對嘴 QC 清單：出街前必查 12 項（2026 版）

一句答你：對嘴 QC 嘅核心，係出街前逐項核對 12 個位——由開頭第一秒到授權文件，一項唔過就唔好出街。

重點摘要 Key Takeaways

• 對嘴 QC 唔係睇一眼咁簡單，要逐秒逐項過清單，尤其快語句同中英夾雜位。
• 開頭同收尾係最多人忽略嘅兩個位，因為大多數人只睇中段。
• 數字、品牌名、入聲字係粵語對嘴嘅三大高風險位，嘴型同音素對唔上最常見。
• 技術之外仲有合規：聲音授權、肖像同意、AI 內容標示，缺一樣都隨時要落架重做。
• 建議用表格化 checklist，兩人分工：一人睇畫面、一人聽聲軌。

點解粵語對嘴特別需要 QC 清單

對嘴 QC 係指喺 AI 生成影片出街之前，用一套固定檢查流程核對嘴型、聲音同畫面一致性嘅品質把關步驟。Viseme（視素） 係指發音時嘴部嘅視覺形狀，對嘴引擎其實係將聲音嘅音素映射到對應視素——但粵語有 6 個聲調、50 幾個韻母，仲有入聲韻尾 -p、-t、-k 收尾短促，音素密度比普通話高，錯配機會自然多。

G2P（grapheme-to-phoneme） 係指文字轉拼音嘅過程，粵語多音字多，G2P 一錯，後面整條對嘴鏈就會跟住錯。學術研究都確認多音字係粵語 TTS 同對嘴嘅核心難點（Cantonese G2P 論文, 2026）。另一邊廂，對嘴模型本身亦有風格保留同資料標準化嘅技術挑戰，相關研究可參考（Style-Preserving Lip Sync 論文, 2026）、（StyleLipSync：個人化對嘴生成, 2026）同（Lip Sync 資料標準化研究, 2026）。

換句話講，粵語對嘴出事唔係「運氣差」，係結構性風險。所以需要一張清單，逐項打勾，而唔係靠感覺。

出街前 12 項對嘴 QC 清單總覽

以下逐項展開。

技術層：第 1 至 8 項逐步講解

1. 開頭對齊

第一個字係全片最高風險位之一。好多人 QC 時由中段開始睇，頭兩秒錯咗都唔知。檢查方法：將頭 2 秒逐幀睇，確認第一個音素出現時嘴已經開始動，唔好有「聲先到、嘴後動」或者相反。

例如旁白第一句係「大家好，歡迎返嚟」，就要確認「大」字起動嗰一刻嘴型已經到位。如果對嘴引擎係先餵聲軌再生成，有時會有幾幀延遲，呢個位要重生成或者剪走頭幾幀。

2. 收尾對齊

同開頭一樣，最後一個字好容易「嘴早收」——聲軌仲有尾音，但嘴已經閂埋。特別係入聲字，-p、-t、-k 收尾短促，引擎有時直接跳去閉嘴幀，睇落像「吞咗個字」。

做法：逐幀睇尾 2 秒，聽住尾音睇嘴型，確認最後一個閉嘴幀同聲軌結束點同步。

3. 快語句檢查

語速快嘅句子，視素切換唔切，會出現「嘴型糊成一團」。檢查方法：將語速明顯快嘅段落用 0.5 倍速播放，逐個音節睇嘴型有冇跟到節奏。跟唔到嘅句子，最穩陣係將嗰句稿改短，或者拆開兩句重生成。

4. 中英夾雜檢查

中英夾雜係香港日常語言特徵，例如「check 吓」「follow up 個 deadline」。問題係好多對嘴管線對英文音素支援參差，英文字嗰幾秒嘴型特別容易錯。

做法：將全片所有英文字列出嚟，逐個定位時間戳，逐個睇。例如「deadline」呢個字有兩個音節重音位，要確認重音位嘴開幅度同聲音強度對應。

5. 數字讀法檢查

數字係 G2P 高危位。「3000」讀「三千」定「三千零」？年份、電話、價錢各有讀法。做法：核對聲軌入面每個數字嘅實際讀法同稿一致，再確認嗰段嘴型同讀法對應。如果 TTS 階段已經讀錯，對嘴做得幾好都無用——所以數字檢查要由聲軌做起點。

6. 品牌名檢查

品牌名、人名、地名係另一個多音字重災區。做法：列全片品牌名清單，逐個核對官方讀音，再定位睇嘴型。呢步同聲線選擇有關，唔熟可以參考我哋嘅粵語 TTS 聲線測試方法同粵語專有名詞發音規則兩篇深入講解。

7. 表情一致性檢查

有啲生成結果嘴有動，但成塊面僵到似戴面具。做法：全片快轉一次，只望表情：眨眼、眉頭、笑肌有冇自然節奏。參考研究指出風格保留係對嘴生成嘅關鍵指標（StyleLipSync：個人化對嘴生成, 2026），實務上就靠人眼快轉掃一次最直接。

8. 畫面閃爍檢查

生成式對嘴有時會出現偽影：牙齒閃爍、嘴角抖動、膚色突變。做法：全屏逐段掃，特別留意大特寫鏡頭同側面角度。發現閃爍，通常換參考素材或者重新生成嗰段最實際。Kling 嘅 Lip Sync 工具官方要求角色正面、嘴部清楚（Kling 官方文件, 2026），正面鏡頭偽影風險明顯低啲。

聲畫合規層：第 9 至 12 項

9. 片長對齊

聲軌長過影片係常見錯。Kling 官方都提醒：聲軌長過影片要剪（Kling 官方文件, 2026）。做法：用剪接軟件對比兩軌時長，容差建議喺零點幾秒之內，唔可以有可聽到嘅斷尾。

10. 字幕同步

如果有字幕，要單獨驗。做法：靜音播放，只睇字幕節奏有冇遲到或早走；再開聲確認字幕同語音對齊。字幕製作流程可以參考 TTS 字幕工作流程同 SRT 同步編輯教學。

11. 音量響度檢查

忽大忽細係出街後最多觀眾投訴嘅位之一。做法：用頭戴式耳機全片聽一次，留意句與句之間音量跳變、氣口位置有冇爆音。如果有背景音樂，人聲要清楚企喺前面。多聲軌混音嘅細節可以參考 AI 影片混音教學。

12. 授權文件檢查

最後一項最易漏，但代價最大。用任何人嘅聲音克隆必須取得明確同意；肖像使用要授權；音樂、字體、品牌 logo 全部要清授權。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》強調透明、問責、資料保障（香港數字政策辦公室, 2026），私隱專員公署亦有 AI 個人資料保障模範框架（私隱專員公署, 2026）。生成內容應該有清楚標示，平台水印機制如 C2PA 同 SynthID 亦係行業慣例（Gemini 圖像官方文件, 2026）。

做法：出街前核對三樣嘢——聲音授權簽署紀錄、肖像同意書、AI 內容標示有冇加上。三樣缺一，唔好出街。

執行建議：兩人分工 QC 流程

一個人又睇畫面又聲又睇字幕，好容易疲勞漏項。建議分工：

• A 角色（畫面）：負責第 1、2、7、8、9 項，逐幀同快轉。
• B 角色（聲音）：負責第 3、4、5、6、10、11 項，對稿聽全片。
• 製作人：負責第 12 項授權，加最終簽核。

【獨家觀察】根據我哋協助客戶做粵語數碼人內容嘅經驗，最常見嘅翻車位唔係中段嘴型，而係開頭兩秒、數字讀法同授權文件三樣。中段大畫面問題人人會睇到，但「第一個字嘴慢半拍」呢類細節，往往係觀眾對內容專業度嘅第一印象來源。建議將開頭兩秒同數字段落列為「必逐幀區」，任何項目唔豁免。

常見問題 FAQ

對嘴 QC 要幾耐先做得完？

視乎片長。一般 60 秒內嘅短片的話，兩人分工大約一個鐘內可以完成一次完整 12 項檢查。片越長，逐幀段落越多，時間相應增加。

邊一項最容易出錯？

粵語內容最常見係第 4 項中英夾雜同第 5 項數字。呢兩個位涉及音素映射同 G2P，技術上最脆弱，建議每次必查。

開頭同收尾點解要逐幀睇？

因為對嘴引擎喺起動同收尾嗰刻最易出現幾幀延遲或早收。呢啲問題喺正常速度播放好難察覺，逐幀先睇到。

QC 發現問題應該重生成定剪接補救？

局部問題（例如收尾幾幀）可以剪接補救；系統性問題（例如全片嘴型節奏唔啱）就要返去重做聲軌或對嘴參數。判斷準則：錯嘅係「一段」定「成片」。

字幕同對嘴係唔係一齊檢查？

唔建議。字幕同步要靜音單獨驗，因為有聲音存在時，人眼會被聲音引導，好難客觀判斷字幕時序。

AI 生成內容需唔需要標示？

需要。根據香港官方指引，生成式 AI 內容應該有清楚標示，平台亦可能自動加水印。標示屬於第 12 項合規檢查一部分。

用自己把聲做對嘴都要授權文件？

自己嘅聲音理論上無授權爭議，但商用項目仍然建議留低書面紀錄，尤其係涉及第三方平台或客戶交付時，方便日後審計同釐清責任。

延伸閱讀

想深入了解對嘴技術同工具選擇，可以睇：

• 粵語對嘴完整指南
• King AI 粵語對嘴實用指南
• Kling 粵語對嘴操作教學
• HeyGen 粵語數碼人完整指南

[!CTA]

即刻去港嘢 Playground 試粵語 TTS

登記送 2,000 字符（一次性），用你嘅稿直接試聲，再配合呢份 QC 清單出街。

---

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）