TTS 指示完整教學：讓 AI 語音更自然的指令技巧指南

一句答你：TTS instruction 係用自然語言 prompt 直接同聲線「講嘢」，叫佢點讀、點演繹；佢同 emotion、style 唔同，可以一次過控制語速、語氣、節奏、情緒等多個維度，特別適合需要精細調校嘅商業場景。

Key Takeaways

• instruction 係一段文字 prompt，唔係單一情緒參數，可以同時控制語速、語氣、節奏、角色等多個維度
• 同 emotion、style 嘅分別：emotion 係指定情緒標籤，style 係聲線預設風格，instruction 係自由文字指示
• 寫 instruction 嘅核心係用「動作動詞」加具體描述，避免抽象形容詞
• 廣東話 instruction 要用口語化表達，尊重語氣詞、中英夾雜等地道特性
• instruction 可以同 emotion、style、clone 疊加使用，效果比單獨使用更豐富
• 唔同場景（廣告、教學、客服、有聲書）需要唔同 instruction 模板，唔可以一套走天涯

TTS instruction 指示完全攻略：點樣用 prompt 控制廣東話聲線演繹

你用過廣東話 TTS，但係覺得出嚟嘅效果「差啲嘢」？明明揀咗條心儀聲線，點解讀出嚟好似機械人，唔夠自然？問題往往唔喺聲線本身，而係你冇用 係nstruction 嚟引導佢點讀。

今篇文會由淺入深，教你由「instruction 係乜」到「點樣寫出有效 prompt」，仲會附上唔同商業場景嘅實戰模板，等你可以即刻落地用。

乜嘢係 TTS instruction？同 emotion、style 有咩分別？

好多朋友第一次接觸廣東話 TTS，都會撞到一個問題：明明已經揀咗聲線，點解出嚟嘅效果仲係差少少？呢個時候，instruction 就係你同聲線之間嘅「溝通橋樑」。

簡單講，instruction 係一段自然語言 prompt，你用文字同 AI 聲線「溝通」，叫佢用咩方式讀你嘅文本。佢可以包含語速指示、語氣要求、情緒線索、節奏控制、甚至角色設定。

instruction vs emotion vs style

呢三樣嘢好多人搞亂。簡單講：

• emotion：指定一個情緒標籤（例如開心、嬲、sad），係單一維度嘅情緒控制
• style：聲線本身嘅預設演繹風格，每條聲線會支援唔同嘅 style，係聲線內建嘅設定
• instruction：自由文字 prompt，可以同時控制多個維度，包括語速、語氣、節奏、情緒、角色扮演

你可以當 emotion 同 style 係「選單式」控制，而 instruction 係「自由對話式」控制。佢哋唔係互相排斥，而係可以疊加。

instruction 嘅定位

instruction 最適合以下場景：

• 標準 emotion 標籤覆蓋唔到嘅細微演繹（例如「帶少少感慨但唔好太 sad」）
• 需要同時控制多個維度（例如「慢啲讀、語氣溫柔、帶少少無奈」）
• 角色扮演或者特定人物設定（例如「扮成熟嘅老師」、「扮後生仔傾偈」）
• 商業場景需要嘅特定語氣（例如「專業但唔冷漠」、「親切但唔輕浮」）

如果你想深入了解廣東話 TTS 嘅整體功能同埋點樣揀聲線，可以睇下 廣東話 TTS 完全指南，嗰篇 pillar 文會幫你建立完整嘅 mental model。

點樣寫一條有效嘅 instruction？

寫 instruction 唔係寫散文，係寫「指令」。有幾個核心原則，掌握咗就可以大幅提升輸出質素。

用「動作動詞」而唔係「形容詞」

最常見嘅錯誤係用抽象形容詞，例如「讀得自然啲」或者「語氣要好聽」。呢啲形容詞太模糊，AI 唔知你想點。

比較有效嘅寫法係用動作動詞：

• 「慢慢讀，每個字之間停頓 0.3 秒」
• 「用質問嘅語氣講呢句」
• 「最後三個字加重，帶少少無奈」
• 「中間嗰段加快，結尾放慢」

動作動詞具體、可執行，AI 更容易理解同執行。

結構化表達

一段好嘅 instruction 通常包含以下維度，你可以按需要組合：

1. 整體語速要求（快／慢／中等偏快）
2. 語氣基調（溫柔／專業／輕鬆／嚴肅）
3. 情緒線索（開心／sad／感慨／嬲／驚喜）
4. 特殊處理（某啲字要停頓、某啲字要加重、某啲段落要變速）
5. 角色設定（老師／朋友／旁白／客服）

你可以用逗號或者分號分隔唔同維度，唔使寫成完整句子。例如：「語速中等，語氣專業但帶親切感，遇到數字稍為放慢，最後一句語氣上揚」。

長度控制

instruction 唔係越長越好。太短會缺乏指引，太長會令 AI 迷失重點。一般建議喺幾十字到一百字之間，視乎場景複雜程度。

如果你係新手，可以由短啲開始，逐步加細節。配合 廣東話 TTS 快速上手 嘅基本流程，你可以更快試錯同迭代。

廣東話 instruction 嘅獨特挑戰

廣東話 TTS 同普通話 TTS 嘅 instruction 有明顯分別，因為廣東話本身有獨特嘅語音、詞彙、節奏特徵。用普通話思維寫 instruction，往往會撞牆。

口語化表達

廣東話嘅 instruction 應該用口語化嘅表達，而唔係書面語。例如：

• 用「慢啲讀」而唔係「減慢語速」
• 用「語氣溫柔啲」而唔係「採用溫和語調」
• 用「加重」而唔係「加強語氣」
• 用「讀得自然啲」而唔係「採用自然化發音方式」

口語化嘅 instruction 同廣東話聲線更夾，因為兩者都係用「講嘢」嘅方式溝通。如果你對書面語同口語嘅分別有興趣，可以參考 書面語 vs 口語廣東話 TTS，嗰篇文會詳細解釋點樣選擇。

語氣詞同節奏

廣東話有豐富嘅語氣詞（「啦」、「囉」、「咩」、「㗎」、「嘅」、「咁」、「嘛」、「咋」），呢啲語氣詞係廣東話嘅靈魂。冇咗佢哋，廣東話就變成「廣式普通話」。

Instruction 入面可以明確要求 AI 保留或者加重呢啲語氣詞。例如：

• 「保留所有『啦』、『囉』語氣詞，唔好讀得太正式」
• 「結尾嘅『㗎』字加重，帶反問感」
• 「中段嘅『嘛』字放慢，帶少少無奈」

如果你想深入了解廣東話語氣詞嘅處理，可以睇下 廣東話語氣詞 TTS 攻略，嗰篇文有專門針對語氣詞嘅 prompt 技巧。

中英夾雜

香港人日常講嘢好常中英夾雜，例如「我 send 個 file 畀你」、「今晚去 buffet」、「用 OT 解決」。Instruction 應該明確指示點樣處理中英夾雜：

• 「英文詞保留英文發音，唔好強行翻譯」
• 「中英之間唔使停頓，自然過渡」
• 「品牌名（例如 Nike、Coca-Cola）用英文讀」
• 「技術術語（例如 API、backend）保留英文」

相關嘅處理方法可以參考 廣東話中英夾雜 TTS，嗰篇文有專門針對中英夾雜嘅 instruction 模板。

實戰範例：唔同場景嘅 instruction 模板

唔同商業場景需要唔同嘅 instruction 風格。以下係幾個常用模板，你可以直接套用，再按自己需要微調。

廣告旁白

廣告旁白通常需要節奏感強、語氣有感染力、語速適中。

範例 instruction：「語速中等偏快，語氣充滿熱情同感染力，每個關鍵詞之前稍為停頓 0.2 秒，最後一句語氣上揚，帶少少呼喚感」

呢種 instruction 適合產品發佈、活動宣傳、品牌形象片。記得喺 instruction 入面明確指出邊啲係「關鍵詞」，AI 會幫你加重。

教學影片

教學影片需要清晰、耐心、循序漸進，唔好太急。

範例 instruction：「語速偏慢，語氣耐心同清晰，每個步驟之間停頓 0.5 秒，重要概念加重並稍為放慢，遇到術語稍為放慢並解釋語氣，唔好太興奮」

呢種 instruction 適合網上課程、教學短片、操作指南、軟件 demo。教學場景最忌語速太快，觀眾跟唔切。

客服 IVR

客服 IVR 需要專業、禮貌、清晰，唔好太冷漠但都要保持專業感。

範例 instruction：「語速中等，語氣專業有禮，每個選項之間停頓清晰，數字讀清楚，唔好太冷漠但都要保持專業，唔好笑但語氣要友善」

呢種 instruction 適合電話客服系統、自動化語音提示、客戶服務熱線。

有聲書／Podcast

有聲書需要敘事感、情感豐富、節奏自然，唔好太誇張。

範例 instruction：「語速自然，語氣敘事感強，角色對話用唔同語氣（男性角色低沈啲、女性角色清脆啲），旁白平靜啲，內心獨白稍為慢同帶感情，唔好太戲劇化」

呢種 instruction 適合有聲書、Podcast、廣播劇、故事敘述。

instruction 同其他功能點樣配合？

instruction 唔係孤立嘅功能，可以同其他 TTS 功能疊加使用，產生更精細嘅效果。

instruction + emotion

你可以同時用 emotion 標籤同 instruction。Emotion 設定大方向，instruction 微調細節。

例如：emotion 設為「開心」，instruction 寫「語速稍為放慢，每句結尾帶少少感慨」。兩個疊加可以產生比單獨使用更豐富嘅演繹——表面開心，但帶住一層感慨。

詳細嘅 emotion 控制方法可以參考 TTS 情緒控制攻略，嗰篇文會教你點樣用 emotion 同 instruction 配搭出最自然嘅效果。

instruction + style

每條聲線都有內建嘅 style 預設。你可以揀一個 base style，再加 instruction 微調。

例如：style 揀「專業」，instruction 寫「加入少少親切感，唔好太公式化，最後一句語氣放鬆」。咁就可以喺專業框架入面加入人性化嘅溫度。

instruction + clone

如果你用聲音複製功能，instruction 可以幫你控制複製聲線嘅演繹方式。

例如：clone 咗一個朋友嘅聲線，instruction 寫「用佢平時傾偈嘅語氣，唔好太正式，保留佢嘅語氣詞習慣」。咁就可以令複製聲線更似本人。

聲音複製嘅詳細玩法可以參考 TTS 聲音複製攻略。

常見錯誤同點樣避免

錯誤一：寫得太抽象

「自然啲」、「好聽啲」、「專業啲」呢啲形容詞太模糊，AI 唔知你想點。每個人對「自然」嘅定義都唔同。

改善：用具體動作動詞，例如「語速放慢」、「每句結尾停頓 0.3 秒」、「加重關鍵詞」。

錯誤二：寫得太長

有啲人以為 instruction 越詳細越好，結果寫到幾百字，AI 反而迷失重點。

改善：聚焦 3-5 個核心維度，其他留俾默認。如果發現效果唔夠，再逐步加維度。

錯誤三：忽略廣東話特性

用普通話思維寫 instruction，例如「採用普通話發音」或者「避免語氣詞」。咁會令廣東話聲線變晒怪。

改善：用廣東話口語化表達，尊重廣東話嘅語氣詞、節奏、中英夾雜等特性。

錯誤四：唔測試唔調整

寫完 instruction 就直接用喺正式項目，唔試唔調。呢個係最大嘅浪費。

改善：用同一段文本試幾個唔同 instruction 版本，比較效果。記錄邊個版本效果好，邊個維度有用，逐步建立自己嘅 prompt library。

錯誤五：忽略多音字

廣東話有好多多音字，同一個字喺唔同情境有唔同讀音。Instruction 應該明確指示點樣處理。

例如：「『行』讀 haang4（行路），唔係 hang4（行列）」、「『嘅』喺呢度讀嘅3（表示擁有），唔係 ge3（結構助詞）」。

詳細嘅多音字處理可以參考 廣東話多音字攻略。

點樣開始用 instruction？

如果你係第一次用 instruction，建議由以下步驟開始：

1. 揀一段簡單文本（50-100 字），唔好用太複雜嘅文本開始
2. 寫第一版 instruction（聚焦 2-3 個維度，例如語速 + 語氣）
3. 生成並聽效果
4. 根據效果調整 instruction（加或者減維度）
5. 逐步加複雜度（加情緒、加角色、加特殊處理）

呢個迭代過程係學 instruction 嘅最佳方法。每次調整一個維度，你會更清楚每個維度嘅實際效果。

港嘢嘅 Playground 提供咗即時試聽嘅環境，你可以即刻試唔同 instruction，唔使等。建議你用同一段文本試 5-10 個唔同 instruction 版本，建立自己嘅 prompt 直覺。

常見問題 FAQ

instruction 同 emotion 可以同時用嗎？

可以。Emotion 設定大方向（例如開心、sad），instruction 微調細節（例如語速、停頓、語氣）。兩個疊加可以產生更豐富嘅演繹。具體配合方法可以參考 TTS 情緒控制攻略。

instruction 有字數限制嗎？

唔同平台有唔同限制。一般建議由短啲開始（幾十字），視乎效果逐步加長。太長嘅 instruction 可能會令 AI 迷失重點，太多維度互相衝突。建議聚焦 3-5 個核心維度。

廣東話 instruction 同普通話 instruction 有咩分別？

廣東話 instruction 應該用口語化表達（例：「慢啲讀」而唔係「減慢語速」），並尊重廣東話嘅語氣詞（「啦」、「囉」、「咩」）、中英夾雜等特性。直接用普通話思維寫 instruction，效果會大打折扣。詳細分別可以參考 書面語 vs 口語廣東話 TTS。

可以用 instruction 控制聲線嘅性別或者年齡嗎？

呢類維度通常用「design」模式（指定 gender + age）或者直接揀聲線。Instruction 主要控制演繹方式（點樣讀），而唔係聲線本身嘅特徵（用咩聲讀）。兩者係唔同層面嘅控制。

instruction 對所有聲線都有效嗎？

大部分聲線都支援 instruction，但效果可能因聲線而異。建議喺 Playground 試幾條唔同聲線，比較邊條聲線配你嘅 instruction 效果最好。有啲聲線天生適合某類 instruction（例如溫柔型聲線配「溫柔」instruction），有啲就未必夾。

instruction 點樣同聲線複製（clone）配合？

如果你用 clone 功能複製咗一條聲線，instruction 可以幫你控制呢條複製聲線嘅演繹方式。例如：clone 咗一個朋友嘅聲線，instruction 寫「用佢平時傾偈嘅語氣，唔好太正式」。咁就可以令複製聲線更似本人。詳細玩法可以參考 TTS 聲音複製攻略。

instruction 可以用喺 SRT 字幕生成嗎？

SRT 字幕生成主要處理時間軸分段，instruction 可以控制每段字幕嘅演繹方式（例如「每段結尾停頓 0.3 秒」）。如果你嘅項目需要 SRT 字幕，建議喺 instruction 入面明確指示點處理段與段之間嘅過渡。具體 SRT 工作流可以參考 TTS SRT 字幕工作流。

---

[!CTA]

立即試吓用 instruction 控制你嘅廣東話聲線

去 Playground 免費試每月 5,000 字符，親身體驗點樣用 prompt 改變聲線演繹，由抽象形容詞升級到具體動作指令。