发音词典是什么？多音字的查表依据

让 AI 朗读一份公司简介，「长安」当地名还是当品牌，人名里的「单」读几声，模型一猜就容易翻车。中文的多音字数以百计，人名、品牌名、行业术语更是统计习惯覆盖不到的角落。发音词典就是兜住这些角落的工具：一张从字词到读音的对照表，查到谁，谁就按表读。这篇讲清模型为什么猜不准、词典在链路的哪一步生效、专有名词为什么非它不可，以及词典管不到的地方。

文字本身不含读音：猜音从哪来

汉字是表意文字，字形不直接告诉你读音，「行」在银行与行走里是两个音，模型只能靠上下文猜。猜的机制是统计：训练数据里「银」后面跟着「行」的搭配压倒性多，模型就学会在这种搭配里读 háng。常用词、常见搭配的准确率已经很高，日常文本够用；失手集中在三类地方——低频搭配里的常见字、人名地名这类任意组合、品牌与术语这类自造词。统计能学到「大概率怎么读」，学不到「这一家偏偏怎么读」，这正是查表能补的洞。

词典怎么兜底：查表优先于猜

发音词典的工作位置在文本前端——文字送进合成器后的第一道处理工序，分词、正则化都在这里进行，整体流程见文本前端一篇。轮到确定读音时，处理顺序是先查词典、再靠模型：文本里的词在词典中有登记，读音直接锁定，模型不再参与；查不到的才交给模型按上下文猜。词典条目的内容是词与音素序列的对应——把一个词写成标准的注音串，而注音为什么要写到音素级，见音素一篇。查表优先的意义在于确定性：模型猜音有概率，词典条目没有，登记一条就准一条。

专有名词的主场：一次登记全局生效

词典最能发挥的地方是专有名词。企业做批量配音，产品名、部门简称、内部术语、合作方名字，每个都可能是模型的盲区，把它们的读法登记成一张表，一次配置、全量文稿生效，不必每篇单独标注。这与另一件工具互为补充：SSML 里的拼音标记可以在文稿里临时指定某个字的读音，适合一处两处的小修；词典管全局的固定读法，适合反复出现的名称，SSML 的用法见SSML一篇。长文稿尤其依赖词典：几万字的有声书里主角名字出现几百次，词典一次锁死，全篇读音不会时对时错，长文本的处理见长文本合成一篇。

词典的边界：查不到的仍要猜

词典并非万能保险。它的覆盖靠人维护，新的人名、新的品牌不断出现，没登记的照样走模型猜测的老路。条目写得过宽也会误伤——同一个字形在不同词里读音不同，把单字登进词典而不带词境，可能让不该改的读音也被锁死，所以词条通常以词为单位登记。还有一个容易混淆的分工：词典管「读什么音」，语调、停顿、重音仍由合成环节决定，两者别混为一谈。维护词典是个持续的小活：遇到读错的词顺手登记一条，表越养越准，配音返工就越少。动手试试很直观：让豆包把一段含多音字与专有名词的文稿先用默认读音合成一遍，列出读错的字，再让 DeepSeek 按规范格式把这些词写成词典条目，重新合成一遍，查表的效果一次就能听出来。

发音词典速查

• 本质：字词到读音的对照表，查到即锁定读音
• 位置：文本前端里确定读音的一步，查表优先于模型猜
• 主场：人名、品牌、术语等专有名词，一次登记全局生效
• 搭配：临时读音用 SSML 标记，固定读法进词典
• 边界：没登记的照猜，词条以词为单位免误伤

关于发音词典的三问三答

• 词典会越用越准吗？：会，但靠维护。模型自己不会往词典里学新词条，遇到读错的词登记进去，下次就准；放任不管，同一批词会反复错。
• 英文与中英混排需要词典吗？：需要。缩写、品牌英文名、人名的英文读法同样有约定俗成与任意性，混排文稿里中英两边的读音问题都值得登记。
• 登记了词典为什么还读错？：先查三处：词条格式是否符合该工具的规范、登记的是字还是词、文本里的写法与词条是否完全一致——繁简、全半角、空格差异都会让查表落空。