教育粵語配音實戰：三個教學場景由執稿到出聲

一句答你： 教育粵語配音最有效率嘅做法，係將教材文字稿整理成適合朗讀嘅口語稿，交畀專門嘅粵語語音合成平台生成音檔；用量預算用「每分鐘約 240 字符」呢條換算——一個 10 分鐘嘅課堂導讀大約 2,400 字符，入門月費方案已經夠應付成個學期嘅常規教材音檔。

Key Takeaways

• 教育場景最常見三類語音需求：課文導讀、練習講解、網上課程旁白。
• 粵語教材配音最大難點係書面語轉口語：唔轉寫，讀出嚟就會生硬。
• 用量預算好簡單：每分鐘旁白約等於 240 字符，逐課計好易估。
• 多音字、專有名詞同數字，係教育稿最易讀錯嘅三類位置。
• 成套教材一次過生成時，記得連 SRT 字幕一齊要，方便學生對稿。
• 揀聲線先聽試音樣本，然後全套教材用返同一條聲線，保持一致性。

點解教育教材越嚟越需要粵語配音

香港課堂嘅語言現實好特別：課本係書面語，但老師同學生日常溝通用廣東話。一個講解清楚嘅概念，寫出嚟係一段書面語；讀出嚟嘅時候，如果照字面逐隻字讀，成句嘢就會變成「新聞報導腔」，同學仔聽落遠離晒日常語感。呢個就係點解教育場景嘅粵語配音，唔係「搵個工具讀出嚟」咁簡單，而係一個涉及執稿、揀聲、製作、更新嘅完整流程。

近年教育機構將教材語音化嘅需求明顯增加：翻轉課堂要預錄導讀、網上課程要全套旁白、閱讀障礙嘅學生需要聽讀支援、仲有放學後自學嘅聲音教材。呢啲需求有一個共同點——量大、要更新、而且一定要係地道廣東話，唔可以用操普通話腔或者書面腔嘅語音充數。如果你未接觸過粵語語音合成，建議先睇吓呢篇廣東話 TTS 完全指南，對成個技術有個底，返嚟睇案例會更加入腦。

三類最常見嘅教學語音需求

綜合唔同教學場景，教育界搵粵語配音通常係為咗以下三類嘢：

第一類係課文導讀。老師將一篇課文、一段歷史敘述或者一個科學概念嘅講解，變成幾分鐘嘅音檔，畀學生上課前聽、或者溫習時重聽。特點係單篇長度適中，但成個學期累積落嚟數量唔少。

第二類係練習講解。選擇題點解選 A 唔選 B、數應用題嘅步驟拆解、常識科嘅案例分析——呢類內容通常每段一兩分鐘，但更新頻密，老師每年都會改題目、改例子。

第三類係網上課程旁白。由幾分鐘到幾十分鐘一課，成套課程動輒幾個鐘嘅旁白量，而且對聲線一致性要求最高——總唔可以第一課係一把聲、第二課轉咗另一把。

呢三類需求，對應嘅製作策略唔同，下面用三個情境逐一拆解。呢啲情境係典型教學場景嘅通用寫照，你可以對照自己嘅教材，睇吓邊個流程最接近。

粵語教材配音嘅兩個獨特難點

第一個難點係書面語同口語嘅落差。中文書面語寫「因此」「並且」「進行討論」，但香港人講嘢會話「所以」「仲有」「傾吓」。粵語語音合成已經可以處理書面稿，但讀出嚟嘅語感會偏正式；如果想學生聽落似老師喺堂上講嘢，執稿嗰步就要將書面語轉做口語。呢一步做得好，成套教材嘅語感會提升成個層次，下面嘅執稿清單會詳細講。

第二個難點係讀音準確。粵語有多音字、有變調、有一啲專有名詞嘅約定俗成讀法，教教材唔可以讀錯——學生係跟住錄音學嘅。老師備稿時可以先用中文大學嘅網上粵語審音字庫核對拿唔準嘅字，唔肯定嘅字寧願改寫做第啲講法。更多多音字處理技巧，可以睇廣東話多音字攻略。

情境案例一：中學中國歷史科嘅課文導讀

情境拆解：老師手上嘅係一份書面語筆記

想像一個典型情境：一位中學老師備份中國歷史課，手上有份十頁嘅課堂筆記，係書面語寫成嘅朝代興衰敘述。佢想將筆記變成每段五到八分鐘嘅導讀音檔，畀學生喺上課前聽完，堂上就用嚟討論。呢個係好典型嘅翻轉課堂設定。

呢類稿嘅特點：內容本身結構完整，但有大量年份、人名、地名。人名地名有機會撞多音字，年份同數字就可能有幾種讀法——執稿嗰陣，重點唔係改語氣，而係檢查專名讀音同統一數字讀法：同類數字喺同一段稿入面，用同一種寫法同一種讀法，聽落先一致。

處理流程：由文字稿到可以用嘅音檔

實際步驟可以行呢個流程：

1. 先執稿：將筆記按堂節奏切成一段一段，每段對應一堂嘅導讀；句式拉返順，刪走純視覺嘅嘢（例如「見下圖」）。
2. 檢查讀音：將人名、地名、年份圈晒出嚟，逐一核對；有疑問嘅用審音字庫查，或者改寫。
3. 揀聲線：喺聲線圖庫試聽幾把唔同聲線，揀一把聽落沉穩、似老師講書嘅；圖庫每條聲線都有試聽樣本，唔使估。
4. 逐段生成：將每段稿貼入生成介面，選同一條聲線，逐段出音檔。
5. 對稿校對：下載音檔逐段聽一次，特別留意專名同數字位；有錯就改返嗰句再生成。

呢個流程入面，最花時間嘅係第一步同第五步——執稿同校對，而唔係生成本身。所以唔好慳嗰兩步：稿執得好，後面全部順；校對做得足，學生先聽得放心。

用量同成本估算

用返「每分鐘約 240 字符」呢條換算：一段 8 分鐘導讀約 1,900 至 2,000 字符。假設成個學期有 20 段導讀，總量大約 40,000 字符左右，即係差唔多 165 分鐘嘅旁白量。

對照方案額度：入門方案每個帳單週期有 200,000 字符，足夠做五個學期嘅呢類導讀量有突；就算淨係想先試吓，免費開戶有每月 5,000 字符（月月重置），都可以出到約 21 分鐘嘅音檔試聽效果。10 分鐘旁白嘅成本，用月繳單價計大約係一蚊幾雞嘅級數，認真計落仲平過一個午餐飯盒。換句話講，教育場景嘅瓶頸從來唔係生成成本，而係執稿同校對嘅人力。

情境案例二：小學常識科嘅練習講解音檔

情境拆解：短篇、多段、要年年更新

第二個情境：小學常識科老師想為工作紙配講解音檔——每條大題一段，一至兩分鐘，成份工作紙大約五六段。特點同歷史導讀啱啱相反：單段好短，但段落多，而且每年題目都會改。

呢類場景嘅關鍵詞係「可維護」。做法上要將每段講解獨立成一個檔案，命名清楚（例如「P4_常識_CH3_第一題」），第年改題目時只係重新生成改咗嗰幾段，唔使成份工作紙重做。呢個習慣由第一日起就要養成，否則第時會亂籠。

執稿重點：數字同選擇題點處理

練習講解稿最易出事嘅位係數字同選項。幾個實用貼士：

• 選項要讀得清楚：稿面寫「選項 A」係安全嘅；唔好齋寫「A」，短字母喺句中容易含糊。
• 分數同小數寫全：「3/4」寫做「四分之三」，「0.5」寫做「零點五」，唔好靠系統猜。
• 停頓用標點控制：讀完題目、講答案之前，想有個明顯停頓位，用句號或者破折號標出嚟，讀出嚟節奏先清楚。
• 語氣貼細路：小學場景可以揀一把聽落親切啲嘅女聲，再用平台嘅演繹風格設定調整語氣，令講解聽落似老師陪住做練習。

呢類短篇講解因為段段獨立，就算人手逐段生成都唔會太攰；如果學校有幾個科目一齊做，量上咗去，先至需要考慮批量流程——呢個就係第三個情境嘅主題。

情境案例三：網上課程平台嘅全套粵語旁白

情境拆解：量大、要字幕、要一致性

第三個情境係最大型嘅：一個網上課程團隊，做咗一套八課嘅粵語課程，每課旁白約 15 分鐘，成套兩個鐘頭。除咗旁白，佢哋仲要每課出 SRT 字幕——學生聽課時想開字幕對住睇，無障礙需求亦都靠字幕。

呢類場景同頭兩個情境最大分別係規模。兩個鐘旁白即係約 28,800 字符；段落以百計，人手逐段貼稿會變成人肉災難。呢個時候就要行批量流程：將成套稿整理成列表，一次過提交多個生成任務，等佢哋逐個完成再逐個收貨。批量生成嘅完整工作流，可以睇批量生成粵語語音 workflow；要注意嘅係批量功能屬於專業或以上方案嘅能力，入門用家可以逐段生成，或者升級方案處理成套教材。

批量生成同字幕一次搞掂

批量流程有幾個位要留意：

• 在途任務有上限：唔同方案可以同時擺喺隊列入面嘅任務數量唔同，由免費嘅 3 個到工作室嘅 20 個，提交策略要按自己方案調整。
• 每段文字有長度上限：單次請求嘅文字上限係 500 字符，所以長課要先按段落切好，一段一個任務。
• 字幕一次過搞掂：提交嗰陣直接要求 SRT 輸出，生成完連音檔帶字幕一齊收；SRT 工作流可以睇TTS 加 SRT 字幕流程。
• 校對流程照做：批量唔等於免校對，反而因為量大，更加要逐段聽重點位——專名、數字、段落開頭結尾。

成套課程做出嚟之後，記得將所有段落嘅聲線、風格設定記錄低。下季出第二套課程時用返同一組設定，成個系列先會聽落係「同一個人講」。

揀聲線：教育場景嘅三個準則

三個情境都提過揀聲線，呢度集中講教育場景嘅揀聲準則：

準則一：一致性大過一切。 學生對聲音好敏感，同一套教材轉咗聲，佢哋即刻覺得「唔對路」。所以揀定一條聲線之後，整套教材、成個學年都用佢。中途真係要轉，最好成套重做，唔好一半新一半舊。

準則二：先聽樣本，唔好用想象。 圖庫每條聲線都有試聽樣本，揀嗰陣用你自己真實嘅教材稿去試，唔好用系統嘅示範句——用真稿試先知嗰把聲讀你嘅專名、你嘅句式係咩樣。

準則三：按學生年齡調整。 小學場景揀親切、語速聽落輕快啲嘅聲線；中學同成人進修就揀沉穩、清晰嘅。冇話邊個一定啱，但「老師感」同「卡通感」嘅界線要拿捏好——教材始終要有教材嘅說服力。

揀聲線仲有更完整嘅方法論：由性別、年齡去到演繹風格，逐個維度配搭落去，先會搵到嗰把「老師聲」。圖庫聲線最好嘅地方係全部即點即聽，試足幾把都唔使錢，揀定先開工。

執稿檢查清單：五個令 AI 讀得啱嘅細節

無論邊個情境，生成之前照住呢份清單過一次稿，可以避走九成常見問題：

1. 多音字圈晒出嚟：教學稿出現率高嘅多音字逐個核對讀音，有疑問就改寫或者查審音字庫。
2. 數字寫成讀法：年份、分數、小數、序數，全部用中文寫出實際讀法，唔靠系統猜。
3. 刪走視覺依賴：「如圖所示」「見表二」呢類嘢改寫做口語講法，例如「畫面入面呢個表」。
4. 長句切短：一句超過三四十字，就拆做兩三句；短句讀出嚟節奏好聽好多，學生都易消化。
5. 標點即停頓：想要學生消化嘅位，就加句號或者逗號；唔想要停頓嘅位，檢查下有冇多餘標點。

呢五步做得好，生成出嚟嘅第一版已經會好接近可用狀態；做唔好，校對嗰關就會重複返工。

成本預算點計：由一課到成個學期

最後將三個情境嘅用量集中埋一齊，畀大家一個預算概念：

三者加埋大約 90,000 字符，即係約 375 分鐘——六個幾鐘嘅旁白。入門方案每個帳單週期 200,000 字符，應付得到仲有剩；專業方案 600,000 字符，就連中學全科、成個補習系列都裝得落。用唔晒嘅月份亦唔使心急，因為方案冇超額收費，配額用完就完，要加量嗰陣先買字符包，唔會嚟個意外帳單。

教育機構仲有一個著數位：用量係 API 同網頁介面共用嘅，即係話平時老師喺介面度即場試稿，同批量生成教材係同一個配額池，管理簡單。學校層面嘅教材規劃、聲線策略點定，可以再睇教材廣東話配音完全指南同網上課程廣東話配音完整指南兩篇。

常見問題 FAQ

粵語配音會唔會讀錯多音字？

多音字係所有語音系統嘅共同挑戰。實際做法係執稿嗰步主動處理：圈出多音字、核對讀音、有疑問就改寫。教育稿因為會被學生跟讀，呢步唔可以慳，多圈幾個字總好過錄音出咗街先發現讀錯。

一個鐘嘅課程大約要幾多字符？

用每分鐘約 240 字符換算，60 分鐘旁白約 14,400 字符。入門方案 200,000 字符約等於 830 分鐘旁白，即係十三四個鐘嘅課程量，常規課程製作好夠用。

可以用自己的聲音做教材配音嗎？

平台有聲音複製功能，用參考音頻樣本做依歸。不過要留意：複製或者設計出嚟嘅聲線屬於單次生成用途，唔會儲存做可以反覆調用嘅資產；成套教材要用同一把聲，最穩陣係揀圖庫聲線行晒全套。

教材會定期更新，是否每次都要重新生成全部？

唔使。只要第一日開始就將每段講解獨立存檔、命名清楚，更新嗰陣就只係重新生成改咗嗰幾段。呢個就係情境二特別強調「可維護」嘅原因。

生成出來的音檔學生平板上播到嗎？

播到。生成完成後下載音檔，無論學校用嘅係平板、電腦定電子白板，一般播放都冇問題；習慣上將音檔同工作紙放埋同一個資料夾，學生搵嘢都方便啲。

生成音檔可以順便做字幕嗎？

可以。提交生成任務嗰陣要求 SRT 輸出，完成時就會連字幕一齊有。字幕除咗方便對稿，亦係無障礙教學嘅重要配備。

免費額度可以做幾多嘢？

開戶有每月 5,000 字符（月月重置），用每分鐘 240 字符換算約等於 21 分鐘旁白——足夠試一段完整嘅課堂導讀，聽下聲線、語氣係咪你想要嘅效果，先決定使唔使升級。

[!CTA]

想親耳聽下你嘅教材變成粵語？

免費開戶即有體驗額度，貼一段你嘅課堂稿入 playground，即刻試聽效果。