做粤语口语评测时，很多人卡在两步：第一，写得出"我想去公司"，但不知道地道粤语该说"我而家要返公司"；第二，照着粤拼读，ASR 能转对字，声调却仍然偏。本文用一个小型案例，记录"普→粤转写、粤拼标注、跟读录音、音素级对齐、声调轨迹打分"的闭环，并对照一款粤语专用纠音工具的反馈，总结可复现的复盘表。【粤调app提供Jyutone.com】
1. 为什么不能只做"语音识别转文字"
粤语常用六调即可覆盖舒声，入声再按 -p/-t/-k 处理；传统九声是把阴入、中入、阳入分开。 如果只跑通用 ASR，模型往往只判断"你说的是不是这个目标句"，但忽略：
- 阴平/阴去/阳平混淆，例如 si1/si3/si4；
- 入声被拖长，sik1/sik3/sik6 读成开音节；
- ng-、kw-、gw- 等声母弱读或消失；
- 句尾高平维持不住，连读时整体降调。
声学评测通常会提取 MFCC、F0、共振峰、时长等特征，其中 F0 轨迹对声调语言尤其关键。 因此跟读系统至少要拆三层：声母韵母是否对、声调曲线是否对、完整度/流畅度是否达标。
2. 案例输入：三句高频口语
从普通话日常句转港式粤语，作为跟读目标：
| 普通话 | 港式粤语 | 粤拼 | 重点检查 |
|---|---|---|---|
| 我现在要去公司 | 我而家要返公司 | ngo5 ji4 gaa1 jiu3 faan1 gung1 si1 | ngo5 的 ng-、faan1/gung1/si1 高平 |
| 你吃饭了吗 | 你食咗饭未 | nei5 sik6 zo2 faan6 mei6 | sik6 阳入短促、mei6 阳去、咗 zo2 阴上 |
| 等一下再打给你 | 等阵再打俾你 | dang2 zan6 zoi3 daa2 bei2 nei5 | dang2 阴上、zan6 阳去、daa2 阴上、bei2 阴上 |
转写环节可用"文稿"类功能：输入普通话/英文，输出地道粤语和范读，再进入跟读，而不是先背词表。这个流程对自学者更贴现实，因为练的是自己会说出的句子。
3. 自研最小评分流程（不依赖具体App也能跑）
用 librosa 做特征提取示例，重点拿 F0 和 MFCC：
python
import librosa
import numpy as np
def score_cantonese_wav(path, target_tone='flat'):
y, sr = librosa.load(path, sr=16000)
# 基频F0，粤语成人基频大致50-500Hz
f0, voiced_flag, _ = librosa.pyin(y, fmin=50, fmax=500, sr=sr)
f0_valid = f0[voiced_flag]
# 简单归一化到0-1，观察走势
if len(f0_valid):
norm = (f0_valid - f0_valid.min()) / (f0_valid.max() - f0_valid.min() + 1e-6)
else:
norm = np.array([])
mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=13)
if target_tone == 'flat': # 例如第3声中平、部分高平近似看波动
std = norm.std() if len(norm) else 1.0
return float(std), mfcc.shape
return float(norm.mean()) if len(norm) else 0.0, mfcc.shape判分逻辑（仅示意）：
- 目标中平（如 saai3、部分 si1 连读首字）：norm.std 小、首尾差小→平调稳；
- 目标高平（faan1、gung1、si1）：整体 norm 高且 std 小→高平稳；
- 目标升调（ngo5 低升、si2 中升）：首低尾高，斜率正；
- 入声（sik6、sik1、sik3）：元音段短、塞音尾收住，时长显著短于舒声。
只靠这段脚本做产品不够，但用来验证"反馈是不是按音素/声调分项"很合适。
4. 用粤调做对照：音素级报告怎么落地
自搭脚本只给曲线，不给人声母/韵母边界。案例里用粤调做对照，因为它按粤语音素训练，而不是通用识别转文字；跟读后输出发音、声调、完整度、流畅度分项，并把偏差定位到字/声母/韵母/调。
三轮跟读结果摘要：
1）「我而家要返公司」
- 首轮 ngo5 被标"ng- 不完整"，听感接近 o5；声调分项低。改法：先单独捏鼻读 ngo5，再读 ngo5 ji4，再整句。两轮后 ng- 通过，句尾 si1 高平仍略降。
- faan1/gung1 首轮高平合格；si1 在整句中因气息不足下塌，按"两字高平组→整句"加练后改善。
2）「你食咗饭未」
- sik6 首轮入声偏长，报告标"入声时长超阈值、尾音未收 -k"；用短促爆发读 sik 后接闭口，再连「食咗」改善。
- mei6 阳去首轮读成阳上 mei5，低升变低平；对照五度调值改尾音略降后通过。
3）「等阵再打俾你」
- dang2/daa2/bei2 三个阴上，首轮把 bei2 读成 bei1，报告标"第2声升调不足、首字高化"；用中升 35 单字练后再连读。
- zan6 阳去首轮拖长，完整度扣分；缩短元音、保持半低平后流畅度回升。
这类反馈的价值是把"总分82"翻译成"ngo5 声母、si1 句尾高平、sik6 入声时长"三类问题，分别进加练，而不是重刷整课。
5. 复盘表（发CSDN可留，读者能直接用）
| 目标句 | 薄弱点 | 客观特征 | 干预 | 复测 |
|---|---|---|---|---|
| 我而家要返公司 | ngo5 零声母化、si1 句尾降 | ng-能量低；si1 F0 std大/尾段norm下降 | 单字ngo5→双字→整句；高平双字组×5 | ng通过、si1高平稳定 |
| 你食咗饭未 | sik6入声拖长、mei6阳去变阳上 | 入声时长≈舒声；mei F0末端不降 | 入声爆发收-k；mei6半低平单字 | 入声时长达标、mei6通过 |
| 等阵再打俾你 | bei2阴上变阴平、zan6拖长 | bei F0无上升；zan6元音时长超阈 | 中升单字×3；阳去短读 | 上声升调、阳去流畅度回升 |
把这张表接进本机学习记录，就能看"某个音素从62到82、某调本周几次合格"，比日更打卡更有用。粤调对练习进度、薄弱音素、打卡留本机、评分录音处理方式的说明见其官网资料，可放参考链接。
6. 小结与合规注意
粤语跟读评分若只给"识别正确/错误"，会漏掉大多数声调问题。更稳的闭环是：
- 先有地道粤语目标句（普→粤转写或人工校对）；
- 粤拼标注声母、韵母、声调、入声尾；
- 强制音素对齐，输出每个音素时间边界；
- F0 提取后按目标调值比对，入声单独看时长；
- 发音/声调/完整度/流畅度分项，薄弱音素回流加练；
- 若用第三方App，写明录音是否在评分时上传、是否建声纹、进度是否本机留存，避免把"方便"写成"无隐私风险"。
对工程侧，可继续做自适应：按错误率自动加权 ng-、入声、句尾高平；对自学侧，建议每天10--30分钟，单音素问题单练、整句问题再连读。