粤语语音转文字准不准：三种方案与五类校对重点

用普通话模型转粤语录音，结果经常是一段能看、一段全是「嘅、咗、啲」被写成同音错字。粤语不是「带口音的普通话」，它有自己的书面表达、常用字和懒音习惯，直接套通用模型，准确率会掉一大截。

这篇讲清粤语转写难在哪、三种方案怎么选，以及一份可照着做的校对清单。

一、粤语识别难在三个地方

1. 口语字词：嘅、咗、啲、唔、冇、佢，这些字通用模型训练数据少，容易被替换成同音字；
2. 懒音与连读：n/l 不分、ng 脱落、语速快时的连读，会让字词边界模糊；
3. 中英混说：香港、广州的日常表达里夹杂英文词，模型容易按发音硬转成汉字。

还有一个隐藏难点：粤语没有唯一标准写法。同一个词可能写成「返工 / 番工」，转写结果对不对，取决于你的使用场景——字幕要口语化，正式文稿要书面化。

二、三种方案怎么选

重要提醒：语言选项一定要手动设成粤语。很多工具默认「自动识别」，遇到粤语会先猜成普通话，后面全错，而且错得很隐蔽——字都认识，意思全变了。

三、实操：把准确率拉上去

1. 录音优先：用领夹麦或手机贴近说话人，避免空调、风扇、餐具声；
2. 一次一人：多人抢话时识别会串，会议尽量按顺序发言；
3. 分段处理：按 10~15 分钟切分，出错时不用整段重来；
4. 给提示词：支持自定义词表的工具，把常用人名、公司名、专有名词先录进去；
5. 先出初稿再改：不要边听边改，先把整段转完，再统一校对，效率高得多。

如果录音条件很差（远场、嘈杂），任何模型都救不回来，这种情况建议重新录。音源质量的上限决定转写质量的上限。

四、校对清单：只改这五类

1. 人名与称谓：先建一份名单，全文搜索替换；
2. 数字与金额：粤语里「三」和「生」、「四」和「死」容易混，涉及金额必须逐条核对；
3. 地名与机构：香港、澳门的地名英文转写尤其容易错；
4. 口语字：嘅/咗/啲/唔/冇/佢 是否正确，字幕可保留，正式文稿要转书面语；
5. 中英混说：英文词被转成汉字的地方，改回原词。

校对时建议开两份文件对照：一份原文转写，一份修改稿。改完再通读一遍，专看「读起来别扭」的句子——那通常就是错字所在。

五、常见问题

粤语转写能不能直接输出书面中文？

多数工具只做「语音→粤语口语文字」，转书面语要再做一步。可以自己改，也可以让 AI 按「保留原意、转为书面表达」重写，但必须人工核对专有名词。

香港口音和广州口音差别大吗？

用词和懒音习惯不同，模型表现也有差异。跨地区内容建议先试转一小段，确认准确率再批量处理。

粤语歌歌词能转吗？

很难。演唱时的拖音、和声、配乐会严重干扰识别，且歌词本身常有艺术化表达，转写价值不高。

有没有必要买付费服务？

看使用频率。偶尔转一两段，通用模型 + 人工校对足够；每周都有长录音，付费或本地部署更划算。选型思路见 免费录音转文字怎么选。

小结

粤语语音转文字的关键是手动指定粤语、保证音源质量、按五类重点校对。别指望一次成型，把它当成「帮你打完 80% 的字」，剩下 20% 的专有名词和口语字，才是决定这份文字能不能用的地方。

更多音频处理见 音频转写 栏目。