刘美含被“铸币坊”读音难倒，5款AI答案各异显语言短板

近日，演员刘美含为新剧配音时因“铸币坊”中“坊”字读音存疑，求助百度、DeepSeek、腾讯元宝、阿里千问及豆包5款主流AI工具，却得到五花八门的答案——甚至同一豆包在不同设备上给出的读音也不同。最终她通过新华词典App确认正确读音为fáng，这一事件直指当前主流AI工具在中文语言准确性上存在明显短板。

影视配音对字音的严谨性近乎苛刻，演员刘美含近期就因一个字的读音陷入两难。在为新剧配音的过程中，她遇到“铸币坊”一词，其中“坊”字的读音让她拿不准——是读表示小手工业者工作场所的fáng，还是表示街巷的fāng？抱着试试的心态，她将目光投向了当前市场上的主流AI工具。

刘美含先后求助了百度、DeepSeek、腾讯元宝、阿里千问和豆包5款AI工具，得到的结果却五花八门：百度给出的读音是fáng，DeepSeek、腾讯元宝和阿里千问则一致建议读fāng，最让人意外的是豆包——同一模型在不同设备上给出的读音截然不同，有的设备显示读fáng，有的则标注为fāng。

最终，她通过新华词典App确认了正确读音为fáng，对应“小手工业者的工作场所”这一语境。这一过程不仅让她哭笑不得，更直接暴露了当下AI工具在中文语言细节处理上的短板。

近年来，大语言模型在内容创作、信息检索、智能对话等领域表现亮眼，但在多音字、生僻字词的语境适配等细节问题上，却时常出现偏差。一方面，AI训练数据中可能混杂了不同场景下的字音使用案例，模型未能精准识别具体语境下的正确读音；另一方面，部分AI工具在多端部署时，可能因版本迭代、局部微调数据不同，导致同一模型输出结果不一致。

对于需要精准字音的场景（如配音、出版、教育）来说，这样的偏差无疑会影响用户对AI工具的信任度。

要解决这类问题，AI厂商需要在多个维度优化：首先，可接入新华词典等权威语料库作为校准依据，提升模型对标准字音的判断能力；其次，强化模型的语境识别逻辑，让AI能根据词汇的具体使用场景匹配正确读音；此外，还需统一多端模型的训练和微调标准，避免同一工具在不同设备上出现输出差异。

只有在细节上做到严谨可靠，AI工具才能从“能用”升级为“好用”，真正成为用户可信赖的知识助手。