博物館多語言語音導覽指南：每種語言都做得起

一句答你： 博物館語音導覽而家唔使再靠錄音室——用粵語 AI 語音引擎，一個策展團隊自己寫稿、自己生成，幾日就做到粵、英、普多語言導覽，成本係傳統製作嘅零頭，換展期都追得上。

重點速讀 Key Takeaways

• 傳統導覽製作嘅成本結構係「錄音＋後製＋多語言乘數」，改一個字成批重錄；AI 生成將呢條成本曲線完全拉平
• 導覽稿唔係展品說明牌朗讀版——要寫「耳朵稿」：短句、有畫面、帶路線指示
• 多語言唔使逐種語言搵配音員：粵語為主嘅場景，一個引擎出齊粵英普，口徑一致
• 展品牌加 QR code 掃碼即聽，係最平嘅硬件方案，參觀者用自己手機，唔使買租借設備
• 換展、補充展品、修改史實陳述，AI 生成係改稿即出，兩星期換展期完全追得上
• 成本以字符計：約 240 字符等於 1 分鐘導覽音頻，一條 90 秒展品導覽約 360 字符

傳統導覽製作貴喺邊

博物館、美術館、文物徑做語音導覽，傳統流程係咁：寫稿 → 搵配音員 → 預約錄音室 → 錄音 → 後製 → 上架。單語言已經要幾星期；一落多語言（粵英普係香港基本盤，再有日韓就更長），成本同時間直接乘上去。

真正嘅痛點唔係第一次製作，係之後每一次改動：

• 史實陳述有更新（新研究、新考證）→ 重錄
• 換展期，三成展品唔同 → 重錄三成
• 觀眾反饋話某段太長 → 重錄
• 加一個新語言版本 → 成套重做

呢啲改動每次都要重新調動配音員同錄音室，於是好多館方索性唔改——導覽內容同展覽脫節，係行內常見嘅無奈。

AI 語音生成將改動成本壓到接近零：改稿、重新生成、上架，一個下午搞掂。導覽由「一次過嘅出版物」變返做「跟得貼展覽嘅活內容」。

仲有一層少人講嘅價值：實驗自由。以前一條導覽錄咗就錄咗，冇人會為咗試「開頭用問題形式會唔會好啲」而重錄一次。而家改稿重生成係幾分鐘嘅事，策展團隊可以真的試、真的比、真的揀最好嗰個版本。內容品質嘅進步速度，由「以年計」變「以展期計」。

導覽稿點寫：俾耳朵聽嘅文字

最多策展人踩嘅坑，係直接將展品說明牌文字交去生成。說明牌係俾眼睇嘅——資訊密、句長、冇聲音節奏。耳朵稿有另一套寫法：

短句為主。 聽覺冇得「翻轉頭再睇一次」，一句超過 25 個字，聽眾已經開始流失。長句拆短，一句一個意思。

有畫面指令。 「請抬頭睇天花板上嘅彩繪玻璃」「你面前呢件青銅器，留意佢嘅三隻腳」——導覽嘅本質係帶人行，稿面要有位置語言。

數字要口語化。 「約製於公元前 1046 年」聽落生硬，改做「大約三千年前，即係西周開始嗰陣」——聽感即場完全唔同。

一段一個重點。 每件展品導覽 60 至 120 秒最理想（約 240 至 500 字符），講一個故事、一個謎題、一個細節就夠。貪心塞五個知識點，聽眾一個都記唔住。

開頭三秒有鈎。 「呢件嘢，當年係裝酒定係裝屍水？」好過「本展品為一件陶器」。問題係耳朵最能記住嘅結構。

埋位有連結。 每段結尾一句帶去下一件：「睇完呢件，轉個彎有件更大膽嘅。」導覽唔係 20 段獨立音頻，係一條設計過嘅敘事線。

多語言策略：一個引擎出齊粵英普

香港場景嘅語言組合，最平嘅解法係粵語用粵語專門引擎、英文普通話用同一平台嘅對應聲線——重點係口徑統一：同一份稿三種語言，內容一模一樣，唔會出現「中文版講咗、英文版漏咗」嘅經典多語言事故。

幾個實務位：

• 稿先寫邊個版本？ 建議主稿一種語言寫定，翻譯之後逐語言請母語人校一次——AI 負責讀，唔負責譯。翻譯品質係另一個專業工序
• 每種語言固定一把聲。 粵語一把、英文一把、普通話一把，全部鎖定，唔好今次 A 聲下次 B 聲
• 時長對齊。 不同語言讀同一份稿長短會差一截，展品間隔嘅步行時間要按最長嗰個語言版本預留
• 數字、人名、地名校音。 專名係多語言導覽最高風險位，生成之後逐個專名聽一次

多語言內容製作嘅整體思路（稿面、術語表、語言切換體驗），同商業本地化項目一脈相承，可以參考 粵語內容本地化指南。

聲線揀選：導覽員嘅「聲音人格」

導覽聲線唔係「有聲就得」，佢係觀眾成個參觀體驗嘅敘事者。揀聲線三步：

第一步定人格。 呢個館嘅導覽員，理想係點嘅人？學者型（沉穩、慢）、故事使者型（溫暖、有起伏）、定係同輩導賞型（年輕、爽朗）？寫低三個形容詞。

第二步試聽篩選。 用呢三個形容詞做標準喺聲線圖庫篩選，最後留兩三把入圍。試聽時想像佢讀緊你最得意嗰件展品嘅稿。

第三步實稿測試。 攞一件實際展品嘅耳朵稿，用入圍聲線各生成一次，團隊盲聽投票。導覽係長時間收聽——20 件展品聽落，把聲悶唔悶，實稿先聽得出。

揀定之後鎖死：導覽聲線嘅一致性，同館嘅視覺識別一樣重要。觀眾隔一年再嚟，聽到同一把聲，係「返嚟」嘅感覺。

進階：造一把「館專屬」嘅聲線

圖庫聲線係快，但有場館想再行前一步——一把全世界只有佢哋用嘅聲。兩條路：

聲線設計。 揀性別同年齡層結構參數生成一把新聲線，唔需要任何錄音，適合想同圖庫拉開距離但冇錄音資源嘅場館。

聲音複製。 用一段已獲授權嘅真人錄音做參考樣本生成——例如邀請館嘅資深導賞員錄一段，佢嘅聲線就成為館嘅導覽聲音。用呢條路有兩條鐵則：樣本一定要係有授權嘅聲音（自己員工、簽咗同意書嘅人），同埋要保留真人原聲錄音做授權證明。

無論邊條路，都要記住導覽場景嘅核心係穩定：聲線定咗就唔好郁，要變嘅係稿，唔係聲。

QR 展品牌：最平嘅硬件方案

導覽硬件有幾個檔次：

QR 方案嘅好處：參觀者用自己手機自己耳機，零設備管理；每件展品一個 QR，連去一段獨立音頻，修改任何一件都唔影響其他；數據上仲睇到邊件展品最多人掃——呢個係免費嘅觀眾行為研究。

實作要點：QR 開嘅網頁要一撳即播（唔好迫人裝 app）；音頻檔位要穩定 hosting；每段頁面放埋字幕文字，聽障觀眾同埋唔想開聲嘅觀眾都用得。

換展 workflow：兩星期點追

假設換展期兩星期，AI 流程嘅時間表可以係咁：

第一至三日：新展品清單定稿，策展團隊分工寫稿（每件 60–120 秒稿，用返現有模板結構）。

第四、五日：稿面校對（專名、數字、多音字位檢查），聲線沿用上期，唔使重新揀。

第六日：批量生成。幾十段導覽一次過提交批量任務（單段上限 500 字符，一段導覽遠遠未到頂），等結果，逐段抽聽專名同數字位。

第七日：SRT 字幕同步出，網頁版文字一齊上架。

第八至十日：展品牌印刷貼 QR，場內試掃測試。

留返幾日 buffer，兩星期綽綽有餘。批量生成嘅具體操作，睇 TTS 批量生成 workflow；字幕嘅後續用法，睇 SRT 字幕輸出實戰。

一套流程，幾個場館：文化機構集群嘅複用

如果佢係一個文化區、聯館計劃、或者管理幾個場地嘅機構，呢套流程嘅好處仲可以放大：

• 稿面模板統一：所有場館用同一套耳朵稿格式（開場鈎、位置語言、連結句），觀眾跨場館參觀體驗一致
• 聲線策略分層：可以全區統一一把聲（品牌感強），或者每館一把聲（館格分明）——兩種都係揀定鎖死，唔好半桶水
• 分工集中：稿由各館策展人寫，生成同上架由一個中央團隊統一做，質量控制單點化
• 共享學習：A 館試驗成功嘅導覽稿結構，直接推畀 B 館——迭代經驗跨場館流動

導覽製作由「每館各自搵製作公司」變成「一套內部流程」，先至係呢種集群場景最大嘅組織紅利。

無障礙加分位：導覽唔止係多語言

多語言導覽做好咗，無障礙係順手加多一層：

• 視障觀眾：導覽本身已經係聽覺內容，再加埋展品嘅視覺描述（顏色、構圖、狀態），佢哋就有一個完整嘅參觀體驗——呢個正正係口述影像嘅思路
• 讀寫障礙觀眾：有得聽就唔使硬啃說明牌
• 長者觀眾：字太細睇唔到？掃碼聽就得

同樣嘅無障礙思路，我哋篇 無障礙網站粵語朗讀指南 有完整展開；旅遊、酒店場景嘅多語言音頻應用，可以睇 酒店旅遊粵語音頻指南。

成本細賬：一個 20 件展品嘅導覽項目

用字符換算計一條數。假設 20 件展品，每件 90 秒導覽（約 360 字符），做粵英普三語：

同傳統製作嘅報價結構（配音員逐語言計、改一次重錄一次）比，差距唔單止係錢，係「你敢唔敢改」嘅自由度。定價細節睇 粵語 TTS 定價拆解。

上架之後：用數據迭代導覽

導覽上架唔係完，係開始。三個迭代循環：

看掃描分佈。 邊啲 QR 多人掃、邊啲零星——冷位展品係稿面問題（鈎唔夠力）定位置問題，可以對症下藥。

聽完成率。 如果有播放統計，留意棄聽點：大部分人在第 20 秒走，即係開場太長；均勻聽完，內容結構就健康。

收觀眾留言。 場內留言簿、社交 tag、前線同事聽到嘅評語——觀眾會直接話你知邊段導覽令佢記得件展品。

每個迭代都係改稿＋重生成，成本接近零。呢個「可以不斷變好」嘅特性，先至係 AI 導覽同傳統製作最本質嘅分別。

常見問題 FAQ

AI 讀導覽稿，聽落會唔會冇 museum 味？

聽感主要取決於三件事：聲線揀選（沉穩定親切由你揀）、稿面寫法（耳朵稿同書面稿差好遠）、同埋專名校音。多數觀眾對導覽嘅要求係「清楚、悅耳、有內容」，呢三樣 AI 流程都可以做到；建議攞三件展品嘅稿試生成，館內同事盲聽俾意見先全量做。

展品專名（人名、地名、朝代）會唔會讀錯？

風險位集中喺生僻字同外語譯名。對策：生成之後逐個專名聽一次；讀錯嘅位改寫稿面（加註讀法、或者用同音替代字）；重要嘅專名做一個內部檢查清單，以後每個項目照單覆核。

一段導覽最好幾長？

60 至 120 秒一件展品係主流——大約 240 至 500 字符。全套展覽嘅音頻總長，建議控制在參觀時間嘅三至四成，俾空間觀眾自己睇展品。

參觀者冇耳機點算？

場館可以選擇：入口提供一次性耳機（成本低）、特定時段做「靜音導覽」（全場字幕版）、或者導覽頁面設計成「聽得又睇得」——有音頻有字幕，唔強迫開聲。

可以做兒童版導覽嗎？

可以，而且係好嘅加分項：同一件展品，成人版講工藝史，兒童版用問題同故事包裝（「你估下佢儲落幾多個錢幣？」），聲線可以揀年輕活潑啲嘅。稿面口語化啲、句子再短啲，就係兩個版本嘅主要差別。

導覽音頻版權係邊個？

用你自己寫嘅稿生成嘅音頻，館方持有內容使用權，音頻檔由你下載後自由 hosting。要留神嘅反而係稿面素材——引用學者講法、翻譯版權材料，照正常出版流程處理。

三語之外的語言（日文、韓文、尼泊爾文）做得嗎？

做法一樣：稿面翻譯＋對應語言聲線生成＋母語人校聽。風險位同樣喺翻譯品質同專名，唔喺生成。逐步加語言版本就係 AI 流程嘅好處——加一種語言，係加一份工作量，唔係重做一次項目。

由三件展品開始試

唔使一步登天：揀三件展品，用免費開戶嘅每月 5,000 字符（月月重置）額度，做好粵語版第一輪試聽——大約 21 分鐘成品，夠成個策展團隊評掂件事。

免費試做你嘅第一段導覽