HeyGen 中文口音怪、聽起來像粵語腔或大陸腔，多半出在送進去的稿子：繁體字餵給多語言語音模型，可能被判成粵語腔，多音字和數字也容易念錯。我的解法是配音稿改給簡體中文，字幕維持繁體，轉簡體時保留台灣用語，再逐句查多音字和數字。這篇是我（AI 家教施文凱）拿自己一支數字人短影片的兩份稿、兩次配音整理出來的，附多音字換詞表和 5 個步驟，AI 配音 大陸腔、念錯字的問題都能照著改。
這篇屬於 AI 工具 系列，想照順序學，從AI 工具教學入口開始。
HeyGen 中文口音為什麼會怪？3 個原因
數字人中文配音念起來怪，常見有 3 個原因：文字被判成別的語言、多音字選錯音、數字和符號照字面念。三個都出在送進去的稿子，所以先改稿，再去調聲音設定，順序反過來會白忙。
原因 1（最常見）：繁體字被判成粵語腔
多語言語音模型會從文字判斷要用哪一種語言念。我的 TTS 前處理規則裡記了一條：繁體字餵給多語言模型，可能被判成粵語腔；全文轉成簡體，語言判定就會拉回普通話。HeyGen 繁體中文發音聽起來怪，第一個要懷疑的就是這裡。
這是我自己配音時歸納出來的經驗，HeyGen 官方文件沒有這樣寫。我在另一支說明影片也試過，同一份稿轉成簡體再送，念對的地方明顯變多。稿子裡如果有粵語用字，例如嘅、咗、喺、唔、係、冇，也會把判定往粵語拉，要一起拿掉。
原因 2：多音字被念成另一個音
中文很多字有兩個以上的讀音，模型要靠前後文猜，猜錯就念成另一個音。我最常遇到的是重、行、得、還這幾個字，例如重新的重、行不行的行。數字人配音 多音字念錯，觀眾一聽就知道是 AI，比口音偏一點更出戲。解法放在後面的多音字段落。
原因 3：數字和符號照字面念
阿拉伯數字和符號，模型不一定照你想的方式念。我整理的規則裡記過幾種：3% 被念成三趴，1200萬 被念成一二零零萬，百被念錯或吞掉。破折號、斜線、括號也可能被念出來，或在句子中間停得很怪。所以念稿裡會念出來的數字要改寫成中文，標點只留逗號、句號、問號、驚嘆號。
解法：配音稿給簡體中文，字幕維持繁體
核心做法是同一支影片準備兩份稿：一份簡體念稿送進 TTS，一份繁體字幕稿給觀眾看。兩份的內容一樣，差在字形、數字寫法和標點。觀眾看到的還是繁體字幕，耳朵聽到的是念對的普通話。
上面是我 2026 年 10 月 19 日做的一支 Zeabur 搬家短影片，製作資料夾裡同時放著簡體念稿和繁體字幕稿兩個檔。字幕稿用空格斷行，保留 404 和 12/31 這種好讀的寫法；念稿改成四零四、十二月三十一号，用逗號和句號標出停頓。Zeabur 關站的時間表和搬家步驟，整理在Zeabur 關站怎麼辦。
轉簡體只換字形，台灣用語照留
轉簡體最容易出的錯，是連用詞一起換成中國大陸的說法，結果聽起來更像大陸腔。簡體字只是字形，口音主要由聲音本身決定，用詞才會讓人聽出是哪裡人。我那份念稿裡的环境变数、程式库、金钥，都照台灣說法留著，只改了字形。要讓 AI 寫稿時就用台灣用語，可以先照Claude 繁體中文設定的指令範本。
用開源工具 OpenCC 轉換設定的話，選 tw2s，也就是台灣正體轉簡體。OpenCC 另外有一個 tw2sp，說明寫的是轉簡體並換成中國大陸常用詞彙，滑鼠會變成鼠標，做口播念稿不要選它。中國大陸短影音常見的家人們、寶子們、老鐵、乾貨、避坑，原稿沒有就別加進去。
數字人中文配音 5 個步驟
從寫稿到上字幕，我固定走 5 步：寫繁體稿、轉簡體、查多音字和數字、配音後回聽、對齊繁體字幕。第 2 步和第 3 步決定念得對不對，最常被跳過的是第 4 步的回聽。
- 寫稿：用繁體、台灣用語寫好口播稿，存成字幕稿。
- 轉簡體：用 OpenCC 的 tw2s 轉，存成念稿。轉完再掃一次合併字：隻和只都變成只，乾和幹都變成干，著變着，係和繫變系，捲變卷。一個簡體字對到好幾個意思，要回頭看那一句會不會念錯。
- 查多音字和數字：逐句掃高風險字，會念錯的換詞；會念出來的數字改成中文念法。做法見下一段。
- 配音後回聽：先用語音辨識（ASR）把音檔轉回文字，跟念稿比對抓漏字，再自己戴耳機聽一遍。ASR 不要帶提示詞，帶了容易被提示詞帶偏，把念錯的判成念對。
- 對齊繁體字幕：念稿為了避開多音字換過的詞，字幕也要跟著換，聽到的和看到的要一樣。字幕時間軸怎麼自動對齊，可以看我寫的自動剪片 Skill 做法。
多音字怎麼查？39 個高風險字和換詞表
我的檢查清單一共 39 個高風險字，送 TTS 前逐句掃過，碰到可能念錯的就換一個詞，不標注音、拼音或括號。括號這類符號可能被念出來或造成怪停頓，換詞最穩。
行 重 長 得 了 還 著 只 當 空 間 差 調 數 處 樂 會 藏 給 轉
降 便 曾 露 地 都 強 好 少 種 為 說 要 應 倒 率 分 更 相
換詞的原則是少改：原句能穩定念就保留，只改會念錯的那幾個。改完的句子還要像台灣人在講話，不能為了避開一個字，把口播改成書面語。上表的例子來自我的前處理規則，不是每次都要改，聽過念錯再換。
讀音習慣不同時，先查標準讀音
有時候你覺得念錯，其實是標準讀音跟你的習慣不一樣。我聽自己的配音時，覺得「教學」被念成「較學」，查了教育部重編國語辭典的教學詞條，標準讀音本來就是 ㄐㄧㄠˋ ㄒㄩㄝˊ，配音沒有念錯。
碰到這種情況，先分清楚是標準讀音、你的慣用讀音，還是合成的語調問題，再決定要不要換詞。真的想換，就把這個詞改成意思相近的說法，例如操作示範，字幕也一起改。另外，句尾只剩一個字時容易被多念或念歪，改成兩個字的詞會比較穩。
數字改成中文念法
念稿裡會被念出來的數字，一律改寫成中文，只改寫法，不動數值。下面是我規則裡的寫法，最後兩列是那支 Zeabur 影片實際用的。
| 原文 | 念稿寫法 |
|---|---|
| 3% | 百分之三 |
| 1200萬 | 一千兩百萬 |
| 2.5萬 | 兩萬五 |
| 2026年 | 二零二六年（年份逐字念） |
| 3:30 | 三點半 |
| 404 | 四零四 |
| 12/31 | 十二月三十一号 |
有些 TTS 會把百、千念錯或吞掉，這時只把念錯的那幾個改成大寫的佰、仟，例如一仟兩佰萬。先用一般寫法聽一次，錯了才改；一開始就全改成大寫，有的模型反而認不得。電話、網址、型號、版本號這類要保留原格式的，維持阿拉伯數字。
配完一定要回聽：同一份稿，兩次結果不一樣
稿子改好，不代表一定念對，同一份稿送兩次，結果可能不一樣。Zeabur 那支片我用同一份簡體念稿合成了兩次：第一次 55.92 秒，第二次 59.92 秒。第一次把開場的「今天教你」念漏了，ASR 轉回來那句只剩「先講你」，所以棄用，採用第二次。
ASR 自己也會聽錯。第二次的音檔轉回文字時，關站變成關產，架在變成加在，寫死變成寫實，跑起來變成拋起來。我把這 4 個地方逐一聽過，配音都念對了，是 ASR 聽錯。所以 ASR 拿來找可疑的地方，最後還是用耳朵判斷。語音輸入一直聽錯同一個詞，可以用語音輸入自訂詞庫修。
補充一下我的分工：這支片的配音沒有用 HeyGen 內建聲音。我用 Gemini 3.8 Flash TTS 的本人克隆聲線產生音檔，再交給 HeyGen 的數字人對嘴，HeyGen 只負責畫面，那支 59.92 秒的數字人影片扣了 32 點。克隆聲線怎麼建，我寫在AI 聲音克隆教學。你如果直接用 HeyGen 的聲音念稿，一樣把簡體念稿貼進腳本欄；用 Manus 或其他工具產數字人影片也一樣，我沒查到 Manus 針對中文發音的官方說明，先從稿子處理最穩。
HeyGen 裡還能調哪些發音設定？
HeyGen 官方說明列了 3 個跟發音有關的地方：換語音引擎、Pronunciation 工具、Voice Mirroring。這三個我還沒在中文稿上實測，下面照官方說明整理，試的時候還是先改好稿子再比較。
換成針對中文的語音引擎
HeyGen 的 Using Voices in the AI Studio 說明頁列了 ElevenLabs、Panda、Starfish、Fish 共 4 個語音引擎，其中 Starfish 註明針對中文、日文、韓文。同一頁的排錯建議寫：非英文的口音不對，可以改用 ElevenLabs V3，也可以用 Remix 加口音，或在設定裡直接指定口音。
克隆聲音的口音跑掉時，How to Get Started with Voices 說明頁建議改用 ElevenLabs 付費帳號的專業克隆聲音接進 HeyGen，非英文內容選 multilingual v2。
個別字念錯，用 Pronunciation 或 Voice Mirroring
HeyGen 官方部落格的念錯字修正教學寫的做法是：在腳本裡選取念錯的字，點 Pronunciation，填一個代表正確讀音的寫法，不對就換另一種寫法再試。寫法怎麼試都不對時，可以用 Voice Mirroring 自己錄一次正確念法。
這兩個工具適合處理少數幾個字，例如人名、品牌名、縮寫。整段口音偏掉，還是先回頭改稿：轉簡體、換詞、改數字，改完再決定要不要動設定。
常見問答
配音稿改成簡體，會不會變成大陸腔？
簡體字只改字形，口音主要由聲音本身決定，會讓人聽出大陸腔的是用詞。轉換時用 OpenCC 的 tw2s 保留台灣說法，不要用 tw2sp，它會把用詞換成中國大陸常用詞彙。
字幕要用簡體還是繁體？
字幕維持繁體，觀眾看的是字幕，只有送進 TTS 的念稿用簡體。念稿為了避開多音字換過的詞，字幕要跟著改；數字可以在字幕寫 404、12/31 這種好讀的寫法。
多音字可以用注音或拼音標出來嗎？
不建議。我的前處理規則不用注音、拼音或括號標音，括號這類符號可能被念出來或造成怪停頓。改用換詞，例如行不行改成可不可以、差不多改成大概。
HeyGen 的口音設定能解決中文口音怪嗎？
HeyGen 官方說明寫了可以在設定裡指定口音，也有針對中日韓的 Starfish 引擎，但我還沒在中文稿上實測過。比較穩的順序是先改稿，再換引擎或口音設定試聽比較。
HeyGen 中文口音調不好？可以找 AI 家教施文凱
HeyGen 中文口音怪，先改稿再調設定：同一支片準備簡體念稿和繁體字幕稿，轉簡體只換字形、保留台灣用語，多音字換詞、數字改中文念法，配完用 ASR 加耳朵回聽。這幾步做完，大部分口音和念錯字的問題就能先排除。
如果你想把數字人影片從寫稿、配音到上字幕整套做起來，或團隊想學這套流程，可以看我的AI 教學與陪跑案例，或直接加 LINE 問我，我會先聽你現在的配音，再給初步建議。
延伸閱讀：AI 聲音克隆：錄 20 秒就有你的聲音、自動剪片 Skill 怎麼做。
本文依 HeyGen 官方說明中心、OpenCC 文件與作者自己的配音紀錄整理，最後核對日期為 2026 年 11 月 3 日。功能以官方頁面為準。
參考資料來源
- HeyGen Help Center：Using Voices in the AI Studio
- HeyGen Help Center：How to Get Started with Voices
- HeyGen 官方部落格：How to Correct Mispronounced Words in HeyGen
- OpenCC 開放中文轉換（GitHub）
- 教育部重編國語辭典修訂本：教學
最後核對日期為 2026 年 11 月 3 日。
