先講一個我親眼見過的名場面。
朋友做短影片，稿子裡寫「行行出狀元」，自信滿滿按下生成，結果 AI 用盡全力、一字不差地唸出「hang hang 出狀元」。他截圖給我的時候只傳了一句話：狀元聽了都想轉行。
這不是偶發事件。我做影片旁白這兩年，存了一整個資料夾的翻車片段，有些好笑到我捨不得刪。笑完之後我也慢慢搞懂了：AI 不是笨，是「聽不懂上下文」。這篇把最常見的十種翻車現場攤開來講，每一種都給你急救寫法。看完這篇，你的稿子能一次過的機率會高很多。
為什麼多音字是 AI 的天敵
中文的麻煩在於：同一個字，念法看上下文決定。
「行」可以念 xing，也可以念 hang。「重」可以念 chong，也可以念 zhong。「長」有 chang 跟 zhang。人類靠語感一秒判斷，機器靠的是機率——它會算「這個字在前後文裡，哪個讀音的機率高」。
問題來了：字典裡的常用組合，跟網路用語、專業術語、你自創的梗，完全不在同一張表上。你的稿子越有創意，翻車機率越高。這是創作者的詛咒：文筆越好，AI 越容易唸錯。
好消息是，絕大多數翻車都有固定套路。下面十種，我幾乎每週都會遇到。
十大翻車現場（附急救包）
1. 行行出狀元 → hang hang 出狀元 急救：改成「各行各業都能出狀元」，或者在行前面加個頓號寫成「行、行出狀元」逼它分開判斷。多數引擎看到標點會重新斷句，讀音就跟著修正了。
2. 3.5 萬 → 三點五萬 急救：直接寫「三萬五千」。數字是 TTS 最不穩的輸入之一，只要稿子不是財經新聞需要精確小數點，把數字「唸好唸滿」寫成中文最穩。
3. APP 唸成「欸噗噗」 急救：寫「A-P-P」加連字號，或者改成「這個 App」用小寫混排。多數引擎看到大寫分開的字母會逐字唸，看到黏在一起的就容易整坨亂唸。
4. 台幣 1,000 元 → 一千元（然後斷句斷在奇怪的地方） 急救：金額後面加「塊錢」或「元整」，給它一個明確的語氣落點。AI 唸金額最怕懸空，句尾沒有收，語調就會像沒電一樣往下掉。
5. 「你這是在犯罪」被唸得像新聞播報 這不是唸錯，是語氣錯。急救：句首加情緒提示字，例如「喂，你這是在犯罪吧！」用感嘆號跟口語詞把語氣拉回來。標點本身就是給 AI 的情緒指令。
6. 中英夾雜：「這個 feature 很殺」 急救：要嘛全中文「這功能很猛」，要嘛把英文詞加引號或前後空格拉開。黏在中文裡的英文，有些引擎會切錯音節，出來的聲音像在唸外星語。
7. 網址、@帳號直接進稿 急救：永遠不要。稿子是給耳朵聽的，不是給螢幕看的。網址口播一律改寫成「到官網找我們」，真的要留帳號就唸「at 加上帳號名」。
8. 人名生僻字：「林一鑫」唸成一半 急救：人名後面補綽號或註解，例如「林一鑫（三個字都是新舊的新那類的字）」聽眾聽得懂，AI 也比較不會斷。正式稿可以考慮用同音常用字替代。
9. 成語連發：「破釜沉舟、背水一戰」語速突然失控 急救：成語之間用句號斷開，別用頓號。AI 對頓號的處理是「快快帶過」，兩個成語連在一起會像繞口令比賽。
10. emoji 和井號標籤直接留在稿裡 急救：進 TTS 前先清稿。井號、表情符號、星號底線，全部刪掉。這些是給眼睛看的符號，耳朵收到只會變雜音，有些引擎還會直接唸出「hashtag」。
我的 5 分鐘急救流程
每次交稿前，我固定跑這四步，五分鐘內結束：
- 數字全數中文化。 3.5 萬→三萬五千，2026→二零二六（看語境，年份唸逐字比較自然）。
- 掃一遍多音字。 行、重、長、樂、還、為，這幾個最高頻。看到就停一下，想清楚念法，必要時改寫句子。
- 清掉視覺符號。 emoji、井號、底線、星號、網址，一律清除。
- 唸出聲讀一次。 自己唸一遍，嘴巴覺得彆扭的地方，AI 一定更彆扭。這招最土也最有效。
別怕翻車，怕的是不檢查
我還會做一件事：生成之後一定聽一次，特別盯「第一次出現的專有名詞」和「有數字的句子」。這兩類是翻車熱區，抽查這兩處，八成問題都逃不掉。
有人會問，那乾脆全部用真人錄不就好了？老實說，這也是為什麼我沒有完全放棄真人的原因——但大多數日常產出，AI 加上這套急救流程已經夠用了。重點從來不是工具會不會錯，而是你知不知道它在哪裡會錯。
下次看到「hang hang 出狀元」，別急著笑完就關掉。把稿子照急救包改一版，兩分鐘後你會得到一個不會笑場的旁白。狀元也比較願意留下來。
