TTS 旁白稿點寫？10 個技巧令 AI 配音更專業自然

一句答你：TTS 旁白稿唔係直接 copy 文案就 work——你要按粵語口語節奏、控制每段字符數、處理多音字同中英夾雜，再用停頓標點同指示語引導情緒，先可以喺 TTS 輸出度攞到穩定效果。

Key Takeaways

• 港嘢 TTS 嘅單段 text 上限係 500 字符；sync 捷徑上限 300 字符（只支援 voice／design 模式）
• 粵語 TTS 聲線係按口語訓練嘅——直接搬書面文案出嚟會好怪
• 多音字、中英夾雜、數字地址都要刻意揀寫法，唔係 AI 自己識揀
• 標點符號係免費嘅節奏控制工具——逗號、句號、頓號、換行都會影響停頓長度
• 寫完一定要先逐段試聽、再迭代；批量生成前唔好跳過試聽
• 約 240 字符可生成 1 分鐘語音，500 字符約 2 分鐘左右

點解 TTS 旁白稿要特別寫

好多人以為 TTS 嘅工作流係「寫好文案 → 貼落去 → 出音」。理論上係，但實際上 TTS 嘅生成邏輯 同我哋平時寫文案嘅思路差好遠。

TTS 引擎讀嘅係字符、標點、停頓——佢唔識睇你段文背後嘅意思、唔識「呢度應該笑住講」、唔識自動將書面語轉做口語。所以你寫落去嘅稿，就係佢出聲嘅唯一 input。如果你做緊自動化、批量生產，呢點更加重要——因為冇人手工執。

寫 TTS 旁白稿，核心目標係三個：

1. 語音清晰：每個字讀得準、唔撞多音字、唔撞誤讀
2. 節奏自然：停頓位合理、唔窒、唔機械
3. 情緒對：用文字引導到想要嘅演繹，唔好靠 AI 自己猜

下面每一節，就係圍繞呢三個目標嘅實際做法。

第一步：分清書面語定口語

呢個係最多人仆嘅第一步。粵語 TTS 嘅聲線係按口語訓練嘅——你寫「鑒於上述情況，本方案將進行相應調整」，出嚟會好怪；但你寫「睇返上面講嘅，咁我哋就調一調」，出嚟就順好多。

呢個分別，喺 書面語 vs 口語嘅粵語 TTS 攻略 入面有完整對照表。簡單記三個原則：

• 少用書面連詞：用「不過」好過「然而」、用「所以」好過「因此」
• 句式短：每句控制在 15–25 字之間，長句拆做兩三句
• 善用粵語虛詞：適量嘅「嘅」「咩」「囉」「嘅啫」會令稿似人講嘢，唔使迴避

但要記住，唔係所有場合都要做晒 100% 口語。例如法律解說、教育內容、產品說明，適度保留少少書面結構反而令權威感出嚟。重點係「讀出嚟順」，唔係「一定要散到爛」。

第二步：控制每段字符數

港嘢 TTS 嘅單段 text 長度上限係 500 字符；sync 捷徑（POST /v1/audio/speech，voice／design 模式）上限係 300 字符。超過會直接 400 text_too_long，rejected 唔截斷——所以唔好期望系統幫你自動斬件。

具體落筆嘅時候，建議按用途分：

計算法：港嘢估算約 240 字符／分鐘 語音。所以一段 480 字符嘅稿，讀出嚟大約 2 分鐘；每月嗰 5,000 字符額度大概可以生成 21 分鐘。

如果你嘅內容本身長過 500 字符（例如一段 1,200 字嘅產品說明），就要主動分段。分段嘅時候，唔好喺半句中間斬——要喺完整意思嘅句號、問號、感嘆號之後先斬。

第三步：處理多音字陷阱

粵語嘅多音字係另一個常見雷——同一個字喺唔同詞入面讀音可以完全唔同。如果稿入面有呢啲字，TTS 引擎未必每次都揀啱讀音。

常見陷阱包括：

• 重：讀「cung5」（輕重）定「cung4」（重複）定「zung6」（重要）？
• 行：讀「hong4」（銀行）定「haang4」（行路）？
• 度：讀「dok6」（量度）定「dou6」（度數）？
• 幾：讀「gei2 do1」（幾多）定「gei1」（幾乎）？
• 種：讀「zung2」（種類、種子）定「zung3」（種植）？
• 參：讀「caam1」（參加）定「sam1」（人參）？

完整清單同應對方法，可以參考 廣東話多音字攻略。

實戰做法有兩招：

1. 寫稿時避開高風險字：能換寫法就換寫法。例如「重複」寫成「重複做」反而更清楚
2. 用 anchor 標記 控制讀音：港嘢 API 支援喺文本入面嵌入讀音 anchor，直接指定粵語讀音

後者係治本嘅方法——你唔使每次寫稿都擔心，anchor 入落文本就鎖死讀音，呢個對品牌名、法律詞、地名特別有用。

第四步：中英夾雜嘅寫法

香港人講嘢，中英夾雜係常態——「Send 個 file 畀我」、「App 壞咗」、「開個 meeting」。但喺 TTS 入面，中英夾雜嘅處理唔係靠 AI 自己識揀——你要刻意決定點寫。

幾個原則：

• 品牌名、產品名、技術詞：保留英文（App、WiFi、PDF）。TTS 引擎一般會讀英文部分
• 動詞、形容詞夾雜：寫英文定中文？睇場合。「佢好 chill」比「佢好 chill 嘅」更口語
• 全句英文：如果成段都係英文（例如引述一段英文 quote），要主動決定 TTS 用乜嘢語音引擎讀——港嘢粵語聲線讀英文時發音會偏粵語化

完整對比同案例，可以睇 中英夾雜攻略。文章入面有具體寫法對照表，邊種寫法出嚟順、邊種會撞牆都列出嚟。

第五步：用標點做節奏控制

標點符號係 TTS 稿入面最被低估嘅工具。佢直接影響停頓長度、語氣、甚至情緒：

實戰建議：

• 想 TTS「抖啖氣」就用逗號——但唔好一連串逗號，會窒
• 想強調結語就用句號——句號後嘅下一句通常會稍為「重新開始」
• 想切場就用換行——換行係最強嘅停頓訊號
• 想語氣輕啲可以用問號或者感嘆號——但唔好成段都用，會變成抖音文案

進階玩法：用 ...（省略號）做「延續」效果，用 ——（破折號）做插入同解說。TTS 一般會將呢啲特殊標點處理成更長嘅停頓。但要記住，唔係越多標點越好——太多符號反而會令 TTS 迷失。

第六步：情緒同指示語

如果你只係寫一段平敘文字，TTS 會用預設情緒讀出嚟。但如果你想控制情緒——例如開心、嚴肅、溫柔、急切——就要靠 情緒控制 同指示語。

兩種做法：

第一種：用 emotion 參數 港嘢 TTS 支援以 e粵語tion 參數指定情緒（例如 happy、sad、angry、neutral 等）。呢個係最直接嘅做法，但唔係所有聲線、所有模式都支援同一組情緒——要睇返聲線目錄。

第二種：用 instruction 文字引導 部分生成模式（design、clone）支援用文字描述你想要嘅演繹。例如：

用輕鬆友善嘅語氣，帶少少鼓勵感

寫 instruction 嘅時候有幾個竅門：

• 用「語氣」「聲線」「節奏」呢啲明確嘅詞
• 寫出具體情緒，唔好寫「好嘅」（太抽象）
• 寫出節奏提示，例如「稍慢」「明快」
• 中英文都得——視乎你慣用嘅語言

⚠️ 但要留意：唔同聲線、唔同情緒組合嘅效果唔同。寫完一定要試聽，先可以確定效果。

第七步：數字、地址、日期

數字同地址係 TTS 嘅另一個高風險區。常見踩坑位：

• 電話號碼：寫「98765432」TTS 會逐個讀數字；寫「九八七六五四三二」就唔自然。正確做法係分段加空格：「9876 5432」或者用 anchor 鎖讀法
• 金額：寫「$128」TTS 通常讀「一百二十八」；寫「HK$128」可能讀成英文字母 H K 然後數字。建議明確寫「一百二十八蚊」或者「128 元」
• 日期：寫「2026-10-08」TTS 會讀「二零二六—一零—零八」；寫「10月8號」會讀「十月八號」更順
• 地址：門牌號同街道名要分開，例如「88 號彌敦道」比「88號彌敦道」清晰
• 百分比：寫「50%」會讀「五十巴仙」；想讀「百分之五十」就寫出嚟

冇標準答案——視乎你想要 TTS 點讀。最穩陣嘅做法係寫幾個版本，自己逐個試聽。

第八步：實戰工作流

寫 TTS 旁白稿嘅推薦工作流：

1. 先寫口語版初稿：唔好諗 TTS，先用口語寫出你想講嘅嘢
2. 檢查長度：每段 < 500 字符；sync 用途 < 300 字符
3. 掃多音字：用 多音字攻略 檢查高風險字，決定避開定加 anchor
4. 掃中英夾雜：確認所有英文字係咪真係要保留英文
5. 加標點節奏：根據想要嘅停頓位加逗號、句號、換行
6. 寫 emotion／instruction：如果需要控制情緒，喺呢步加入
7. 單段試聽：去 Playground 逐段試，記低效果唔好嘅位
8. 微調再試：調整字符、標點、anchor，重複 7
9. 批量生成：確認晒所有段都 OK 後，先一次過跑批量

第 7 至 8 步係最花時間嘅——但係必做嘅。跳過試聽直接批量，出嚟成段報廢嘅機會好高。

常見錯誤清單（俾你自查）

寫 TTS 稿嘅時候，以下錯誤最常見——寫完不妨對住檢查一次：

• ❌ 直接 copy 文案：書面稿唔調整就貼落 TTS
• ❌ 一句到尾唔分段：超過 500 字符就 400 error
• ❌ 忽略多音字：寫嘅時候冇諗過讀音
• ❌ 中英夾雜寫得太隨意：英文比例太高、或者中英混亂
• ❌ 標點只用句號：錯失用標點做節奏嘅機會
• ❌ 過度加語氣詞：成段「囉」「嘅」「咩」會變成 hard sell 感
• ❌ 唔試聽就批量：浪費 quota
• ❌ 預設情緒就當完成：情緒同場合唔啱

提多句：以上每一條都見過真實 case。有人寫過一段 1,800 字嘅稿直接 paste，撞 400 error；有人寫過一段「極極極之重要」嘅稿，TTS 讀成「極極極之」三個字獨立讀，唔連住。所以逐段試聽唔係 luxury，係必須。

常見問題 FAQ

粵拼資料來源（tier-1）：香港語言學學會粵拼方案（https://www.lshk.org/jyutping）、香港中文大學《粵語審音配詞字庫》（https://humanum.arts.cuhk.edu.hk/Lexis/lexi-can/）。多音字讀音以該字庫標音為準。

TTS 旁白稿嘅長度上限係幾多？

單段 text 上限係 500 字符。同步生成（sync）上限 300 字符，而且只支援 voice 同 design 模式——如果你用 clone 模式或者 SRT，sync 會回 400 clone_not_supported_sync 或 400 srt_not_supported_sync，要 fallback 去 async。如果你嘅內容長過 500 字符，要主動分段；超過 25 段嘅批量請求會 400 too_many_items。

點樣寫先可以令 TTS 讀出嚟似真人？

冇方法做到 100% 似真人——但可以接近。三個做法：① 用口語寫法、唔好照搬書面文案；② 加適量語氣詞（「嘅」「囉」「嘅啫」）做 natural filler；③ 用 emotion 或者 instruction 控制演繹風格。詳細可以睇 情緒控制指南。

多音字點處理最穩陣？

兩個做法：① 寫稿時避開、改用其他寫法；② 用 anchor 標記直接鎖死讀音。後者係治本做法——你可以喺 anchor 攻略了解點樣喺文本入面嵌入讀音控制。完全避開有時候唔可行（例如品牌名、法律詞、地名），呢個時候 anchor 係唯一可靠方案。

中英夾雜應該寫英文定中文？

視乎場合。品牌名、技術詞、產品名保留英文（App、PDF、WiFi）；動詞形容詞可以中英夾雜（「好 chill」、「Send 個 file」）；全英文段落就要主動控制點讀——例如引述英文 quote 嘅時候，你可能想用英文聲線而唔係粵語聲線讀。

寫完之後點樣測試？

先去 Playground 逐段試聽，記低邊段有問題。再針對有問題嘅段做微調——換字、加 anchor、調標點、加 emotion。確認晒 OK 後先用批量一次過跑。記住：跳過試聽直接批量，係最常見嘅浪費 quota 嘅做法。

SRT 字幕配合旁白稿應該點寫？

SRT 對齊時間碼，所以旁白稿要按時間軸分段。一般做法係先寫好完整稿，再按 SRT 嘅時間碼切段，每段 80–200 字符（一段一句）。SRT 模式要走 async 軌，因為 sync 唔支援。

一段稿要寫幾耐先可以試到好聲？

冇標準答案。簡短嘅產品解說可能 5 分鐘就搞掂；30 分鐘嘅解說影片可能要反覆試聽幾個鐘。重點係預留 buffer 畀微調——唔好趕死線前先寫 TTS 稿。批量生成嘅字符額度唔會因為你寫得慢而重置，所以慢慢試冇問題。

[!CTA]

試寫你嘅第一段 TTS 旁白稿

去港嘢 Playground 貼稿、即刻聽效果，邊段有問題即改邊段。每月 5,000 字符免費額度，夠你試 21 分鐘語音。