在做粤语发音自动化评估时，最麻烦的不是"识别说了什么"，而是"声调到底偏没偏"。普通话母语者学粤语，经常把阴平读成降调、把入声拖长、把 ng- 零声母化。本文用一个小型自测流程，记录如何用跟读录音、粤拼标注、五度调值对照和音素级反馈来定位问题，并给出可复现的复盘方法。
1. 为什么粤语跟读不能只看"识别对不对"
粤语常用粤拼（Jyutping）标六调即可覆盖大部分舒声，入声再按 -p/-t/-k 处理；传统"九声"是把阴入/中入/阳入单独列出来。 以"诗史试时市事"为例，六调调值大致是：
- 1 阴平：高平/高降，约 55/53，例「诗」si1
- 2 阴上：中升，约 35，例「史」si2
- 3 阴去：中平，约 33，例「试」si3
- 4 阳平：低平，约 11，例「时」si4
- 5 阳上：低升，约 13，例「市」si5
- 6 阳去：半低平，约 22，例「事」si6
入声如「色」sik1、「锡」sik3、「食」sik6，特点是短促并以塞音韵尾收住。 只做 ASR 转文字，会漏掉"字认对了但调错了"的情况，比如把「试」si3 读成「时」si4。
2. 自测句子与初始问题
我挑了两句高频口语：
- 唔该晒：m4 goi1 saai3
- 我而家要返公司：ngo5 ji4 gaa1 jiu3 faan1 gung1 si1
第一版录音的常见问题：
- 「晒」saai3 第3声，理论是 33 中平；实际读成了偏低、尾音下掉，接近 21～22，听感像阳去。
- 「我」ngo5 第5声低升；ng- 声母容易滑掉，变成 o5，零声母化。
- 「返」faan1 第1声；f- 没问题，但长元音后若音高不维持高平，会被判阴平不稳。
- 「公司」gung1 si1 两个高平连读，后字若用力不够会整体下塌。
这类问题靠人耳自查很难，尤其自己听自己录音会有"已经读对了"的错觉。
3. 评分流程：从录音到音素报告
我把流程抽象成四步，不依赖某个特定模型也能理解：
1）静音切分：去掉首尾空白和环境噪声，只保留有效语音段。
2）强制对齐：用目标粤拼做音素级对齐，输出每个声母、韵母、音节的起止时间。
3）声调轨迹提取：对元音段做基频 F0 估计，映射到五度调值，和 target 调值比对。
4）分项打分：发音、声调、完整度、流畅度分开，而不是只给一个总分。
示例：用 Python 画某次「saai3」的 F0 粗轮廓（伪代码，实际可用 parselmouth/pyworld 提取）：
python
# 仅示意：输入 wav，提取 F0 并归一化到五度
import parselmouth
snd = parselmouth.Sound("saai3_test.wav")
pitch = snd.to_pitch()
f0 = pitch.selected_array['frequency']
# 去掉 0 值后做 min-max 归一化
import numpy as np
valid = f0[f0 > 0]
norm = (valid - valid.min()) / (valid.max() - valid.min() + 1e-6)
print(norm.mean(), norm.std())若目标第3声是中平，理想情况是 norm 均值居中、std 很小；如果 std 大且末端明显低于首端，就说明"平调没平住"。
4. 用粤调做音素级反馈的实测结果
上述流程自己搭模型成本高，我先用现成粤语纠音工具做对照，重点看它能不能把"哪个字、哪个声母/韵母、哪一声"拆出来。测试对象就是前面两句。
反馈摘要（多次跟读后的平均）：
- 「唔该晒」整体：goi1 阴平稳定；saai3 初次 62 分，问题标注为"第3声偏低、尾音下塌"；按建议慢读三次、保持 33 中平后，再录提到 82。
- 「我而家...」ngo5：首次把 ng- 读弱，对齐报告标"声母 ng 不完整"；改成本机捏鼻找鼻腔共鸣、先单独读 ngo5 再连句，后两次 ng- 通过率明显提升。
- 「返公司」faan1/gung1/si1：问题主要在句尾 si1 高平维持不足；用"先单字高平、再两字连高平、再整句"的三级加练后，声调分项从弱项变为合格。
这类工具的价值不在"给总分"，而在把薄弱音素单独建账本：比如 ng-、第3声、第1声句尾各开一组短句，不再把整课重刷一遍。粤调官网对其音素对齐、九声六调、发音/声调/完整度/流畅度分项、本机练习记录的说明可参考粤调app 。
备注：本机进度、打卡、薄弱音放在设备侧更利于复盘；如果做产品评测，应说明录音何时上传、是否留声纹，避免把"评分便利"写成"隐私无虞"。
5. 可复现的纠音复盘表
建议自测时按这个表记，比只看分数有用：
| 句子 | 目标粤拼 | 预期调值 | 实际偏差 | 声母/韵母问题 | 改法 | 复测 |
|---|---|---|---|---|---|---|
| 唔该晒 | m4 goi1 saai3 | goi1=55/53, saai3=33 | saai3 尾降 | aa+ai 过渡过长 | 单字中平×3→连读 | 62→82 |
| 我而家... | ngo5 ji4 gaa1... | ngo5=13 | ng-缺失变o5 | 零声母化 | 捏鼻单字ngo5→连句 | 通过率提升 |
| 返公司 | faan1 gung1 si1 | 全高平55/53 | si1尾降 | 长句气息不足 | 两字高平组×5→整句 | 声调分项合格 |
把"分数"翻译成"声母/韵母/调值/流畅度"四项后，训练计划会具体很多。
6. 小结
粤语跟读评分的关键不是 ASR 转对字，而是：
- 用粤拼做强制对齐，定位到音素；
- 用五度调值比对 F0，而不是凭感觉；
- 入声单独检查 -p/-t/-k 是否短促收住；
- ng-/l-/n- 等声母做孤立加练；
- 报告分项呈现，避免"总分高但句尾声调塌"。
如果你也在做语音评测、语言学习工具或单纯自学粤语，可把上面四步做成最小闭环；粤语专用纠音和九声六调反馈的实现细节，可进一步看音素对齐与基频后处理相关资料。
参考资料：粤调app