粵語 粵語發音、詞彙同日常應用

逐字稿有七千字，會議記錄要一頁。中間唔係「執靚啲字」，而係一道有規則嘅翻譯工序。做錯一步，否定句會反轉意思。

客戶話「幫我轉做書面語」，十次有九次想要嘅唔係同一樣嘢。有時要刪語氣詞，有時要保留原話，有時要轉成標準書面中文。搞錯就好心做壞事。

同一個「自訂詞彙」，四家平台嘅上限由 50 到 1000 都有。上限數字唔係容量承諾，係工程產物。搞清楚詞表點入模型，你就知幾多詞先啱自己。

多數團隊揀 ASR API 係睇 demo 同單價。真正令你要重寫接入層嘅，通常係五個冇人問嘅規格位：同步窗幾長、檔案上限點計、詞表規則、有冇時間戳、同按咩單位收錢。

「支援 100+ 種語言」唔等於支援粵語。本文只引官方頁，逐家寫清楚清單點寫、有冇粵語獨立項，同埋對香港團隊實際代表乜。

同一句「粵語準確度」，廠商可以講 3.1%，公開評測可以量到 20.85%。差距唔係有人講大話，而係測試集、指標同領域三個變數。本文逐份拆開，並給五個必問問題。

OmniHuman 以一張照片加粵語音訊即可生成全身動作自然嘅數字人影片，2026 年成為粵語內容創作嘅熱門工具。

變調喺語言學上係正確音變，但喺 ASR 入面會表現成錯字。本文拆三類錯誤、俾一個可重複嘅成對測試設計，再講詞表、上下文、音檔三者點分工。

熱詞唔係「加多啲詞」。本文拆人名、地名、品牌、機構、術語五類專名嘅辨識失敗模式，講詞表容量同分域，再畀一個可以重跑嘅 A/B 驗收流程。

混合會議（實室加遠程）嘅收音設定指南：分環境層、裝置層、檔案層三層去處理，附每人一枝咪定共用咪嘅取捨、平台設定檢查表、檔案格式同壓縮做法，收音前 60 秒清單。