识别已解决、合成差半个调就是事故：海峡姬音攻方言合成最难一关
海峡姬音做汉语方言语音基座模型，十门方言已接入、四门商用，11个政企项目完成验收。
汉语方言语音基座模型服务商海峡姬音（StraitsVoice AI）已启动天使轮融资，计划融资500万元、出让5%股权。资金按四个方向投放：研发与模型迭代（含算力扩容）40%、语料采录与授权20%、市场与渠道20%、团队补齐20%。
一、方言AI的最后一段路，卡在声调上
阿嬷一辈子只说客家话。台胞廖昌威拍过她，片子叫《阿嬷的燈》，后来在中央广播电视总台中秋特别节目里播出。片子放完，该走的还是走了。
“机器能听懂她那种话，但说不出她那个味。”廖昌威说，“差半个调，意思就变了。”
在客家话里，“食”和“死”只隔一个声调。错了不是不好听，是讲错话。
语音识别这一侧，问题已经解决得差不多。科大讯飞今年9月发布的语音基座大模型Spark-Audio-1.0-Preview，支持99种语言、202种方言识别。听懂，不再是难题。
合成是另一回事。识别要“听懂”，差一点不影响结果；合成要“说对”，半个调就是事故。
更难的是唱。方言的声调，说话时承载语义，唱歌时要服从旋律。两套规则在同一段音频上互相拉扯：跟着旋律走，字就倒了；死守声调，旋律就散了。到今天，方言演唱还没有一款真正商用的产品。
这件事不止是汉语的事。全世界有声调的语言不多，汉语族是其中最大的一支，泰语、越南语、缅甸语全是有声调语言。一套能解决汉语方言声调与旋律冲突的方法，往下可以复用到整个东南亚。据国务院侨办公开数据，海外华侨华人超过6000万，东南亚是最大的一块，他们的孩子已经在当地长大，母语在断。跨境电商往东南亚卖货，用闽南语、客家话讲一句，比任何广告词都近。
市场这一端，今年已经给过一次回答。潮汕方言电影《给阿嬷的情书》4月30日上映、9月30日收官，国内票房20.05亿元，观影人次5882万，海外票房突破1亿元，登顶新加坡年度华语片票房榜。这部片子投资1400万元、全员素人出演、95%对白是潮汕话。观众不缺，缺的是能稳定产出的工具。
海峡姬音把时间点押在三个变化上。需求端，地方政府在做乡土文化传承，博物馆在做方言导览，文旅在做方言形象片，预算一直在释放，只是过去找不到能交付的人。技术端，混合专家架构把新方言的接入成本压了下来，端侧算力也在往上走，车机、手机、工业设备能离线跑语音模型，方言第一次有了“装进去”的地方。供给端，通用大模型停在大语种——不是不能做方言，是数据不经济。
二、只做最底下那一层
海峡姬音选的是最底下那层：不做App，不做小程序，做那个让别人的产品能开口讲方言的东西。
底层是MoE 70B混合专家架构。把一个大模型拆成一个个独立的方言小专家，需要哪一门方言，就唤醒对应模块工作，单次推理动用的参数不到三成。上新一门方言只要两到四周，训练数据量和算力成本都跟着降下来。再配上IPA国际音标发音体系，不同方言语种按同一套规则接进来。
撑着这层能力的是三样东西。
一是 5000万字级母语采录、授权完整的标注语料库。采录即签约、引用即授权、委托即锁定，每一段母音都有授权书，标注成果完成知识产权确权登记，逝者的声音不做克隆。
二是 20万条覆盖声韵调、连读变调、文白异读的音系规则库，IPA转写到音素级，同一个字在不同方言里的实际读音，能一条一条对上。
三是 自研的声调拆分与旋律约束方法。两项已授权发明专利（CN202411849270.X、CN202510627552.3）护住“声调—旋律映射”，另有35项软件著作权。方法是把声调从“对/错”的标签变成一条连续的音高轨迹，把旋律从“必须服从”的模板变成可以局部让步的约束，再把冲突点显式标出来——人耳审听只听可疑的那几个字，不用从头听到尾。
还有一样别人最难拿走的：一套附带旋律、唱腔、情感标注的方言声乐语料库，旋律结构、地方唱腔、情感标注、原始素材四层都在里面。
“这套东西的复制成本不在算法，在时间。”廖昌威说，“五千万字语料要一句一句录，二十万条音系规则要一条一条标，母语审听的人要一年一年养。这三样买不到，只能耗。”
时间也摊在了成本曲线上。第一门方言从零到上线，投入在百万元级，一年出头回本；第二门只花第一门的三成，八到十个月回来；第三门起不到第一门的两成，半年多回来。语料、模型、评测集、客户关系都留在账上，第二门直接用。
汉语十大方言区已全部接入——官话、晋语、吴语、徽语、赣语、湘语、闽语、粤语、平话和土话、客家话。其中客家话、闽南话、粤语、福州话四门实现商用落地。福州话属闽语闽东片，跟闽南话不是一支，两门能同时跑，说明这个底座不是给某一门方言定制的。
普通话和乡音之间还做到了双向转换：老乡说方言，系统转成普通话给外地人看；外地人打一段普通话，系统用方言念出来给老乡听。单向的翻译工具遍地都是，双向的语音底座没有几家。
三、11张验收单，和它背后的账
付费方是机构，不是个人。
第一类是地方政府和文旅、宣传部门。节庆前要做一支方言形象片，预算二三十万，找本地歌手、外包摄制、再找人译配，三个月，还常常赶不上节点。他们要的不是技术，是一件刚好买得起、刚好来得及的东西。
第二类是景区、博物馆、广电融媒体、车企、银行、政务大厅和养老机构——同一句提示音，普通话版没人记得住，方言版一响，老人抬头了。第三类是不会说普通话的老人，他们要打热线、去银行、进医院、办社保，说不清就办不成。
对应五条收入路径：政企内容定制，做方言短片、MV、宣传片、非遗数字化；方言大模型技术服务，提供本地化部署、语音交互、AI音色、数字人方案；智能硬件配套，给博物馆做方言导览、给教育产品做方言互动、给文创叠加乡音交互；海外发行，面向东南亚和全球华人社群输出方言音乐与短视频IP；再往外是IP联名与赛事赞助。
单项目报价30万到200万元级，交付周期三个月左右，毛利率55%到65%，能力授权类业务毛利可达七成以上。政企回款六到九个月是常态，公司为此定了三条硬规矩：单项目垫资不超过30万，预付款不低于30%，同时在跑的项目最多4个。
进展分两层看。方言业务已经交付的，是小鹏汽车的车载方言语音包、赣州市委宣传部、青岛文旅，端侧模组进入小批量送样，正在跟车企和机器人厂商联调。中国移动、国家电网、中国邮政、光大银行属于集团级客户关系，此前交付的是影视与数字人业务——这条关系可以作为方言业务的渠道复用，但不能算成方言订单。
截至目前，公司完成11个政企与官媒项目验收；强口音、自然语速场景下，语音识别率超过九成。
作品端，客家方言作品《哎呀嘞·新长征再出发》入选学习强国长征90周年展播，《阿嬷的燈》在中央广播电视总台中秋特别节目播出，非遗题材《山海回响·声声不息》在卫视播出，华侨题材《嘉庚风骨》在各地侨联与对台平台播出。两岸AI创作类赛事也拿过几轮：《海上明月共潮生》获两岸（青岛）青年AI作品创作大赛动态视频赛道一等奖（1600余件参赛），《阿母欸紅龜粿》获第三届「京彩台湾」两岸青年AI创作特别单元三等奖（514部参赛），《等你平安歸來》获第四届上海国际AIGC创新大赛最佳短剧剧本奖。
2026年公司营收预计300万到500万元，全部来自经营现金流，此前未接受机构融资。
团队是两岸拼起来的。廖昌威来自中国台湾，祖籍广东梅州五华，客家话母语者，闽南语、粤语也能讲，做AI影像与多模态内容十二年。方言语文总监廖庆镇同样来自中国台湾，台湾世新大学新闻传播学院硕士，精通普通话、闽南语、客家话、英语、日语、韩语六种语言，逐音校正发音、语调、音韵和音标。国际业务负责人林志勋握有海外华人媒体的发行渠道，主攻东南亚。安英南有十四年政企大客户开发与项目交付经验，服务过国家电网、中国移动、中国邮政等央国企。核心团队5人，其中3位台湾同胞母语者；12位工程师分布在语音识别、语音合成、音色克隆、音系标注、模型工程五个方向；5位两岸高校教授担任学术顾问。
“语言在哪儿活着，就去哪儿录；工程在哪儿，就在哪儿做；华人在哪儿，就去哪儿卖。”廖昌威说。
短板也清楚。直销只有一个人，正在对接运营商、系统集成商拓展渠道；海外市场合规体系还在搭；算力要扩；更缺的是能带场景进来的产业资本——文旅集团、传媒机构手里的景区、节庆、频道资源，比钱值钱。
这一轮500万元，出让5%，钱主要花在算力、语料和渠道上。投资人优先考虑能带订单或渠道的产业资本——文旅集团、传媒机构、运营商、终端厂商。
方言这件事，从来不是缺人怀念，是缺人使用。
