Google 花了四年,只為了讓地圖把一個名字唸對

七月初,Google 地圖開始用一把新的聲音對紐西蘭人說話。它以紐西蘭腔的英語唸出導航指示,而且——這才是重點——在唸的同時,把毛利語(Māori)地名唸對了。這次更新已推送到 Android、iOS、Android Auto 與 CarPlay,只要 App 語言設定為英語(紐西蘭)即可。以產品發表來說,這是一件小事。真正值得你注意的不是這個功能,而是它的帳單:Google 從 2022 年就啟動這個專案,2023 年與毛利語言委員會 Te Taura Whiri i te reo Māori 簽下合作,並花了大約六個月訓練語音合成模型。四年,只為了一把會好好唸名字的聲音。

想想壞掉的是什麼。舊的那把聲音,唸英文句子沒問題。它跌倒的地方,是嵌在句子裡的專有名詞——那個郊區、那條街、那個你其實正豎起耳朵在等的轉彎。Te Taura Whiri 執行長 Ngahiwi Apanui-Barr 就講過,他自己開車回家的路上被搞糊塗:威靈頓的 Ngaio 郊區,被唸成了近似「N-gayo」的音——毛利語裡的雙字母「ng」,被壓平成了英語的唸法。名字周圍的一切都是對的,只有名字錯了。而在一句導航指示裡,名字就是全部的內容,其餘的都只是包裝。

那麼,這家擁有全球數一數二算力的公司,是怎麼解決的?不是把模型一路放大到問題自己消失。它去找了一個人。這把新聲音,是用一位紐西蘭配音員的錄音訓練出來的,而挑中他的原因是一組相當罕見的組合:道地的紐西蘭英語口音,加上真正正確的毛利語發音。Google 把這些錄音,搭配紐西蘭地理委員會(New Zealand Geographic Board)的公開資料,再由語言委員會來定標準。換句話說,解方是一位本來就知道這些名字該怎麼唸的母語者,以及一個能一槌定音、判定機器有沒有唸對的權威機構。

這則故事還有下半段,多數報導一筆帶過,但那才是更有意思的一半。Google 並沒有把這套詞庫拿走就算了。從這項工作產出的毛利語詞庫,由 Te Taura Whiri 擔任 kaitiaki——守護者——而官方說明的長期規劃,是把保管權交給一個由毛利語言與資訊專家組成的專責小組,好讓毛利族的研究者與社群能取用這份資料並從中受益。這是一個關於「來源歸屬」的決定,不是關於「品質」的決定。有人問的不只是「發音對不對」,而是「這個語言屬於誰、未來由誰說了算」。

現在,把這件事拉回你手上正要出的那支案子。你的專案裡也有專有名詞:一個品牌名、一條產品線、廣告裡的一個地址、遊戲裡的一個角色名。這些正好是通用模型最沒有理由唸對的字——它們罕見、它們打破模型學到的拼讀規則,而且它們常常來自跟句子本身不同的語言,這正是 Ngaio 問題換了一身衣服而已。中文只會讓情況更糟而不是更好:多音字意味著同一個字有兩種讀法,而名字裡讀錯的那一下,聽起來不像口音,聽起來像另一個詞。

而模型不會替你標出任何一個。它唸壞掉的名字時,用的是跟唸其他句子完全一樣的流暢與自信,因為它根本沒有「我犯錯了」這個概念。如果你的流程裡沒有人懂那個語言,錯誤就這樣直接出貨。Apanui-Barr 說明這件事為何重要的角度值得借用:地名承載著故事,而「解鎖這些故事的第一步,就是正確的發音」。把你自己的名詞代進去。一位聽到自己住的郊區、自己的語言,或你的品牌名被唸錯的客戶,腦中想的不是你的模型。他想的是:你根本沒檢查。

這正是 Onyx Studios 的運作形狀,而我們會走到這裡,不是因為我們聰明——是因為我們先是一間台灣的配音公司,從 2008 年做到現在,旗下超過 1,500 位專業配音員。每一份交付在送到客戶手上前,都會經過一位母語人士驗證,而專有名詞正是我們把關最嚴的檢查點:人名、品牌、數字,以及每一個要看語境才能定讀音的多音字。過了就出貨;沒過,我們在你聽到之前就修掉。來源歸屬也是同一套——我們聲音庫裡的每一把 AI 聲音,都能追溯到一位有名有姓的專業配音員,他在明確的授權書下錄音,文件留存在案,而我們拿得出來給你看。

這個教訓很划算,因為那四年是別人花的。Google 完全有理由相信,模型只要夠大,終究會把 Ngaio 唸對——但它還是請了一位母語者,並找一個權威機構來把標準守住。你的行銷案預算更小、期限更短,而裡面藏著的,是一模一樣的失效模式。所以問題不是 AI 能不能唸你的稿子——它能,又快又便宜。問題是:在你的客戶聽見之前,是誰在檢查那些名字?把稿子交給我們,這一段我們已經包了。