Cantonese Voice Cloning with a 10-Second Sample: A Workflow for Course Creators and Founders

本篇以「CantoneseTTS.com 團隊內部實測基準案例（Studio Benchmark）」作案例框架，示範點樣評估課程導師同創辦人使用自己聲線製作旁白。現有資料未附可核對嘅內部計時紀錄，所以本文所有工時同成本數字都標示為估算，唔會將佢哋寫成已完成實測嘅結果。

十秒係本案例設定嘅聲線樣本長度，唔代表任何十秒錄音都可以產生合用結果。錄音應該用本人自然講嘢嘅聲線，避開背景音樂、其他人聲同明顯回音。實際可用樣本長度、生成條件及效果，須按當時產品功能同試聽結果確認。

頁面上兩段音檔分別展示課程旁白同創辦人旁白風格，用嚟討論節奏、停頓同語氣。佢哋唔構成同一講者、同一稿件嘅受控前後比較，亦無資料證明其中一段由另一段複製而成。預設聲線資料同樣唔可以當作真人聲線複製嘅證據。

原稿（書面語）vs 執靚後（地道香港口語）逐字對比：原稿（書面語）：「本課程將協助學員掌握產品介紹的基本方法，並透過實際練習提升表達能力。」執靚後（地道香港口語）：「今堂我哋會教你點樣介紹產品，再一齊做個練習，試吓點講先清楚。」前者適合課程簡介文字，後者將內容拆成講者容易讀、學員容易跟嘅兩個動作。

創辦人短片亦可以用同一方法處理。原稿（書面語）：「我們致力為中小企業提供高效率的內容製作方案。」執靚後（地道香港口語）：「我哋想幫中小企慳返啲製作時間，等大家可以更快出到內容。」呢個版本保留服務方向，但有冇額外承諾、係咪符合創辦人平時講法，仍然要由本人確認。

試聽時將品牌名、英文縮寫、價錢同日期獨立標記，並逐字對稿，確認冇漏句、加句或者改變意思。遇到多音字或指定讀法，先確認正確讀音，再按工具支援方式處理；團隊亦可以用粵拼做內部讀音備註。最後分別用耳機同手機喇叭聽一次，確認重點字句喺日常收聽環境都清楚。

呢個估算以六段各一分鐘嘅旁白為工作量，兩個流程都由內容已確定、可以開始口語改稿嗰刻起計。自行錄音每段預留改稿 3 分鐘、錄音 12 分鐘、整理音軌 10 分鐘同覆核 5 分鐘，合共 30 分鐘；六段就係 6 × 30 = 180 分鐘。拍片、剪片、字幕同課程上架都唔喺呢個計算範圍。

聲線複製流程先預留 20 分鐘處理首次設定、樣本整理及授權記錄，再為每段預留改稿 3 分鐘、生成操作及等候 1 分鐘、試聽覆核 4 分鐘。總數係 20 + 6 × 8 = 68 分鐘，估算差距為 180 − 68 = 112 分鐘，比例約為 62.2%。其中生成所需時間只係規劃假設，實際等候、重做次數同發音修正都可能令總數增加。

如果用每小時 HK$300 估算本人時間價值，112 ÷ 60 × 300 = HK$560。呢個金額用嚟比較工作安排，唔等於銀行戶口會多咗 HK$560。要完成可發布嘅實測報告，應用同一批稿件記錄開始時間、完成時間、重做次數同最終合格版本，再加入工具費及外判費，先得出實際成本差距。

以下係製作流程建議，唔係對個別合約嘅法律判斷。即使由本人提供聲線，都應留低一份清楚記錄，寫明由邊個建立聲線、邊個可以操作、准用於邊類內容、可否用作廣告，以及合作完結後點處理。公司使用創辦人聲線，同課程平台使用導師聲線，可以有唔同安排，應按實際合作範圍逐項確認。

聲線同文字內容亦要一齊審批。導師批准錄製教學片，未必同時批准用同一聲線讀銷售承諾；創辦人同意產品介紹，亦應另外確認由佢聲線讀出嘅價格、優惠期限同業務說法。涉及其他人嘅錄音，應先確認使用權限，唔好因為取得音檔就推定可以建立聲線。

發布前由聲線本人或獲授權負責人完整試聽，確認內容、讀音同使用場合，並保留核准版本。團隊亦可以喺合適位置交代旁白由 AI 輔助製作，讓觀眾理解製作方式。若講者要求停用，應按事先約定處理聲線存取、後續生成及已發布素材，並記錄處理結果。