為什麼 AI 歌手會唱錯中文歌詞？原因與解法

用中文寫一首關於長大的歌，AI 歌手可能會把「長大」（zhǎng dà）唱成 cháng dà，而這根本不是一個詞。寫一首關於音樂的歌，「音樂」（yīn yuè）也可能被唱成 yīn lè。聽的人一下就聽出來，整首歌就毀在一個音節上。

這篇文章說明為什麼會這樣、我們在 2026 年 10 月測試 Google 的 Lyria 3.5 模型時量到了什麼，以及對中文和日文都有效的解法：改的是這個詞交給模型的寫法，而不是幫它加註讀音。

問題出在哪：一個字，好幾種讀音

很多漢字是多音字，放在不同的詞裡，讀音就不一樣：

真人歌手知道這個詞該怎麼讀。歌唱模型卻得依照它學到的東西，替每個字挑一個讀音；當正確的讀音剛好是比較少見的那一個，它往往會選常見的那個。

日文的漢字也有同樣的問題，一個漢字常常有好幾種讀法。在我們的測試裡，「生の声」（現場的聲音，nama no koe）的「生」被讀成 sei，「二人の間」（我們兩人之間，futari no aida）的「間」被讀成 ma。

我們量到了什麼

2026 年 10 月，我們用含有這些詞的原創歌詞，請 Lyria 3.5 生成測試歌曲，把人聲分離出來，再交給語音辨識和兩個自動讀音評分器檢查。先說幾個誠實的但書：樣本數不多，而且我們拿沒有歧義的文字餵給評分器時，它們自己也有大約 30% 的時候跟預期的讀音對不上。所以請把這些數字當成趨勢，而不是定論。

中文，照平常寫：這些容易唱錯的詞，只有大約三分之一照預期的讀音唱出來（在評分器能判斷的詞裡佔 36%）。

中文，加上拼音標註：在括號裡標出讀音，像是 長(zhǎng)大，完全沒有幫助。模型遵守了「不要唱出這些標註」的指示，然後就直接忽略它們：「長大」還是唱成 cháng dà。

中文，換成同音字：把容易出錯的字換成另一個同音、而且只有一種讀音的字，例如「長大」改成「掌大」（「掌」永遠讀 zhǎng），照預期讀音唱出來的比例就提高到大約三分之二（67%）。「音樂」「銀行」「朝著」和「調皮」進步最多。但這不是保證：重新測試時，四次演唱裡還是有兩次把「掌大」聽成 cháng。

日文，改寫成假名：把容易讀錯的詞從漢字改成假名（なまの声、ふたりのあいだ），錯誤率就降到 6–10%，接近英文的水準，而且沒有任何一個測試詞被讀錯。在日文上，加讀音標註一樣沒有用。

粵語：要求 Lyria 唱粵語時，它確實會唱粵語，而不是華語：嘅、唔、佢 這些只有粵語才有的字都唱得出來。至於聲調準不準，需要母語者親耳聽，自動測試取代不了。

自己動手修正

這些技巧適用於任何用文字輸入歌詞的 AI 音樂工具：

1. 找出有風險的詞：留意上表裡的字，以及任何「你要的讀音不是這個字最常見讀音」的詞。
2. 換成沒有歧義的同音字：挑一個同音、而且只有一種讀音的字：長大 → 掌大、音樂 → 音月、銀行 → 銀航、重新 → 蟲新、朝著 → 潮著、調皮 → 條皮。模型只需要聲音，替代字本身是什麼意思並不重要。
3. 日文就改寫成假名：生の声 → なまの声，間 → あいだ。
4. 原本的歌詞留著顯示用：替換過的版本只給模型看。字幕、歌詞影片和歌曲說明，都用你原本寫的歌詞。
5. 聽聽看成果：替換能提高唱對的機率，但不保證這一次一定唱對。生成兩個版本，留下唱對的那一個。

霓歌怎麼幫你做

霓歌的讀音檢查會在你花音符（點數）之前，自動幫你做完這些步驟。它會標出含有容易唸錯的字的歌詞行，建議模型能唱對的同音字或假名寫法，每個建議都可以接受或修改；你做過的替換會記下來，下次做歌時繼續用。歌曲頁上顯示的，永遠是你原本寫的歌詞。

如果查字典也判斷不出正確的讀音，讀音檢查會直接告訴你這個讀音是猜的，而不是默默替換，所以就算猜錯，也不會讓歌變得更糟。

用你自己的中文或日文歌詞試試看。新帳號送免費音符，夠你做好幾首歌。

關於這次測試

這是霓歌對 Google Lyria 3.5 做的內部基準測試，於 2026 年 10 月 22 日進行，並在讀音檢查上線後，於 10 月 23 日追加測試。歌詞是為這次測試寫的。辨識前先用 Demucs 分離人聲；華語讀音由 CTC 音素比對和拼音比對來評分，日文則用假名辨識。錯誤率是辨識出的人聲的字元錯誤率（英文參考值：5%）。