指南

為甚麼自動生成字幕總是打錯廣東話？（以及怎樣救）

你完成一條廣東話 vlog，按下自動生成字幕，出來的字幕卻像新聞主播的用語：你明明說「唔係」，字幕卻變成「不是」；說「佢」，就變成「他」；那些令說話保留你個人語氣的語氣助詞，更可能直接消失。

這不是你的收音出了問題，而是字幕工具處理廣東話時存在的結構性問題。

口語廣東話不等於書面中文

中文有一個在大部分語言中較少見的特點：廣東話的口語和中文慣常使用的書面語屬於不同的語體，在詞彙和語法上都有差異。

如果按照實際說話方式寫下廣東話，就會用到「嘅、咗、喺、唔、佢、啲」等字。以普通話為主要訓練基礎的系統，在訓練資料中較少接觸這些字，因為網上的中文文字大多採用書面語。

所以，當字幕工具遇到廣東話語音時，通常會出現兩種情況。一種是系統根本沒有接受過廣東話訓練，於是將語音強行套用普通話的模式，結果生成錯誤的字幕。

另一種情況更難察覺：系統主要以書面中文作為訓練資料，因此在將語音轉成字幕的同時，亦會把你的說話「翻譯」成書面語。這些字幕大致上仍然看得明白，但你明明說的是「我哋而家去邊度」，字幕卻寫成「我們現在去哪裡」。

你明明說得很口語，字幕卻變成了正式的書面語。

語氣助詞消失。「啦、囉、㗎、咋、呢、嘛」，這些句末語氣助詞，會影響說話的語氣、態度，亦帶出廣東話特有的幽默感。自動生成字幕經常會漏掉或錯誤辨識這些字，令原本的說話語氣和個人特色也隨之消失。
中英夾雜容易出錯。香港人日常說話經常會廣東話夾雜英文，例如「今日個 schedule 好 full」。但部分語音辨識工具每次只能處理一種語言，遇到中英文轉換時，就可能認錯英文、按讀音變成中文字，甚至直接漏掉。
同音字與多個聲調。廣東話的聲調比普通話多，在背景音樂、環境噪音或語速較快的情況下，聲調辨識容易出錯。一個聲調辨識錯誤，就可能變成另一個字，令整句意思有所不同。
口語用詞被改成書面語。「飲咗」變成「喝了」，「好正」變成「很好」——單獨看每個改動似乎都沒有太大問題，但累積起來，原本的說話方式和語感就完全不同了。
人名和地名容易出錯。本地人名、店舖名稱，以及以英文字母拼寫的名稱或詞語，例如港鐵出口名稱和菜式名稱，經常會因讀音相近而被辨識成完全不同的文字。

影片在靜音自動播放時，字幕就是你的聲音。對香港觀眾來說，口語人聲配上書面語字幕，讀起來不但生硬，亦容易失去原本自然的語感，而香港觀眾往往很容易察覺這種語言上的落差。

如果製作雙語字幕，問題更會延伸到另一種語言，廣東話字幕一旦辨識錯誤，英文翻譯亦會承接同樣的錯誤，令問題在兩種語言的字幕中同時出現。

使用真正支援廣東話的語音辨識工具。不要只看它是否標示支援「中文」，而要確認是否明確支援廣東話（yue / zh-HK）。
Apple 的本機語音辨識是少數真正支援廣東話的主流系統之一；不少網上字幕工具雖然標示支援中文，實際上仍可能使用普通話模型處理。你可以用一句包含多個語氣助詞的廣東話來測試，看看系統能否準確辨識。
改善收音有助提升辨識準確度。錄音時讓咪高峰靠近一點，盡量減少背景音樂（可留待後期加入），說話保持自然但不要太急，都能明顯提升聲調辨識的準確度。
翻譯前先校對廣東話字幕。先修正廣東話內容，補回遺漏的語氣助詞、改正同音字，再生成英文字幕。未經校對的廣東話字幕，不要直接交由工具翻譯。
保留口語。不要刻意將字幕改成書面中文。這些語氣助詞正正保留了廣東話說話時的語氣和個人特色；而且大家日常打字本來就會使用，觀眾閱讀起來並不陌生。
分開設定兩種語言的字幕樣式。以廣東話字幕為主、英文字幕為輔，使用不同的字體大小和粗幼作出區分，讓不同語言的觀眾都能一眼找到自己要看的字幕。

關於這篇指南的說明：本文由我們撰寫

saysub 是一款以廣東話字幕為核心設計的 Mac App：廣東話語音轉字幕直接在本機完成，影片毋須上傳；採用先校對、後翻譯的流程，只會為尚未填寫的字幕加入翻譯，保留你已經寫好的內容；廣東話和英文字幕亦可以分開設定樣式。

saysub 目前仍在開發中。加入等候名單後，我們會不定期透過電郵與你分享開發進度、優先試用安排、推出消息及重要產品更新。

發布於 2026 年 8 月 6 日 · saysub · Read in English