2026 Cantonese Text to Speech Guide: Why 7 Emotions and Spoken Hong Kong Cantonese Decide How Natural AI Voices Sound

市面上標榜支援廣東話嘅文字轉語音工具愈嚟愈多，有啲讀出嚟字字正確，句與句之間卻冇呼吸、冇抑揚。CantoneseTTS.com 團隊內部實測基準案例（Studio Benchmark）用同一段 150 字商業旁白做對照試聽，最容易令人聽出 AI 味嘅位，集中喺語氣平板同句尾節奏，單字發音反而較少出事。

第一樣要聽嘅係聲調。廣東話有六個聲調（計埋入聲就係九聲），「詩、史、試、時、市、事」一讀錯就變另一個字。可以用香港語言學學會嘅粵拼方案做對照，例如「行」喺「銀行」讀 hong4，喺「行路」讀 haang4，好嘅引擎應該識按上下文分。第二樣係情緒：同一句「今日最後一日優惠」，用平穩讀似公告，用驚訝讀先似快閃 promotion。第三樣係口語處理：餵一句有「咗、緊、啲、嘅」嘅稿，聽吓引擎係咪真係讀得順。

香港人寫嘢用書面語，講嘢用粵語口語，兩套系統嘅用字、助詞同語序都唔同。將書面語稿直接交俾 TTS，引擎只能逐字讀出「您的」「能夠」「與我們聯絡」，發音全部正確，但冇一個香港人會咁講嘢，聽眾第一秒就覺得似聽緊政府宣傳片。

以下係 CantoneseTTS.com 團隊內部實測基準案例（Studio Benchmark）其中一句示範。原稿（書面語）：「本產品採用最新技術，能夠有效改善您的睡眠質素。如果您有任何疑問，歡迎隨時與我們聯絡。」執靚後（地道香港口語）：「呢件產品用咗最新技術，真係可以幫你瞓得好啲。有咩唔明，隨時搵我哋傾吓啦！」不計標點，字數由 38 字減到 32 字，改動共 6 處，包括代詞、動詞同句尾語氣助詞。用同一把聲、同一個情緒生成，口語版讀稿感明顯少咗，句尾「啦」亦自然帶出親切語氣。

執稿有三個優先次序：先換代詞（您改你、我們改我哋），再換動詞同副詞（能夠改可以、採用改用咗），最後補句尾助詞（啦、喎、㗎）。做完呢三步，大部分商業旁白已經過到「似真人講嘢」嗰關。

CantoneseTTS.com 支援 7 種原生情緒：開心、嬲怒、驚訝、傷心、恐懼、厭惡、平穩。新手最常犯嘅錯係成段揀一個情緒，例如全段開心，結果連講價錢、講地址都興奮過頭，聽落似硬銷。比較穩陣嘅做法係按句嘅功能分配：搶注意力嘅句用高能量情緒，傳遞資訊嘅句用平穩，呼籲行動嘅句返去開心。

以一段 150 字美容產品旁白做例子，團隊內部實測基準案例咁樣切：第 1 句「嘩，你塊面幾時變得咁滑？」用驚訝；第 2 至 4 句講成分同用法，用平穩；第 5 句「今個禮拜買一送一，快啲去 shop 啦！」用開心。本頁上面嘅對照音檔示範咗平穩同開心兩種讀法嘅分別，可以直接撳播放比較，再帶示範台詞去 /tts 工作台自己試。

第一項係聲調，留意多音字同近音字；第二項係停頓，逗號位有冇自然換氣，長句有冇一口氣讀晒；第三項係中英夾雜詞，例如 brunch、promotion、check out，聽吓係咪香港人慣用嘅讀法；第四項係數字，「$1,280」應該讀成「一千二百八十蚊」，電話號碼要逐個字讀；第五項係情緒銜接，前後兩句轉情緒嘅位會唔會太跳。

發現問題時，大部分可以靠改稿解決，唔使重新揀聲。數字讀錯就直接喺稿入面寫成想讀出嚟嘅中文；英文縮寫讀得怪就用空格分開字母，例如「ASAP」寫成「A S A P」；停頓唔夠就加逗號或者拆短句。Google Search Central 對 AI 生成內容嘅指引強調，內容要準確同對用家有幫助，所以人手驗收呢一步唔好慳。