TTS 情緒語氣設定完整教學：讓合成語音更有溫度

**一句答你：**廣東話 TTS 嘅情緒語氣設定，等於幫把聲「調情緒」——你揀咩情緒（例如熱情、沉穩、溫柔），段聲音就會用嗰個情感去讀你段文字。對商業內容嚟講，情緒揀得啱，觀眾會聽得入；揀錯咗，內容再好都會變成「冇感情」或者「太怪」。

Key Takeaways

• 情緒語氣設定（TTS emotion / tone preset）係控制把聲「點樣講」嘅核心參數，唔係控制「講咩」嘅內容
• 揀情緒要睇場合（教育／娛樂／商業）、受眾（年齡／文化）、載體（YouTube／短片／廣告／客服）三個維度
• 唔同情緒配唔同語氣詞、書面／口語選擇同多音字讀法，先至係廣東話地道嘅關鍵
• 商業項目應該用 A/B 測試去搵出最高轉化嘅情緒，唔好靠「我覺得」去揀
• emotion 同 style 兩個字段可以疊加用：style 控語速同停頓，emotion 控情感色彩

情緒語氣設定係乜嘢？TTS 嘅情緒維度

好多人第一次用 TTS 會混淆「文字」同「情緒」——以為打一段字、㩒個掣就出聲。但同一段文字用唔同情緒讀出嚟，效果可以差好遠。「你今個月表現好好」用「沉穩」讀，聽落似老細評價；用「熱情」讀，聽落似朋友打氣；用「溫柔」讀，聽落似情人講嘢。

TTS 嘅情緒設定（emotion preset）就係呢個「情感旋鈕」。你揀一個情緒，模型就會調整三方面：

1. 語調走勢——句尾升定降、上揚幾多
2. 能量分佈——邊啲字重讀、邊啲字輕講
3. 停頓同節奏——邊度停長啲、邊度語速快啲

呢三方面加埋，就構成咗「語氣」。

喺 廣東話 TTS 完全指南入面我哋提過，廣東話 TTS 唔同普通話 TTS，最大嘅差異之一就係情緒表達——粵語有六聲九調，聲調本身就帶情感色彩，所以情緒設定對粵語特別敏感。

情緒 vs 語氣 vs 演繹風格

呢三個詞成日俾人撈亂，但佢哋指嘅嘢唔同：

• 情緒（emotion）：講者當下嘅情感狀態，例如開心、悲傷、憤怒、平靜
• 語氣（tone）：講嘢嘅態度，例如肯定、猶豫、客氣、命令
• 演繹風格（style）：整體表達方式，例如新聞主播式、聊天式、講故仔式

實務上，情緒影響最大，語氣次之，演繹風格最宏觀。一段廣告可以用「熱情」情緒 +「肯定」語氣 +「講故仔」風格，三層疊加。

揀情緒嘅三個維度：場合、受眾、載體

揀情緒唔係直覺遊戲，係決策問題。商業項目揀錯情緒，成本唔係錢——係觀眾捲走你嘅注意力。三個維度一定要諗清楚。

場合導向：教育 vs 娛樂 vs 商業

場合決定情緒嘅「底色」。

如果場合模糊（例如你做緊一個「寓教於樂」嘅短片），預設用「平穩」加少少「熱情」就最安全。

受眾導向：年齡層同文化背景

同一段情緒，10 歲同 50 歲聽嘅感覺唔同。

年輕受眾（13–25）接受「浮誇」嘅情緒——佢哋睇慣咗 YouTuber 同抖音博主嘅誇張演繹。熱情、誇張、搞笑都 work。

中年受眾（30–50）偏好「克制」——佢哋見多咗，對過火嘅情緒會反感。沉穩、專業、親切最安全。

長者受眾（60+）需要「慢而清」——情緒要明顯但唔可以太急，語速同停頓要顧及。

文化背景方面，廣東話用戶對「過火」嘅容忍度比普通話用戶低。粵語文化底色係「唔好咁誇張」，所以情緒強度預設要收 20%–30%。

載體導向：YouTube、短片、廣告、客服

唔同載體對情緒嘅需求差好遠。

YouTube 長片觀眾有耐性，可以接受「沉穩」甚至「平淡」嘅情緒；YouTube Shorts、TikTok、Reels 短片觀眾只有幾秒注意力，情緒要即刻到位，唔可以慢慢鋪。

商業廣告（傳統電視、社交媒體廣告）情緒要鮮明——觀眾記唔住內容，但會記住「嗰個情緒」。

客服 IVR 同自動回覆系統，情緒要「穩定」——唔可以一時熱情一時冷淡，會令人覺得你個系統壞咗。

常見情緒設定同佢哋嘅應用場景

講到呢度，可能你想知實際有邊啲情緒可以用。我哋講吓最常見嘅五個。

開心／熱情：短片同帶貨

呢個係最常被濫用嘅情緒。熱情適合「叫觀眾做嘢」嘅場合——叫佢哋 click、買、訂閱、留言。

但熱情有陷阱：超過一分鐘嘅熱情旁白，觀眾會覺得「嗰個人食咗藥」。所以熱情要短——用喺片頭、片尾、CTA（call-to-action）嗰句就夠，唔好用成段。

如果你做 YouTube 廣東話 AI 旁白嘅片，熱情可以集中喺開場同結尾，中間內容用「沉穩」或者「平穩」撐住。

沉穩／專業：企業同教育

沉穩係商業 TTS 嘅「安全牌」。企業培訓、產品教學、財經分析、法規解讀——呢啲場合用「沉穩」幾乎唔會錯。

沉穩嘅特徵係：語速中等偏慢、停頓清楚、重讀關鍵詞、句尾唔升調。如果配合書面語（唔用「嘅」用「的」），專業感更強。

溫柔／關懷：客服同長者內容

溫柔唔等於「細聲」。溫柔嘅核心係「放慢」同「拉平語調」——減少突兀嘅高低起伏，俾觀眾一個「被照顧」嘅感覺。

呢個情緒啱用喺：醫療保健內容、銀髮族產品、客戶投訴回覆、情緒支援類應用。

緊湊／緊張：故事同遊戲

緊湊情緒用嚟製造「張力」。短句、快節奏、句尾下壓、減少停頓。適合用喺：故事高潮、遊戲宣傳片、限時優惠廣告。

但緊湊唔等於「快」。如果觀眾聽唔清，速度就冇意義。緊湊應該係「密度高」而唔係「速度快」。

中性／客觀：新聞同報數

新聞報導、財經數據、體育賽果、產品規格——呢啲場合需要「零情緒」。

中性情緒嘅特徵係：語調平、停頓標準化、唔重讀任何字、句尾唔帶情感。用呢個情緒嘅時候，文字本身要已經寫得好——因為聲音唔會幫你表達任何嘢。

點樣用 emotion 參數設定同微調

知道要揀咩情緒之後，實際點用？API 入面有兩個主要字段：emotion（情緒）同 style（演繹風格）。詳細嘅 TTS 情緒控制指南 講過點用呢啲字段。

簡單講：

• emotion 係粗調，控制情感大方向（開心、悲傷、平靜……）
• style 係細調，控制表達方式（新聞式、聊天式、講故仔式……）
• instruction 係自訂控制，你可以用自然語言指定「再活潑啲」「語氣慢啲」

一般建議先用 emotion 試效果，唔啱再用 instruction 微調，最後用 style 鎖定整體感覺。

用 instruction 加細節控制

如果你發現預設情緒「差少少」，可以用 instruction 字段補充。例：

• 「語氣再活潑啲，但唔好笑得太誇」
• 「好似一個阿 Sir 喺度教書咁」
• 「再溫柔啲，似媽媽同阿仔傾偈」

instruction 唔可以寫太長，一般 30 字以內最有效——寫到 100 字反而會令模型混亂。

廣東話情緒表達嘅特殊考慮

廣東話 TTS 唔可以當普通話 TTS 咁用。情緒表達有幾個廣東話獨有嘅考慮。

語氣詞同情緒

粵語嘅語氣詞（「㗎」「囉」「喎」「嘅」「咩」「啦」「吖」「嘛」「嘞」）係情緒嘅「放大器」。同一句「我食咗飯」：

• 加「㗎」：「我食咗飯㗎」——強調、通知
• 加「囉」：「我食咗飯囉」——理所當然
• 加「喎」：「我食咗飯喎」——有少少反問
• 加「吖」：「我食咗飯吖」——溫柔、撒嬌

詳細嘅 廣東話語氣詞 TTS 攻略 講過點樣用呢啲語氣詞調節奏。揀情緒嘅時候，要諗吓段文字包唔包語氣詞——同一個「熱情」情緒，冇語氣詞嘅書面語同有語氣詞嘅口語，效果差好遠。

多音字同語調

廣東話有大量多音字，唔同讀法帶唔同情感色彩。例：「行」讀「haang4」（走）同「hang4」（行業），情緒已經唔同。情緒設定會影響多音字嘅判斷——「沉穩」情緒下，模型傾向保守讀法；「熱情」情緒下，可能會用更地道嘅口語讀音。

書面語 vs 口語

粵語有「書面語」（類似普通話書面表達）同「口語」（地道粵語）兩個層次。情緒同語體要配對：

• 沉穩 + 書面語 = 企業培訓
• 沉穩 + 口語 = 阿 Sir 講課
• 熱情 + 書面語 = 怪（少用）
• 熱情 + 口語 = 帶貨、社交媒體

書面語 vs 口語嘅廣東話 TTS 處理 講過點樣切換。重點係：情緒同語體要一致，唔好「沉穩」情緒但寫到好地道口語，或者「熱情」情緒但用緊書面語。

商業內容點揀情緒：ROI 角度

如果你做商業項目（廣告片、YouTube 頻道、帶貨、品牌內容），揀情緒唔係創作決定，係商業決定。

轉化率導向

情緒直接影響 CTR（點擊率）同轉化率。簡單幾條原則：

• 衝動消費類（帶貨、限時優惠）→ 熱情、興奮
• 理性決策類（B2B、高價產品）→ 沉穩、專業
• 情感連結類（品牌故事、公益）→ 溫柔、真誠

唔同情緒帶唔同嘅「行動呼籲」強度。熱情嘅 CTA 適合「即刻行動」；沉穩嘅 CTA 適合「了解更多」。

品牌一致性

如果你有品牌指引（brand guideline），情緒都要跟。例：金融品牌應該用「沉穩」做底色，唔可以一時「熱情」一時「沉穩」。

TTS 嘅好處係你可以鎖定情緒之後，每次出片都用同一個——呢個係真人配音員難以做到嘅一致性。特別係 廣東話配音同配音製作 嘅項目，AI 配音最大嘅優勢之一就係情緒可以重複 100 次都一樣。

A/B 測試情緒效果

唔好靠「我覺得」揀情緒。用 A/B 測試：同一段內容，出一個「熱情」版本同一個「沉穩」版本，睇邊個 CTR 高、邊個觀看時長長。

帶貨片、廣告片、YouTube 開頭 15 秒嘅 hook——呢啲高頻接觸觀眾嘅位置，特別值得做情緒 A/B 測試。每次調整情緒你都會學到新嘢，呢啲經驗會累積成你頻道嘅「情緒配方」。

避免嘅常見錯誤

講到尾，呢度係最多人踩嘅幾個情緒設定坑：

1. 一段片用太多情緒——一個一分鐘片用咗四個情緒（開心、悲傷、激動、平靜），觀眾會覺得你精神分裂。預設一條片一個主情緒，必要時加一個副情緒
2. 情緒同內容矛盾——一段嚴肅嘅健康警示用「熱情」讀，觀眾會以為你講笑
3. 忽略語速——「熱情」情緒預設會加快語速，但如果你嘅內容需要觀眾記住資料（電話號碼、價錢、地址），要記得用 instruction 收慢
4. 唔做 A/B 測試——情緒揀錯咗你唔會知，因為「我覺得」同「觀眾覺得」永遠唔同
5. 忽略載體特性——同一段熱情旁白，喺幾秒 Shorts 啱用，喺五分鐘 YouTube 片就好煩
6. 忽略粵語文化底色——廣東話用戶對「過火」容忍度低，情緒強度預設要收

點樣開始實驗情緒

如果你係第一次接觸 TTS 情緒設定，建議由呢個流程開始：

1. 寫低目標——你想觀眾做完咩動作？（訂閱、購買、留言、記住資訊）
2. 揀 2–3 個候選情緒——根據場合、受眾、載體篩走唔啱嘅
3. 用同一段文字試三個版本——記得用 粵語 TTS API 快速上手 嘅方法批量生成
4. 做小型 A/B 測試——每個版本俾 30–50 個人聽，收集反應
5. 鎖定一個，之後所有片都用——一致性係品牌嘅根基

廣東話 TTS 錨點指南 入面講過嘅錨點方法，可以幫你記低每個情緒嘅特性同應用場景，方便日後重用同交接俾同事。

常見問題 FAQ

情緒設定同語氣有咩分別？

情緒（emotion）指講者嘅情感狀態（開心、悲傷、平靜），語氣（tone）指講嘢嘅態度（肯定、猶豫、客氣）。情緒比較宏觀，語氣比較微觀。一段 TTS 可以同時有「熱情」情緒加「肯定」語氣。實務上，揀好情緒之後再用 instruction 微調語氣，效果最穩定。

同一段文字可以試唔同情緒嚟揀嗎？

可以，而且建議咁做。同一段文字用唔同情緒讀，效果可以完全唔同。實務上做法係：寫一段示範文字（20–50 字），用 3 個唔同情緒各生成一個版本，對比吓邊個最適合你嘅場合同受眾。記得用同一把聲線試，否則你就會混淆「情緒效果」同「聲線效果」，搵唔到原因。

邊種情緒最適合 YouTube 廣東話旁白？

冇單一答案，要睇頻道類型。教學類用「沉穩」，娛樂類用「平穩」加少少「熱情」，帶貨類用「熱情」。最安全嘅起點係「平穩」——佢最少出錯，之後再根據觀眾反應微調。如果係 YouTube 短片，預設要再加強情緒強度，否則開頭三秒搶唔到觀眾。

情緒設定會唔會影響生成速度或者收費？

唔會。情緒係 metadata 字段，唔會增加計算量，亦唔會改變字符數。所以你可以盡情試唔同情緒版本嚟揀最啱嗰個，成本一樣。批量生成嘅時候可以一次過試 5–6 個情緒版本，再揀最好嗰個去用。

點樣避免情緒設定「太過火」？

兩個方法：1）用 instruction 字段加限制（「再克制啲」「唔好笑太大聲」）；2）用「中性」或「平穩」做底色，需要時先加情緒強度。廣東話用戶對過火情緒嘅容忍度比普通話用戶低，預設要收 20%–30% 強度。記住：粵語文化底色係「唔好咁誇張」，克制一點永遠冇錯。

API 入面 emotion 同 style 應該點揀？

一般順序係：先用 emotion 鎖定大方向（熱情／沉穩），再用 style 揀表達形式（聊天式／新聞式），最後用 instruction 微調細節。詳細策略可以參考 TTS 情緒控制指南。一個常見錯誤係同時設好多個強烈字段（熱情 + 搞笑 + 誇張），結果出嚟嘅聲音反而唔協調。

廣東話 TTS 嘅情緒表達同普通話有咩唔同？

主要兩個差異：1）粵語聲調本身帶情感，普通話較平，所以情緒對粵語影響更明顯；2）粵語語氣詞（㗎、囉、喎、吖、啦）係情緒放大器，普通話冇呢啲對應詞。同一個「熱情」設定，粵語版會顯得更有活力，呢個係文化差異，唔係設定差異。所以寫粵語文案嘅時候，要刻意用粵語語氣詞去釋放情緒，唔好寫到好似翻譯稿。

[!CTA]

立即試吓唔同情緒嘅廣東話 TTS

用同一段文字試 3 個情緒版本，3 分鐘搵到你嘅頻道最啱嗰個