轉譯辭典

用錄音記下一個人親口講的過去。它珍貴的地方也正是它麻煩的地方：記憶會挑選、會美化、會把兩件事記成一件，但這些偏差本身就是史料——它告訴你這個人怎麼理解自己活過的年代。口述歷史不追求「客觀正確」，它追求的是把一種只存在於某個人腦中的版本，趕在它消失前留下來。做這件事永遠在跟時間賽跑。

在艷世工作流中，這是田野採集裡最難處理、也最不能被自動化的素材：機器可以轉出逐字稿，但哪句是事實、哪句是心情，只能由人判斷。

當天在現場、或當晚趁記憶還熱時寫下的紀錄。它不追求文采，寫的是氣味、光線、誰說了什麼、自己當下閃過的念頭與疑問——連「這裡怪怪的但說不上來」都要記下。田野筆記的價值在於它的粗糙與即時：過一週再補，細節就掉了，情緒也涼了。它是原料，不是成品，但沒有這批原料，後面所有的整理與書寫都是無源之水。

在艷世工作流中，田野筆記是餵給結構化引擎的第一手輸入，也是我們最在意的護城河：AI 能整理筆記，卻寫不出一份它從未在場的筆記。

走進現場蒐集第一手材料的研究方法：實地走訪、攝影記錄、口述訪談、史料蒐集。田野是一切轉譯的源頭——沒有走過的路、沒有聽過的話，AI 再強也生不出來。

在艷世工作流中，這是第一站，也是唯一無法被自動化的一站。

只有長住在一個地方的人才會的那種懂：哪條巷子下雨會積水、哪家的老闆問起某件事會臉色一變、廟會的動線為什麼是這樣繞。這種知識大多沒被寫下來，靠日子一天天累積、靠人與人之間口耳相傳，外人查再多資料也拼不出來。它提醒我們，地方不是地圖上的一塊區域，而是一整套只在當地才成立的常識與默契。

在艷世工作流中，地方知識是判斷素材真偽與分寸的底層依據：AI 給得出通用答案，但一句話在當地到底恰不恰當，得靠人帶著這份知識來把關。

不是站在外面看，而是走進去一起做。跟著攤販顧一個下午的攤、陪著人走完一趟例行的路線，你才會發現訪談問不出來的東西——那些當事人覺得理所當然、根本不會特別提起的動作與默契。參與觀察的代價是慢，而且觀察者的在場多少會改變現場；它的回報是一種只有身體到過才寫得出來的細節。

在艷世工作流中，這是田野採集的另一半：口述提供「他們說的」，參與觀察補上「他們做的」，兩者對不上的地方，往往就是最值得寫的地方。

願意把自己知道的事講給你聽的那個人。他不是被研究的對象，而是帶你入門的引路人——地方的來歷、人際的分寸、哪裡能問哪裡不能問，都是靠他一點一點透露。報導人給的從來不只是資訊，還有一份信任，而信任是有重量的：他怎麼被寫、被引用、被呈現，關係到他往後在自己社群裡的處境。所以「怎麼保護他」和「他說了什麼」一樣重要。

在艷世工作流中，報導人的話進入人工查核這一關會被特別謹慎對待：可識別身分的細節該不該留、留多少，永遠先問過人，不交給流程自動決定。

一群人聚在一塊土地上生活久了，長出來的空間樣貌。它不只是房子的集合，而是路怎麼走、水往哪流、公廟擺在哪、家戶如何比鄰而居——這些安排背後，藏著一代代人對地形、生計與彼此關係的回應。讀懂一個聚落，等於讀懂一群人是怎麼決定要一起活下去的；它的紋理往往比任何文字紀錄都更老、更誠實。

在艷世工作流中，聚落是我們做地方研究時的基本單位：先把一個聚落的空間與脈絡弄清楚，後面的數位轉譯與典藏才有可以依附的骨架。

在自動化流程裡刻意保留人的判斷，讓機器負責量、人負責關鍵的決定。它不是找不到全自動方案的權宜之計，而是一種立場：有些事本來就不該全交給機器——判斷一段記憶重不重要、決定一個字該不該改、承擔內容出錯的後果。機器可以把選項備好、把繁瑣做完，但按下確認的手，得是知道自己在確認什麼的人。

在艷世工作流中，這不是某一站，而是整條流程的原則：AI 處理繁瑣，準確性與觀點永遠由人把關。

在海量文字上訓練出來、擅長預測下一個字的模型，也就是這幾年各種 AI 對話工具背後的引擎。它很會整理、改寫、歸類、翻譯，能在幾秒內把一堆雜亂的筆記排成條理。但它沒有去過現場，不知道那條巷子的味道，也分不清哪句是史實、哪句是它自己補的；它給的是語言的形狀，不是真相。把它當成一個反應很快但需要有人盯著的助理，比當成專家更安全。

在艷世工作流中，它是貫穿多個站點的工具，負責繁瑣的整理與再製，準確性與觀點永遠留給人。

AI 用流暢的語氣說出不存在的事：捏造一個沒發生過的年代、補上一位查無此人的匠師、替一張老照片編出來歷。幻覺最危險的地方不是它會錯，而是它錯得很有自信、讀起來毫無破綻。在文化內容裡，一句聽起來很順的假話，可能就這樣被寫進地方史，日後很難再拔出來。所以我們對 AI 產出的每一個具體事實，都預設它可能是幻覺，直到有來源為止。

在艷世工作流中，第三站「人工查核」的存在，就是為了攔下這些說得太漂亮的錯誤。

把一段文字或一張影像，轉成一串數字座標，讓意義變成可以計算的位置。意思相近的東西，座標也彼此靠近——這是機器唯一能拿來衡量「像不像」的方式。它不理解內容，只是把語言壓成一個高維空間裡的點；壓縮總會有損失，語氣、反話、地方性的雙關，常在轉換時被抹平。所以向量能告訴你哪兩則素材可能相關，卻不能替你判斷它們為什麼相關，那一步仍得靠人回到原文去讀。

在艷世工作流中，這是把已查核的田野素材變成可計算語意的第一步，星圖原型（/atlas/）裡每一顆點，就是一則片段的向量表示。

專門存放向量、並能快速找出「最相近的幾個」的資料庫。一般資料庫問的是「哪一筆等於這個值」，向量資料庫問的是「哪幾筆最像這個意思」，靠的是計算座標之間的距離。它讓語意檢索變得可行：給一段話，就能撈出語境相近的段落，而不必逐字比對。但它只忠實反映餵進去的向量品質——若前一步的轉換失準，這裡再快也只是快速地找錯，垃圾進、垃圾出這條老規矩在此依然成立。

在艷世工作流中，它是檢索增強生成與語意星圖共用的底層索引，讓查核過的素材能被依意義而非關鍵字取用。

把上千維的向量壓成人眼能看的二維或三維，好讓語意關係變成一張可以觀看的圖。高維空間裡的鄰近關係無法直接想像，降維就是想辦法在攤平的過程中，盡量保住「誰和誰靠得近」這件事。但攤平必然扭曲：原本的距離會被拉伸或壓縮，看起來成群的點未必真的一類，兩點在圖上的遠近只是一種被建構的投影。所以降維後的座標該當成線索而非結論，用來提問，而不是用來下判斷。

在艷世工作流中，星圖原型（/atlas/）以 UMAP 把 1024 維向量降到三維，讓語意距離成為可旋轉、可質疑的空間，而非一句斷言。

把原本散落在段落、註腳、照片說明裡的資訊，整理成機器能穩定讀取的欄位與關係——誰、在哪、何時、與什麼有關。田野筆記本身是非結構化的：一段訪談裡可能同時藏著人名、地名、年代與一個沒說完的故事。結構化就是替這些內容標上位置，讓它們日後能被查找、串連、重新編排；但要小心，過度切割會把語氣與模糊地帶一起丟掉，而那往往才是內容真正的重量。

在艷世工作流中，這是第二站的產物：AI 負責把採集回來的素材拆成欄位，人負責決定哪些細節不該被拆。

把口說的聲音轉成文字。對做田野的人來說，它的價值不在省事，而在把一小時的訪談錄音變成可以搜尋、可以引用的逐字稿。但機器聽不懂台語的腔口、聽不出人名的正確寫法，也分不清誰在說話；遇到方言與專有名詞，它會用一個聽起來很像的詞把空缺填上。逐字稿是初稿，不是定稿——真正的辨識，發生在人回頭比對錄音的那一刻。

在艷世工作流中，我們用 Whisper 產出第一版逐字稿，讓人把時間留給查核與理解，而不是打字。

用向量之間的遠近，來估量兩段內容意思上有多接近。它不看字面是否重疊，而看轉換後的座標差多少——所以「攤位」與「市集」即使一字不同，也可能離得很近。這讓機器有了一種粗略的「像不像」的尺，能把散在不同檔案裡的相關素材牽到一起。但它終究只是模型眼中的距離，不等於真正的關聯：兩則片段在座標上靠近，可能揭示了一條線索，也可能只是模型被表面用詞誤導。距離提出假設，證實與否得靠人回到脈絡裡查。

在艷世工作流中，語意距離是星圖原型（/atlas/）的排列依據，讓研究者看見被檔案路徑切斷的關聯，再自行判斷那份鄰近是否成立。

讓 AI 回答之前，先去指定的資料裡查一遍，再根據查到的內容作答，而不是憑記憶自由發揮。做法是把可信的素材——逐字稿、史料、田野筆記——切段建立索引，回答時先檢索相關段落，再要求 AI 只依這些段落回應。它不能根治幻覺，但能把 AI 的話拴在真實材料上，還能追問「這句是從哪來的」。對地方研究來說，可溯源比聽起來聰明重要得多。

在艷世工作流中，這是把已查核的素材變成可問答介面的方法，讓典藏不只能讀，還能被追問。

讓數位材料在十年、二十年後仍然打得開、讀得懂的一整套做法。數位東西看起來永恆，其實很脆弱：格式會過時、連結會失效、平台會倒閉，一份存在某雲端服務的檔案，可能比一張泛黃的紙更早消失。長期保存承認這件事，於是選開放格式、留多份備份、把脈絡一起存下來，而不是賭某家公司永遠都在。

在艷世工作流中，這是貫穿全程的立場而非單一步驟：從第一站起就用能傳下去的格式做，而不是最後才補救。

用一份清楚的授權條款，事先講明別人可以怎麼使用你的作品——能不能轉載、能不能改作、要不要署名、可不可以商用。它的價值不在「免費送出」，而在把權利說清楚：模糊的「歡迎分享」其實最不利於流通，因為沒人敢用怕踩線。地方文化材料尤其需要開放，讓它能被引用、被再創作，才不會辛苦整理完就鎖進一個沒人進得來的房間。

在艷世工作流中，授權是典藏階段必須明確標注的一環：東西要能被看見，也要讓看見的人知道自己能做什麼、不能做什麼。

描述資料的資料：一張照片拍於何時何地、由誰記錄、屬於哪個主題、和哪些材料相關。它本身不是內容，卻決定了內容能不能被搜尋、被排序、被串連。多數人整理檔案時都想省掉這一步，因為它枯燥、看不見成果；但省掉的代價會在半年後、當你想找「那張下雨天的市場照片」卻怎麼也找不到時，一次還清。

在艷世工作流中，詮釋資料是第二站結構化引擎的主要產出，也是後面轉譯與典藏能否成立的地基。

把有保存價值的文化材料——照片、文件、聲音、影像——以數位形式系統性地收整、描述、存放起來。典藏的重點從來不是「掃進電腦」那一步，而是它之後能不能被找到、被理解、被引用。一批沒有分類、沒有脈絡、只躺在硬碟裡的檔案不是典藏，是墳場；真正的典藏要讓十年後的陌生人也能讀懂這份材料在講什麼。

在艷世工作流中，這是最後一站，也是回頭檢驗前五站有沒有做對的地方：轉譯得再漂亮，若無法長久被找回，等於沒做。

網站在發布前就把每個頁面預先產生好，使用者連進來時直接讀取現成檔案，不需要伺服器臨時運算、也不依賴後端資料庫。它的好處對文化內容特別實在：快、便宜、幾乎不會壞，而且十年後只要那幾個 HTML 檔還在，網站就還在。動態網站華麗，但它像一台需要持續供電的機器，一旦沒人維護、資料庫掛掉，整站就成了白畫面。

在艷世工作流中，這是多格式再製與典藏偏好的底層架構：用最少的活動零件，換最長的壽命。

把網站內容分散放到全球各地靠近使用者的節點上，誰連進來就從離他最近的地方回應，而不是所有人都繞到一台遠方的主機。對地方文化網站來說，這件事的意義很樸素：在台北看得順，在東京、在偏遠的網路環境下也不會慢到讓人放棄。它同時也是一種穩定性——沒有單一一台會壞掉的中央伺服器，內容被複製在很多地方，本身就是一種保存。

在艷世工作流中，這是靜態網站上線後的落地方式：把典藏好的成果送到最靠近讀者的地方，讓它既快又不易斷。

讓讀者用捲動、點擊、停留來決定故事的節奏，而不是被動地一頁頁翻過去。互動不等於花俏，多數炫技的動畫其實是在打斷閱讀。真正的互動敘事把讀者的動作變成敘事的一部分：往下捲，年份就前進；點開一張老照片，背後的來歷才浮現。它最怕的是為了互動而互動——如果拿掉那些效果故事依然成立，那些效果就是多餘的。畫面該替內容讓路，不是搶戲。

在艷世工作流中，這是數位轉譯階段的一種手法，決定田野素材在網站裡如何被讀；技術由我們搭建，但敘事的重心永遠押在內容而非特效上。

畫面不再是預先排好的固定版型，而是依當下的資料或使用者的動作，即時生成出來的介面。同一套規則，換一批素材就長出不同的樣子——版面、佈局、視覺元素由程式當場計算，而非設計師逐頁擺放。它的長處是能承載數量與變化都難以預先窮舉的內容；它的風險是把判斷讓渡給生成規則，一旦規則沒想清楚，介面會生出大量看似豐富、實則失焦的畫面。生成的是形式，值不值得被生成，仍是設計者要先回答的問題。

在艷世工作流中，這是多格式再製階段的取徑之一：由人訂下規則與邊界，讓程式依素材當場長出版面，而非為每則內容手工排版。

把散落的事件沿著時間排成一條線，讓人一眼看見先後與因果。時間軸看似最單純的呈現方式，其實最考驗判斷：哪些年份值得標記、哪段空白要保留、什麼事件並排在一起才顯出關係。地方的歷史很少是一條乾淨的直線，常有斷代、有查不到確切年份的口述記憶。誠實的時間軸會把「大約」與「不確定」也畫進去，而不是為了整齊硬填一個年份。它整理時間，但不該假裝時間本來就這麼整齊。

在艷世工作流中，時間軸是數位轉譯常用的一種結構，把結構化後的事件重新排序成可讀的敘事；年份的取捨與模糊地帶的標註，由人來把關。

人與機器輪流主導的介面：機器提出草案或選項，人做判斷與修正，主動權在兩者之間來回交接。它介於「全自動」與「全手工」之間——不是把工作丟給 AI 一鍵完成，也不是讓人從零做起，而是讓機器承擔繁瑣的初步整理，把每一個需要判斷的節點交還給人。設計得好，機器負責量、人負責準；設計得差，人淪為只是替機器的輸出按確認的橡皮圖章。關鍵在於，介面要讓人真的看得懂、也真的能否決，而不只是形式上參與。

在艷世工作流中，這正是人工查核環節的介面理想：AI 提出結構化草案，人保有隨時介入、推翻與改寫的主動權。

一種看待資料視覺化的態度：資料背後是具體的人與生活，不是可以無限抽象的數字。它由設計師 Giorgia Lupi 提出，反對把一切都壓成乾淨、冷靜、去脈絡的圖表，主張保留不完美、模糊與個別性——因為那些被四捨五入掉的細節，往往才是意義所在。它不是反對嚴謹，而是提醒：每一次抽象都是一次選擇，圖表從不客觀，它替製作者做了無數關於「什麼值得被看見」的決定。對地方研究尤其要緊，一份田野的重量常正落在那些不好量化的地方。

在艷世工作流中，這是貫穿數位轉譯的底線：把資料變好看之前，先確認沒有把人與脈絡一起抹平。

決定一份內容該怎麼分類、分層、連結，讓人找得到、也走得順。資訊架構是網站看不見的骨架，做得好的時候沒人會注意到它，做得差的時候每個人都會迷路。它不是把資料塞進現成的選單，而是先弄懂這批材料自己的邏輯——一批田野素材該按地點分、按年代分，還是按主題分，答案往往藏在材料裡而不是模板裡。硬套別人的架構，再漂亮的頁面也會讓人不知道自己在哪。

在艷世工作流中，資訊架構是把田野素材結構化時就要想清楚的第一件事，決定資料如何被組織與檢索；架構的判斷由人做，AI 負責照著架構把資料歸位。

在螢幕上重新編排文化材料，讓一堆各自為政的素材說出一句完整的話。策展的重點從來不是把東西擺出來，而是決定不擺什麼、先看什麼、兩張照片之間該留多少呼吸的距離。數位讓策展多了時間軸與捲動這兩個維度，但也讓人更容易貪心——把所有資料都塞進頁面，反而成了倉庫，不是展覽。好的數位策展懂得割捨，一個明確的觀點勝過一百則資訊。

在艷世工作流中，這是把結構化素材收攏成觀點的環節，坐落在數位轉譯與多格式再製之間；資料由 AI 整理，取捨與敘事由人決定。

把非數位形態的文化內容——訪談、手稿、老照片、口述記憶——重新編排為數位媒介能夠承載的形式。轉譯不是掃描，掃描只是複製；轉譯要重新決定敘事結構、視覺語言與互動方式，讓內容在新媒介裡重新活一次。

在艷世工作流中，這是第四站：結構化的素材在這裡變成互動網站、時間軸與展板。

用成千上萬顆獨立的點，而非連續的面，來構成一個畫面或形體。每顆點自成一筆資料，可以各自帶著座標、顏色與意義，聚散之間浮現出結構。點雲的好看不在單顆點，而在整體的疏密與聚合——它天生適合表現「很多筆各自獨立、卻又彼此有關」的資料。難的是節制：一旦點多起來，很容易滑向為炫技而炫技的粒子特效，讓人只記得畫面漂亮，卻讀不到底下的資訊。點該替意義服務，不是替效果服務。

在艷世工作流中，這是數位轉譯常用的一種視覺形式，星圖原型（/atlas/）便以每顆點對應一則田野片段，讓資料的聚合本身成為可讀的結構。