粵語 TTS 評分表：維度、權重同計分方法完整示範

一句答你： 一張好用嘅粵語 TTS 評分表由三個部件組成：六個維度連按用例調整嘅權重、寫到好清楚嘅一至五分定義、加埋留位記錄證據嘅表格——先定表、後評分、再存檔，印象即刻變成可以對比同覆盤嘅數據。

Key Takeaways

• 評分表三部件：維度權重、分級定義、記錄欄，缺一不可。
• 六個建議維度：讀音準確、口語語氣、中英夾雜、自然節奏、長文穩定、工程成本。
• 權重跟用例：有聲書重長文穩定，廣告重自然節奏，客服重讀音同成本。
• 先定表後評分——評完先改定義或者權重，張表就報廢。
• 硬指標設及格線：讀音唔達標，總分幾高都唔入圍。

評測粵語 TTS 最常見嘅亂象：三個人聽同一把聲，一個話九分、一個話六分，拗到面紅耳熱都冇結論，因為大家手上根本冇同一把尺。評分表就係嗰把尺——將「好唔好聽」拆做可以逐項打分嘅維度，將「好幾多」寫成明文定義。呢篇文俾你一套攞嚟就用嘅評分表設計，連權重示範、完整計分例子同常見評分錯誤嘅修正方法。評測流程嘅整體設計，可以配埋廣東話 TTS 完全指南同粵語 TTS 準確度測試指南一齊睇。

評分表解決咗咩問題

冇評分表嘅評測，通常撞到三個痛點。第一，印象浮動：今日聽覺得好好聽，聽日再聽又覺得麻麻，情緒同疲勞都會影響判斷。第二，各執一詞：團隊開會傾揀邊個平台，每人用自己把尺，傾極都唔會有共識。第三，冇得覆盤：三個月後人哋問「當初點解揀佢」，你只可以講「當時覺得佢好啲」，講唔出具體邊度好、好幾多。

一張寫得好嘅評分表同時處理呢三個痛點：定義寫死咗，印象就冇咁易漂；人人用同一把尺，傾嘅係分數唔係感覺；分數連證據存咗檔，覆盤有根有據。成本上呢樣嘢幾乎係零——你使嘅只係設計嗰半日嘅時間，換嚟嘅係成個採購決定嘅清晰度。

評分表嘅結構：三個部件

部件一：維度同權重

維度係「評乜嘢」，權重係「邊樣重要啲」。粵語 TTS 評測建議用六個維度：讀音準確、口語語氣、中英夾雜、自然節奏、長文穩定、工程成本。頭五個評聲音本身，第六個評實用層面——接口配套、字幕輸出、價錢。維度要互斥：一句嘢嘅表現應該清楚知道入邊個維度計分，唔會兩邊都數——例如一個多音字讀錯，應該入「讀音準確」扣分，唔好喺「自然節奏」又扣多一次，否則某啲問題會被重複懲罰，分數失真。權重唔係全球統一，要按你嘅用例調，下面有現成分配可以做起點。

部件二：分級定義

每個維度嘅一至五分都要有明文定義，唔准評分者各自詮釋。定義寫得越具體，評分者之間嘅分歧越細。例如「讀音準確」唔好淨係寫「讀音好準」，要寫到「四類考題全部讀對先算五分」呢個程度。定義最好連埋例子：咩叫做「高頻詞錯音」？你個用例入面最常出現嗰批詞語就係，直接列十個八個出嚟做依據。用你自己行業嘅詞彙寫定義，評分者唔使估，新人接手都評得一致。

部件三：記錄欄

每個分數旁邊留位記證據：邊段文本、邊個字、邊個時間聽嘅。冇證據欄嘅評分表，分數出咗街冇人記得點嚟，覆盤又會打回原形。電子表格做記錄欄最方便，一列一個維度，證據攔直接貼生成時間同文本編號，日後覆聽一搵就到。

建議維度同權重分配

三個常見用例嘅權重示範（各行加埋係 100%）：

點解咁分？有聲書一錄幾個鐘，長文穩定同讀音係命根，所以兩項夾埋佔一半；廣告片三三十秒定生死，觀眾聽嘅係節奏同感染力，自然節奏開到最大；客服系統日播夜播，一個錯音播幾千次就係公關事故，讀音同工程成本（包括接入同計費）先係主戰場。你嘅用例唔同，可以調，但調完要寫低，評分開始之後唔准再郁。

分級定義：一至五分點樣寫

以下係三個維度嘅定義示範，其他維度照呢個思路寫：

讀音準確

自然節奏

口語語氣

寫定義嘅竅門係用行為描述，唔用形容詞：「高頻詞都有錯音」係行為，人人查得到；「幾好聽」係形容詞，人人講唔同。記錄錯音位置嗰陣用粵拼標記最精確，讀音依據就用香港中文大學人文電算研究中心嘅粵語審音配詞字庫。

計分方法：加權平均加及格線

計法好簡單：每個維度攞到嘅分數，乘返嗰個維度嘅權重，六個乘積加埋，就係滿分 5 分制嘅總分。舉例：讀音攞 4 分、權重 25%，呢個維度貢獻 4 × 0.25 = 1.00 分，如此類推。用普通計數機都計得到，唔使任何特別工具；重點從來唔係數學，係每一分背後都要有證據撐住。

不過計總分之前，先過及格線：硬指標唔達標，唔使計落去。及格線唔一定只有讀音一項——長期播報嘅用例，長文穩定都可以設線；對外交片嘅用例，自然節奏都可以設線。及格線點定？用你個用例嘅容錯空間倒推：客服播報一個錯音都嫌多，讀音起碼要 4 分先過線；廣告配音容錯空間大啲，讀音 3 分可以過，但自然節奏就起碼要 4 分。及格線同權重一樣，評分開始前寫死，唔准事後調。

一個完整計分示範

以下用假設數據示範計法（唔係任何平台嘅真實評分），用例係客服播報：

點樣讀呢個結果？首先過及格線：讀音 4 分，對客服用例啱啱過線，可以繼續計。總分 3.65 屬於「可以認真考慮」嘅區間。再睇分布：口語語氣同自然節奏得 3 分，係明顯弱項——如果客服場景會講到口語內容，呢兩項就係要跟進改善嘅位；如果客服稿全部係書面播報稿，弱項影響就細好多。同一批分數，換轉係有聲書用例（權重唔同），總分就會唔同——呢個正正係評分表嘅價值：同一套數據，按用例得結論。

常見評分錯誤同修正

評分表設計得好，都仲會俾評分者嘅人性偏差搞亂，四個常見錯誤同修正方法：

• 中央趨勢：乜都俾三四分，唔敢畀高畀低，結果所有平台分數擠埋一齊。修正：定義入面明確寫出「幾時畀一分、幾時畀五分」，並且揀一兩段已知質素嘅樣本做校準。
• 暈輪效應：一個維度特別好（例如聲線好聽），全部其他維度跟住高分。修正：逐個維度分開評，評讀音嗰陣淨係聽讀音，唔好一邊聽一邊所有維度同步打分。
• 對比錯覺：聽完一段好差嘅樣本之後，跟住嗰段無端端高分。修正：樣本隨機排序，唔好將強弱懸殊嘅樣本排埋一齊。
• 寬鬆漂移：評到後期疲勞，越評越鬆手。修正：控制每場評分嘅樣本量，中途小休，並且插入重複樣本檢查前後一致。

用評分表嘅三個紀律

第一，先定表，後評分。維度、權重、分級定義全部寫晒落文件，評分開始之後一字不動；評完先改規則去湊答案，張表即刻報廢。

第二，同一批文本用到尾。所有平台用同一份文本集評，文本集要有版本標示；下次覆測用同一批，分數先有得對比。文本集點設計，廣東話多音字攻略入面嘅多音字實例係現成考題庫。

第三，分數連證據存檔。評分表、文本集、生成日期、評分人背景一齊存，三個月後覆測或者新同事接手，都可以原汁原味行多次。存檔最好連埋當日嘅評分人名單——將來對比兩輪結果，分唔清係平台進步定係評分人唔同，係覆測最常見嘅死結。

由分數到決定

分數出咗嚟，點樣變成決定？先睇及格線有冇人出局，再睇總分排名；入圍嘅平台如果分數接近，做一個權重敏感度檢查：將關鍵維度嘅權重加減幾個百分點重計一次，如果排名反轉，即係兩個平台差距太細，一張表拆唔開，要加樣本或者用盲測再驗；如果排名穩陣，決定就可以落得安心。

工程成本呢個維度唔使估：用量按每分鐘約 240 字符換算，對返各平台嘅配額同月費就得，具體計法可以睇廣東話 TTS 價錢點計？2026 收費結構拆解。最後，評分表係活得耐嘅工具：平台會更新，你嘅用例會變，每隔幾個月用同一張表覆測一次，留意分數趨勢。音質指標想再深入，可以睇廣東話 TTS 音質點揀？5 大評分指標；記錄錯音用嘅粵拼標記法，粵拼 Jyutping 入門有完整教學。

常見問題 FAQ

六個維度夠唔夠？使唔使加？

夠大多數用例。如果你嘅場景有特殊要求——例如多角色對話、背景音樂混音——可以加維度，但每加一個都要有定義同權重，維度越多評分越費時，七個八個係實務上限。

權重可唔可以所有人平分？

唔建議。平分等於話晒所有維度一樣重要，即係冇立場，評出嚟嘅總分反映唔到你個用例嘅需要。就算你真係覺得六個維度差唔多重，都至少要自己諗一次點解，寫低理由，唔好自動波。

一個人評定幾個人評？

一個人可以起步，但至少搵一位粵語母語同事覆核重點樣本。團隊採購最好兩三位各自評完先對分數，分歧大嘅位覆聽傾掂——獨立評分嘅平均值，遠比一個人意見可靠。

分數幾多先算合格？

睇用例同及格線。一般嚟講，加權總分過 3.5 分而硬指標達標，係可以認真考慮嘅水平；4 分以上屬於優秀。但呢啲門檻只係參考，你應該按自己用例嘅容錯空間定門檻，唔好照搬人哋條數。

幾耐要重新覆測一次？

每隔幾個月用同一張表、同一批文本覆測一次最理想；平台宣佈重大更新之後，就應該提早覆測。覆測嗰陣重點睇兩樣：當初及格線位嘅分數有冇跌，同埋入圍平台之間嘅排名有冇反轉——趨勢比單次分數更加有參考價值。

評分表同盲測應該點配搭？

評分表係把尺，盲測係個公平嘅考場，兩樣係配套唔係二選一。做法：評分照用張表，但樣本匿名隨機排序，評分人唔知邊段嚟自邊個平台，統計完成先揭盅。冇盲測嘅評分，分數會俾品牌印象拉扯；冇評分表嘅盲測，結果就只係一堆冇定義嘅感覺。

工程成本呢個維度點評分？

佢唔使靠耳仔評，係靠查證：文件齊唔齊、字幕輸出有冇、接入方式多唔多、按你自己用量計落嘅月費係幾多，逐項查完先打分。建議將查到嘅證據（報價頁、文件位置）貼喺記錄欄，同聲音評分嘅證據放埋一齊，決定嗰陣一手一手睇晒。

[!CTA]

開張表，即刻評你嘅第一個平台

喺港嘢 Playground 開戶即有 每月 5,000 字符免費額度（約 21 分鐘語音），拿住評分表逐維度打分，今日評完今日有結論。