘢決定：產量同接入深度。產量上，入門方案嘅月度字符額度已經應付到幾百萬字符以下嘅年產量規劃，超咗先諗更高方案；接入上，如果要用批量功能或者需要更高嘅並行任務數，就要睇專業或者工作室方案。準確位以當時嘅收費頁同文件為準。

[!CTA]

今日開始你嘅 POC

喺港嘢 Playground 開戶即有每月 5,000 字符免費額度（約 21 分鐘語音），文本集備好，六步流程即刻起步。