目錄（22 節）
- Voice Design 係乜嘢嚟？
- 文字描述生成聲線嘅流程
- 五個描述維度
- 粵語可用性：可以試，但唔好當必然
- 五大限制（用之前必須知）
- 限制一：粵語覆蓋冇官方保證
- 限制二：描述粒度粗
- 限制三：生成結果唔完全可重現
- 限制四：版權同意同聲音權利
- 限制五：AI 內容標示要求
- 點樣驗證粵語效果：完整測試方法
- Voice Design 同其他粵語方案點揀？
- 常見問題 FAQ
- Voice Design 可以輸入中文描述嗎？
- 生成出嚟嘅聲線係咪屬於我？
- 用 Voice Design 做粵語，多音字會唔會讀錯？
- Voice Design 同聲音克隆有乜分別？
- 香港商業項目用 ElevenLabs 做粵語，合規方面要注意乜？
- 我已經有 Voice Design 生成嘅聲線，可以轉移去其他平台嗎？
- ElevenLabs 以外，有冇專門做粵語嘅選擇？
- 資料來源同方法說明
- 想即刻試粵語聲線？
ElevenLabs Voice Design：粵語聲線設計全攻略（2026）
學識用 ElevenLabs Voice Design 打造專屬粵語聲線，由提示詞到參數調整一步一步教你，2026 年最新功能完全解析。
一句答你：ElevenLabs Voice Design 係用文字描述「生出」一把新聲線嘅功能，做英文好順；但攞嚟做香港廣東話，描述維度可以照用，粵語效果就唔可以有保證，落單前一定要自己跑樣本測試。
重點摘要 Key Takeaways
- Voice Design 屬於「聲線設計」類功能：輸入文字描述，系統生成一把虛構聲線，唔使錄真人參考音頻。
- 描述可以用五個維度去寫：性別、年齡、口音語言、音色質感、語速節奏。
- ElevenLabs 官方主力支援英文；粵語冇逐字官方保證，屬「可以試，但要驗證」範疇。
- 做粵語有五大限制：語言覆蓋唔確定、描述粒度粗、生成結果唔完全可重現、聲音版權同意問題、AI 聲音標示要求。
- 穩陣做法：先用 sandbox 額度生成樣本，用固定測試句（含多音字同中英夾雜）評分，再決定咪轉用專門粵語平台。
- 香港項目如果目標受眾係本地客，專門做粵語嘅平台通常喺多音字同懶音處理上更貼地。
Voice Design 係乜嘢嚟？
Voice Design 係 ElevenLabs 旗下嘅「聲線設計」功能：你用文字描述一把聲，例如「年輕女聲、溫柔、講嘢慢啲」，系統就會生成一把唔對應任何真實人物嘅新聲線。呢個同 Voice Cloning（聲音克隆）唔同——克隆要用真人錄音做參考，設計就純粹由描述出發。
根據公開規格（觀察日期 2026-10-31），ElevenLabs 官方文件將 Voice Design 歸類為創意聲音工具，主要場景係配音、角色聲線同內容製作。官方展示語言以英文為主；粵語冇列入正式支援清單，亦冇被明文禁止，屬於灰色地帶。呢一點同學術界講嘅情況一致：全球約有 8,490 萬粵語母語者，但高質素標註嘅粵語語音資源長期不足（WenetSpeech-Yue 論文, 2026），所以主流平台對粵語嘅投入自然慢過英文。
想理解成個粵語 TTS 生態點運作，可以由 廣東話 TTS 入門指南 睇起，再睇 AI 配音完整教學 了解配音工作流全貌。
文字描述生成聲線嘅流程
成個流程大致五步，任何平台嘅「描述生聲」功能都適用：
- 寫描述：用文字講清楚你想要乜嘢聲。描述越具體，結果越接近預期。
- 生成候選：系統根據描述生成幾把候選聲線，通常一次會出多個版本畀你揀。
- 試聽樣本：用同一段測試句去試每把聲，先至可以公平比較。
- 微調描述再生成：唔啱意就改描述關鍵字，重新生成。重點係每次只改一個維度，先知邊個字眼有影響。
- 鎖定並記錄：揀定之後，記低成段描述同設定，方便日後重現或者同團隊共享。
呢個流程同 聲音克隆完整指南 入面講嘅「參考音頻挑選」邏輯相通——只係 Voice Design 換咗用文字做參考。想再深入控制語氣節奏，可以參考 TTS 聲線風格控制指南。
五個描述維度
寫描述嗰陣，建議跟住呢五個維度逐個填，唔好東一句西一句：
| 維度 | 描述乜嘢 | 粵語描述例子 |
|---|---|---|
| 性別 | 男聲定女聲，聲線偏中性定明顯 | 「年輕女性聲線」 |
| 年齡 | 聽落幾多歲，聲音成熟度 | 「三十歲左右、成熟穩重」 |
| 口音語言 | 想要嘅語言同口音色彩 | 「香港廣東話口音、少少英文腔」 |
| 音色質感 | 聲音本身嘅「質地」 | 「清脆明亮」或者「低沉厚實」 |
| 語速節奏 | 講嘢快慢、停頓習慣 | 「語速中等、自然停頓」 |
例如你想做一條品牌宣傳片旁白，描述可以咁寫：「三十五歲香港女性，廣東話母語，音色溫暖帶少少沙，語速偏慢，適合講故事」。呢種寫法五個維度齊，系統有明確方向可以跟。
又例如做有聲書角色，可以寫：「六十歲男性，粵語口音，聲線低沉沙啲，語速慢，帶長輩講古嘅節奏感」。記住，描述入面提「廣東話」唔等於系統真係識講地道粵語——呢個就係下一節要講嘅限制。
粵語可用性：可以試，但唔好當必然
呢一部分係成篇文章最重要嘅判斷框架。
官方文件冇將粵語列為正式支援語言（觀察日期 2026-10-31）。實際發生嘅情況通常係：描述入面要求「Cantonese」或者「廣東話口音」，系統可能生成一把「聽落有粵語色彩」嘅聲線，但唸出嚟嘅文本未必係地道粵語——可能出現普通話腔調、多音字讀錯、或者口語字（嘅、咗、喺、嚟）處理得唔自然。學術研究亦指出，多音字係粵語語音合成嘅核心難點（Cantonese G2P 論文, 2026 同 Expressive Neural Voice Cloning, 2026 都有討論相關挑戰）。
G2P（grapheme-to-phoneme）係「文字轉拼音」嘅過程，即係系統點樣決定一個字要點讀。粵語多音字多，例如「重」可以讀「 chung6 」（重要）或者「 zung6 」（重複），G2P 錯一步，成句嘢就怪怪哋。
所以正確心態係：Voice Design 可以用嚟探索聲線方向，但生產級粵語內容，落單前必須做樣本驗證。下面就有具體測試方法。
五大限制（用之前必須知）
限制一：粵語覆蓋冇官方保證
如上所述，粵語唔喺正式支援清單。你可以試，但結果可能時好時壞，而且平台改版之後行為可以變。任何「應該得」嘅假設，都要用樣本驗證過先成立。
限制二：描述粒度粗
文字描述係一個粗粒度嘅控制界面。你可以話「溫柔」「活潑」「低沉」，但冇辦法精確指定音高幾多赫茲、共鳴位置喺邊。想微調，好多時要靠生成大量候選然後人手揀。呢個同專業粵語平台提供嘅聲線參數化控制比起嚟，精細度有距離。
限制三：生成結果唔完全可重現
同一句描述，今次生成同下次生成，可能出兩把唔同嘅聲。對品牌項目嚟講係大事——你嘅品牌聲音如果每次重做都唔同，一致性就完蛋。品牌聲音一致性（brand voice consistency）係指同一品牌喺所有內容用統一嘅聲線特徵。想深入了解，可以睇 品牌聲音一致性指南。解決方法係：鎖定之後記低晒所有設定，並且保留原始音頻做日後對照。
限制四：版權同意同聲音權利
Voice Design 生成嘅係「虛構聲線」，理論上唔涉及真人。但有兩個陷阱：第一，如果你嘅描述係照住某個真人把聲嚟寫（例如「似某某藝員」），生成結果可能好接近，呢個就有肖像同聲音權利風險；第二，聲音克隆技術嘅濫用風險係學術界認真研究嘅課題，有論文專門研究點樣偵測被克隆嘅聲音（Timbre Watermarking 論文, 2026）。香港數字政策辦公室嘅《香港生成式人工智能技術及應用指引》明確強調透明、問責同資料保障（數字政策辦公室, 2026），私隱專員公署亦有 AI 個人資料保障嘅模範框架（私隱專員公署, 2026）。簡單講：唔好拿任何真人把聲嚟做描述基準，除非有明確書面同意。
限制五：AI 內容標示要求
生成式 AI 內容應該有清楚標示，呢個係香港官方指引嘅要求。好多平台會自動加 C2PA 或者 SynthID 類水印，但你自己嘅內容標示責任唔會因為平台有水印就消失。尤其廣告、新聞、教育類內容，標示要做足。
【獨家觀察】根據我哋團隊日常接觸香港客戶嘅經驗（2026-10-31 觀察），好多人用 Voice Design 嘅真正目的，係想喺正式項目之前「探索聲音方向」——即係話畀客戶聽幾個唔同聲線樣本，等佢哋揀個感覺。呢個用法其實幾聰明：探索階段容錯高，就算粵語效果未夠地道，都唔影響最終出品，因為鎖定方向之後，正式製作會轉用粵語深度優化嘅方案。換句話講，Voice Design 係「聲線 mood board」，唔係「生產工具」。
點樣驗證粵語效果：完整測試方法
因為呢部分有正式測試步驟，所以以下講嘅係可重複嘅測試流程，唔係憑感覺。
測試方法（五步）：
- 準備固定測試句。至少三句，覆蓋唔同難點。例如：
- 句一（多音字）：「今日嘅會議好重要，我哋要重新安排時間。」——「重」字出現兩次，兩個讀音。
- 句二（中英夾雜）：「麻煩你 check 吓個 deadline，然後 follow up 個 client。」——香港日常語言特徵。
- 句三（口語字同懶音）：「你哋喺邊度嚟㗎？去咗邊個地方玩咗幾耐？」——測「嘅、哋、咗、喺、嚟」自然度。
- 固定生成設定。同一組描述文字、同一批測試句，生成至少三把候選聲線。
- 盲聽評分。搵兩三個粵語母語同事，唔知邊把聲邊個平台，用 1 至 5 分評三個項目：發音準確度、自然度、整體接受度。
- 記錄結果。低過 4 分平均分，或者出現明顯錯音，就唔建議攞去生產。
- 對照測試。同一段測試句，攞去專門做粵語嘅平台跑一次，做 A/B 對照。想知點揀，可以睇 廣東話 TTS 平台比較（2026） 同 TTS 評分準則。
粵語語音品質嘅三個關鍵指標係：發音準確度（多音字有冇讀錯）、自然度（聽落似唔似本地人講嘢）、資訊傳達效率（聽眾要唔要辛苦先聽得明）。三項入面，發音準確度係底線——錯音會直接影響資訊傳達。
Voice Design 同其他粵語方案點揀？
決策好簡單，問自己兩條問題：
| 你嘅需求 | 建議方案 |
|---|---|
| 探索聲線方向、做 mood board 畀客戶揀 | Voice Design 類描述生聲工具 |
| 生產級粵語旁白（長內容、品牌內容） | 專門粵語 TTS 平台 |
| 要複製某個真人聲線（有授權） | 聲音克隆功能，睇 TTS 聲音克隆指南 |
| 英文為主、粵語係次要市場 | Voice Design 可以做英文，粵語部分另行處理 |
例如一間本地連鎖餐廳想做分店宣傳廣告，目標客係香港人——呢個情況粵語地道程度係核心，應該直接用專門粵語方案。又例如一間做海外市場嘅公司，主要內容係英文，粵語只係少量附加，咁用 Voice Design 做英文主線、粵語另行處理，都合理。
想睇港嘢同其他本地平台嘅詳細比較，可以睇 港嘢與本地粵語平台比較 同 cantonese-tts-api 比較。
常見問題 FAQ
Voice Design 可以輸入中文描述嗎？
根據公開規格（2026-10-31 觀察），官方介面同示範以英文為主。你梗係可以試中文甚至廣東話描述，但描述理解嘅準確度冇官方保證。穩陣做法係用英文寫描述，入面指明「Cantonese accent」。
生成出嚟嘅聲線係咪屬於我？
呢個要睇平台服務條款，唔好靠估。一般 AI 生成內容嘅商業使用權會跟付費方案而變，使用前睇清楚 Terms of Service。同時記住：就算使用權屬於你，AI 內容標示責任都係你嘅。
用 Voice Design 做粵語，多音字會唔會讀錯？
有機會。多音字係粵語 TTS 公認難點（Cantonese G2P 論文, 2026）。所以上面嘅測試方法第一步就係用含多音字嘅句子去試。錯音多，就唔好用喺生產。
Voice Design 同聲音克隆有乜分別？
Voice Cloning（聲音克隆）係用真人錄音做參考，生成一把模仿該真人嘅聲線；Voice Design 就係純文字描述，生成一把虛構聲線。克隆涉及真人權利，必須有明確同意；設計雖然係虛構，但唔可以刻意模仿特定真人。詳細分別可以睇 TTS 聲音克隆指南。
香港商業項目用 ElevenLabs 做粵語，合規方面要注意乜？
三大點：一，AI 生成內容要有清楚標示（香港官方指引要求）；二，唔好以任何真人聲線做描述基準而冇授權；三，如果涉及用家個人資料（例如聲音樣本），要跟私隱專員公署嘅 AI 個人資料保障模範框架處理（私隱專員公署, 2026）。
我已經有 Voice Design 生成嘅聲線，可以轉移去其他平台嗎？
聲線設定一般唔可以跨平台直接轉移，因為每個平台嘅聲線表示方式唔同。可行做法係：用原本聲線生成一段品質好嘅參考音頻，再喺新平台用克隆或者相似功能重建。但注意，如果重建涉及「複製某把聲」，要確認原本生成聲線嘅使用權允許呢種操作。
ElevenLabs 以外，有冇專門做粵語嘅選擇？
有。香港同大灣區市場有唔少專門做粵語嘅平台，喺多音字、懶音、中英夾雜呢啲本地語言特徵上投入更深。揀平台可以跟 廣東話 TTS 選購指南 嘅框架，或者直接睇 廣東話 TTS 平台比較（2026）。
資料來源同方法說明
本文所有規格描述均根據平台官方公開文件整理，觀察日期為 2026-10-31。語言學相關論述引用以下公開學術文獻：
- WenetSpeech-Yue：粵語語音語料庫論文, 2026
- Cantonese G2P：粵語文字轉拼音研究, 2026
- Expressive Neural Voice Cloning, 2026
- Timbre Watermarking：聲音克隆偵測, 2026
- 香港數字政策辦公室：生成式 AI 指引, 2026
- 香港私隱專員公署：AI 個人資料保障模範框架, 2026
本文講及嘅測試流程為建議方法，結果會因平台版本更新而變化，使用前請重新驗證。
關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。
本文由港嘢內容團隊撰寫，經編輯覆核（2026-10-31）。
[!CTA]
想即刻試粵語聲線？
去 港嘢 playground，登記送 2,000 字符（一次性），即刻生成你嘅第一段粵語音頻。