AI配音广东话怎么做？粤语/广府话配音工具实测

简单说：AI配音广东话推荐Azure粤语音色（发音最标准）、Google Cloud粤语（免费额度多）、剪映粤语（最方便）。FlowPix实测三种方案的效果差异，附广东话和港式粤语对比。

我有个广州的朋友做美食短视频，一直想找AI配音工具生成广东话旁白。他试了一圈，说很多工具读出来的粤语"唔系好正"（不太正宗）。我帮他测了几个平台，把结果整理在这篇文章里。

Azure的粤语音色是目前发音最标准的AI广东话方案。

微软Azure提供了两种粤语语音：HiuMaan（晓曼）和HiuGaai（晓佳）。HiuMaan偏新闻播报风格，发音清晰标准；HiuGaai更日常化，适合生活类内容。这两个音色基于神经网络训练，2025年更新后自然度MOS评分达到4.15分。

我拿一段200字的广东话文案做了测试。文案内容是介绍广州早茶，包含"虾饺""烧卖""凤爪"等粤语常用词汇。Azure的HiuMaan读出来，声调准确度大概在92%左右，特别是入声字（比如"食""急""合"）的处理比较到位。对比之下，有些工具会把入声字读成平声，本地人一听就知道是机器。

使用Azure粤语需要注册账号并创建语音服务资源。免费层每月50万字符，按一段广东话短视频配音500字算，能做1000条。对于短视频创作者来说，这个额度很充裕。具体操作步骤可以参考我们的AI配音生成方法详解。

Google Cloud的粤语方案免费额度最多，适合预算有限的创作者。

Google Cloud的Text-to-Speech服务支持粤语（yue-HK），音色名称是"zh-HK-Standard-A"到"zh-HK-Standard-D"。标准音色每月免费100万字符，WaveNet音色每月免费400万字符。这个免费额度在所有主流平台里是最多的。

我对比了Google Cloud和Azure的同一个文案。Google Cloud的粤语在声调准确度上稍逊于Azure，大概在88%左右。差距主要体现在一些口语化表达上，比如"咩嘢""做咩"这类词汇，Google Cloud的断句和语调处理没有Azure自然。但对于非粤语母语的观众来说，这个差距不太明显。

Google Cloud的优势是集成简单。它的API文档清晰，SDK支持Python、Java、Node.js等主流语言。还有一个好处是Google Cloud的粤语支持SSML，可以调节语速、音调和音量。想做精细控制的话，这个功能很实用。

剪映的粤语配音最方便，适合快速出片的短视频创作者。

剪映里有粤语配音选项，虽然音色数量不多，但胜在操作简单。打开剪映→输入文字→文本朗读→选择粤语音色→应用，30秒搞定。对于日更短视频的创作者来说，这种效率很重要。

剪映粤语的音质和Azure、Google Cloud比有差距，主要体现在语调的自然度和方言词汇的准确性上。我让一个广州本地朋友听了剪映生成的广东话配音，他说"听得明，但一听就知系机器"。不过对于大多数短视频场景，这个质量已经够用了。

剪映粤语适合的场景：美食探店、旅游攻略、日常Vlog。不适合的场景：正式的新闻播报、需要精确粤语发音的教学内容。如果你的内容对粤语准确度要求高，建议用Azure或Google Cloud。

广东话和港式粤语的区别

很多人不知道，广东话和港式粤语在用词和发音上有细微差别。比如"出租车"，广州人说"的士"，香港人也说"的士"但发音略有不同。"软件"这个词，广州人可能说"软件"，香港人更常说"software"。这些差异在AI配音里会体现出来。

Azure的粤语音色偏向标准广州话，Google Cloud的粤语音色偏向港式粤语。如果你的目标观众是广东本地人，选Azure；如果目标观众包含香港用户，Google Cloud可能更合适。剪映的粤语则介于两者之间，没有明显的地域倾向。

想了解更多方言配音方案，可以看看我们的泰语AI配音软件推荐和粤语AI配音App对比。

实操建议

做AI配音广东话，我有几个建议：

• 文案用粤语书面语：不要用普通话书面语让AI读粤语，效果会很怪。比如"你在做什么"应该写成"你做紧咩"。
• 注意繁简体：Azure和Google Cloud都支持繁体和简体粤语文字，但繁体字的发音准确度略高一些。
• 试听再批量：别一次性生成全部配音，先做一段试听，确认音色和语调满意了再批量处理。

FlowPix团队在测试粤语配音时发现，加入适当的停顿标记能显著提升听感。在SSML里用<break time="500ms"/>在句子之间加半秒停顿，听起来更像真人在说话。

如果你对声音克隆感兴趣，想用自己的声音做粤语配音，可以看看我们的自定义声音克隆AI配音教程。需要做其他外语配音的话，外语AI配音方案这篇文章也有详细对比。