國際大廠廣東話 TTS 公開規格對比（2026-09 觀察）

一句答你：國際大廠嘅通用 TTS 喺廣東話場景通常只係「識讀」——語氣詞、多音字、中英夾雜呢啲粵語特色位，往往要靠專門做粵語嘅方案先搞得掂。

觀察日期聲明：本文全部比較以公開產品規格為準，觀察日期 2026-09。本文冇做盲測、亦冇聲稱任何平台「最自然」。

Key Takeaways

• 國際大廠嘅通用 TTS 對廣東話通常以「粵語」或「廣州話」locale 上架，功能定位係覆蓋廣泛市場，唔係深耕地道口語。
• 廣東話嘅聲調、多音字、語氣詞（嘅、咩、啦、囉）、中英夾雜呢啲位，通用模型嘅處理口徑同粵語 native 方案有明顯差異。
• 通用 TTS 嘅強項係多語言覆蓋同企業級 SLA；弱項係廣東話嘅語感、控制粒度（情緒、停頓、自由指示）。
• 揀方案唔係睇「邊個大廠」而係睇「邊個 deep 落廣東話」——功能對齊、定價模式、配額彈性都要核。
• 試嘅時候建議用同一段粵語稿（有語氣詞、有中英夾雜、有數字）跑幾家，唔好單睇 demo。

國際大廠嘅通用 TTS 點解「識講」廣東話但「講唔好」廣東話

所謂「國際大廠通用 TTS」，即係 Microsoft Azure Speech、MiniMax Audio、ElevenLabs、Narakeet、Ondoku 呢類服務嘅多語言 TTS。佢哋嘅設計目標係覆蓋幾十甚至過百種語言，廣東話通常以一個 locale（例如 zh-HK、yue、cantonese）嘅身份出現。

呢個定位帶嚟兩個結構性限制。

第一，廣東話喺國際通用 TTS 嘅 roadmap 入面，份量通常唔重。Azure、MiniMax、ElevenLabs 嘅核心市場係普通話同英文，廣東話係「有覆蓋」但唔係「主戰場」。所以 locale 出咗之後，後續嘅聲線迭代、style 控制、情緒選項，多數唔會同步推。

第二，通用模型嘅訓練語料，廣東話比例遠低過普通話。模型識講廣東話，但對地道口語、流行潮語、語氣詞嘅掌握，會比 native 粵語方案薄。呢個唔係技術好壞嘅問題，係訓練分佈嘅問題。

廣東話嘅四個硬骨頭

廣東話 TTS 嘅難處，唔係「識唔識讀」，而係「讀出嚟似唔似」。以下四個位，國際通用 TTS 經常撞牆。

聲調同音變

廣東話有九聲六調，同音字多到離譜。「銀行」可以係 bank 定 walk，「行路」同「銀行」嘅「行」發音唔同。通用 TTS 多數靠 G2P 規則或者統計模型，遇到多音字就要靠上下文估。估錯嘅後果就係成句意思反轉。

語氣詞同口語助詞

「嘅」「咩」「啦」「囉」「喎」「嘅唔係先」「唔係喎」呢啲粵語特色助詞，通用模型未必收錄晒。就算有，佢哋嘅處理口徑係「讀出嚟」，唔係「讀出口語感」。結果就係字字讀啱，但成句聽落唔似香港人講嘢。想了解語氣點樣影響成句嘅語感，可以參考 廣東話語氣詞 TTS 攻略。

中英夾雜

香港人講嘢好常中英夾雜：「send 個 file 畀我」「今晚去 happy hour」「我 mark 低先」。通用 TTS 對英文 token 嘅處理視乎 locale 設計，部分會跳英文引擎，部分會硬讀成普通話音，結果就係中英之間嘅節奏斷裂。粵語 native 方案通常會按粵語嘅中英夾雜習慣處理，呢個位可以參考 廣東話中英夾雜 TTS 攻略。

數字同量詞

廣東話量詞同數字讀法有自己一套。「一個人」讀「一個」，「一蚊」讀「一蚊」唔係「一元」，「兩個人」讀「兩個人」唔係「二個人」。通用 TTS 處理數字嘅 locale 規則通常跟普通話，廣東話用戶會覺得怪。

對比維度：通用 TTS 同粵語 native 方案

以下用一個對照表講下兩類方案喺常見維度上嘅差異。注意：呢個表係公開規格對比（2026-09 觀察），唔係量化評分；具體規格以各家官方頁面為準。

想睇更完整嘅同類對比，可以參考我哋嘅 廣東話 TTS 完整指南 同埋 2026 廣東話 TTS 對比旗艦文。

定價模式嘅分別

國際大廠通用 TTS 嘅定價通常係按字符或者按分鐘計，跨語言統一一個價。對廣東話用戶嚟講，呢個模式嘅問題係：你用咗廣東話嘅 quota，但廣東話嘅「完成度」未必同普通話一樣高。換句話講，你畀咗同一個價錢，但出嚟嘅質素唔對稱。

粵語 native 方案嘅定價通常係按字符計，港嘢嘅做法就係按字符，配額用完就完，唔會超額收費，想加量就買字符包。如果你嘅內容主要係粵語，呢種模式通常更直接、更易預算。詳細可以睇 廣東話 TTS 定價解析。

揀方案嘅時候，唔好單睇「每千字符幾錢」，要睇「你嘅粵語內容用呢個方案出嚟要幾錢」。可以參考 廣東話 TTS 揀選指南 嘅準則。

通用 TTS 嘅強項

公平啲講，國際大廠通用 TTS 唔係冇佢嘅位。

• 多語言覆蓋：如果你嘅產品要同時做普通話、英文、日文、廣東話，通用 TTS 一個 API 搞掂，唔使接幾家。
• 企業級 SLA：大廠通常有 99.9%+ uptime、multi-region、compliance certification，啱晒企業客戶。
• 生態整合：大廠通常同自家雲同生態深度整合，接入企業現有系統較順。
• 聲線迭代穩定：大廠聲線更新頻率穩定，唔會停擺。

如果你嘅廣東話只係「偶爾用吓」、或者你已經喺大廠生態入面，通用 TTS 係合理選擇。

通用 TTS 嘅弱項（廣東話場景）

但如果廣東話係你嘅主場景，通用 TTS 嘅弱項就會浮出嚟。

• 地道口語支援薄弱：語氣詞、潮語、廣東話專屬表達，往往要靠 prompt hack 或者後製。
• 控制粒度粗：情緒、停頓、emphasis 嘅 API 通常針對普通話或者英文設計，廣東話用戶要 workaround。
• 多音字處理不一致：同樣一段稿，喺普通話 locale 同粵語 locale 出嚟嘅結果可能差好遠。想了解 anchor 點樣幫手解決多音字，可以參考 粵語 TTS API anchor 攻略。
• 聲線「粵語味」唔夠：聲線嘅音色、節奏、氣口偏普通話或者英文，廣東話用戶聽落會覺得「唔似」。

點樣實際試

揀方案最忌睇 demo。Demo 通常係精心挑選嘅樣本，唔代表你嘅實際內容。建議用以下方法自己測試。

1. 準備一段「難搞」嘅粵語稿：包括語氣詞（嘅、咩、啦、囉）、多音字（行、重、長）、中英夾雜（send file、happy hour）、數字（一個人、一蚊）。
2. 同一段稿跑幾家：包括國際大廠通用 TTS 同粵語 native 方案。
3. 錄低嚟比對：用同一個播放環境，唔好單靠耳仔。
4. 問自己三個問題：語氣詞出唔出到？多音字讀啱唔啱？中英夾雜係咪自然？
5. 睇 API 文檔：有冇粵語專屬參數？有冇 anchor 機制？有冇情緒控制？

想知點樣用 API 生成地道粵語，可以參考 粵語 TTS API 快速上手。

點樣揀：通用定 native？

冇標準答案，但可以按以下框架諗。

想免費試粵語 TTS，可以睇 免費廣東話 TTS 攻略。

結論

國際大廠通用 TTS 對廣東話嘅定位係「覆蓋」，唔係「深耕」。如果你嘅廣東話只係輔助 locale，通用 TTS 夠用；如果你嘅廣東話係主場景，粵語 native 方案喺語感、控制、成本三方面通常更貼地。

揀方案嘅時候，唔好睇品牌大細，要睇「邊個 deep 落廣東話」。同一段稿跑幾家，錄低嚟比對，先至最實在。

常見問題 FAQ

國際大廠通用 TTS 識唔識讀廣東話？

識。Microsoft Azure Speech、MiniMax Audio、ElevenLabs、Narakeet、Ondoku 等都支援廣東話 locale。但「識讀」同「讀得好」係兩件事——地道口語、語氣詞、中英夾雜嘅處理深度，視乎各家訓練同產品定位。

通用 TTS 同粵語 native 方案最大分別係咩？

定位。通用 TTS 係「多語言覆蓋」，廣東話係其中一個 locale；native 方案係「主打粵語」，所有功能圍繞粵語設計。差異體現喺語感、控制粒度、定價模式。

通用 TTS 嘅廣東話聲線多唔多？

視乎平台。Azure 同 MiniMax 通常有幾條廣東話聲線，ElevenLabs 視乎你用嘅 plan。整體而言，廣東話專屬聲線數量通常少過普通話。

通用 TTS 點解處理唔到粵語語氣詞？

訓練語料分佈問題。通用模型嘅訓練語料以普通話同英文為主，廣東話語氣詞（嘅、咩、啦、囉）嘅樣本比例較低，模型對佢哋嘅處吻口徑係「讀出嚟」而唔係「讀出口語感」。

通用 TTS 支援中英夾雜嗎？

視乎 locale 設計。部分平台會將英文 token 跳去英文引擎處理，部分會硬讀成普通話。廣東話用戶嘅期望係「中英夾雜自然」，呢個通常要靠 native 方案先做得好。

點樣判斷一個 TTS 方案係咪 deep 落廣東話？

睇三樣：聲線數量（有冇多條粵語專屬聲線）、功能支援（情緒、anchor、SRT、批量）、API 文檔（係咪有粵語專屬參數同例子）。同一段難搞嘅粵語稿跑幾家，錄低嚟比對，最實在。

廣東話 TTS 揀方案要留意咩？

語感、控制、定價、SLA。語感係最難量化嘅，但可以靠自己試；控制睇 API 嘅粒度；定價睇按字符定按分鐘；SLA 睇 uptime 同 compliance。詳細準則可以參考 廣東話 TTS 揀選指南。

[!CTA]

想親耳試下粵語 native 同通用 TTS 嘅分別？

去 Playground 用同一段粵語稿跑幾家聲線，唔使寫 code，唔使註冊 API key。