2024 年 1 月，Galaxy AI 正式登場，首批支援 13 種語言。英文、日文、韓文、泰文、越南文都在名單上，連意大利文也有。
廣東話沒有。
當時我在 Cheil Pengtai 任 Direct-to-Consumer Director，負責 Samsung 香港的網上商店。發佈那天，香港 Samsung 能對外說的只有一句：廣東話將會支援。
用的人不少，生意卻不大
根據 Ethnologue 2022 年的數字，全球講粵語的人超過 8,500 萬，比講意大利文的人還多。
問題不在人數。粵語不是任何一個國家的法定官方語言，香港市場又小。海外講粵語的社群分散，各自也只是少數。對科技公司來說，用戶多不等於生意大。
三個月後，Samsung 宣佈新增語言，把廣東話列為「方言」，與澳洲英文、加拿大法文放在同一行。
我做過三天人手訓練
廣東話版本最後怎樣做出來？我親身參與過。
Samsung 香港辦公室和 Cheil 的同事，全部被安排去聽一段段沒頭沒尾的錄音，再逐句打字、核對、確認。頭三分鐘，我覺得很新奇。到第三天，我開始懷疑這是否寫在我的職位描述裏。那幾天，兩間公司的辦公室都不太安靜。
花了這麼多人力，香港版 Galaxy AI 在 2024 年 4 月終於有廣東話。剛推出時，仍有不少地方要改善。
廣東話難在哪裏
廣東話對 AI 來說，比很多語言難學。
第一，說和寫是兩回事。香港人說「佢唔喺度」，寫下來卻是「他不在」。網上的中文文字，大多是書面語，不是香港人平日說話的樣子。AI 讀得多，學到的卻未必是我們真正怎樣說話。
第二，聲調多。廣東話有九聲六調，換一個聲調就是另一個字。
第三，香港人說話中英夾雜。一句「個 proposal 聽日交」，AI 要知道在哪裏轉英文，也要轉得自然。
三樣加起來，要的數據多，可用的數據少。要錄音，要標註，要有人逐句校對。換了我是投資者，也會先看用的人有多少、肯付錢的人有多少。以這個標準計，廣東話很難排進頭十名。
這幾天，情況變了
有一個語音生成平台，我已經用了好一段時間。最近它推出了新一代模型，所有語言的語調都提升了，廣東話也在其中。
我用三段稿測試新版本。
第一段是辦公室對話，夾雜 email、deadline、launch、proposal 幾個英文字。
第二段是書面語旁白，看它會不會一見「的」「是」就滑去普通話。
第三段專挑難讀的字：「銀行」和「行過」、「長洲」和「長大」、「重新」和「重要」，再加上價錢、日期和電話號碼。
結果三段全部讀對。英文字轉得自然，書面語用粵音讀，多音字一個都沒有讀錯。前幾年 AI 廣東話常見的毛病，例如口音不純正、讀到一半變成普通話、腔調古怪，這次都沒有出現。
兩年多前，一間大公司要動員兩個辦公室，才教得 AI 聽懂廣東話。今天，AI 已經可以把廣東話說得像真人。
為甚麼突然追上
背後有三件事，差不多同時發生。
第一，語音模型換了骨幹。新一代語音合成，很多改用大型語言模型做底。聲音先經 neural audio codec 壓縮成一串離散的聲音 token，模型像寫文字一樣，逐個預測下一個 token，再還原成聲波。這樣模型讀稿時，會先理解整段意思，再決定語氣、停頓和輕重。舊一代的語音合成多數逐句處理，讀得準，卻讀得平。
第二，訓練數據大了幾級。2025 年 5 月，阿里巴巴的 CosyVoice 3 論文把訓練數據由一萬小時加到一百萬小時，涵蓋十多種中國方言。2026 年 1 月發表的 Qwen3-TTS，訓練數據超過 500 萬小時，論文亦專門測試了跨語言轉移。即是說，模型在數據多的語言學到的語調和節奏，可以帶到數據少的語言。
第三，廣東話自己的數據終於夠用。2025 年 9 月，研究團隊公開 WenetSpeech-Yue，一個 21,800 小時的粵語語音數據庫，專門用來訓練語音辨識和語音合成，測試範圍包括中英夾雜。同年 12 月，Google Cloud 的語音合成服務亦開始預覽支援香港粵語。
我用的平台推出新版本時，也把廣東話列為進步最大的語言之一。它沒有公開用了甚麼方法。上面三點，是我從整個行業的走向作出的判斷。
對香港品牌的意思
以前做一條廣東話旁白，要找配音員、訂錄音室、來回改稿。改一個字，可能要重錄整段。
現在可以先用 AI 出初稿，一次出幾個版本來揀。產品短片、IG Reels、網站導覽、客服語音，都可以先用 AI 試聲，定了方向，才決定要不要請配音員。
不過，出街之前，總要有人聽一次。AI 可以讀對每一個字，卻不知道這句話對你的客人合不合適。
親耳聽聽
我們已經用新一代 AI 語音，做好了 Club Camelots 第一條廣東話 Reel。片中每一句讀兩次，先是兩年前的 AI，再是今年的 AI。大家一起看看。
在 Instagram 觀看 Club Camelots 的廣東話 Reel
資料來源： Ethnologue（經 BYU Cantonese Language Association 引用）；Samsung Newsroom，2024 年 4 月 10 日及 26 日；CosyVoice 3（arXiv 2505.17589）；Qwen3-TTS（arXiv 2601.15621）；WenetSpeech-Yue（arXiv 2509.03959）；Google Cloud Text-to-Speech 版本紀錄，2025 年 12 月 30 日。