逐字稿的幻覺地圖：AI 訪談整理最常錯在哪

先看三段真實出過的錯。

第一段，一位受訪的老師傅講到他師承的兩位前輩，AI 整理出來的版本，把兩個人的名字對調了，連帶把其中一位的籍貫安到了另一位身上。第二段，受訪者原話是「那個時候喔，大家就……欸差不多啦，反正就是有做起來」，整理成文字後變成「當時眾人齊心協力，終於順利完成」。第三段更安靜：受訪者只是先後提到兩件事，AI 在中間補了一個「因此」，一個原本不存在的因果關係，就這樣長出來了。

這三段沒有一個是模型「壞掉」。它們都是模型在正常運作下，按照它被訓練的方式，做出的合理猜測。問題是，田野訪談最不需要的就是合理猜測。

錯誤一：人名地名張冠李戴

這是最容易被抓到、也最容易被漏掉的一種。容易抓到，是因為只要對照原始錄音就會發現；容易漏掉，是因為整理出來的文字讀起來完全通順，沒有任何破綻提醒你去查。

模型處理專有名詞時，傾向往它「聽過」的方向靠。一個不常見的地方老地名，它可能會校正成一個發音相近、但更常出現在語料裡的知名地名。一個在地宮廟的稱呼，可能被替換成另一間香火更盛、名字更常被提及的廟。人名之間的對調，則往往發生在一段話裡同時出現好幾個人的時候——模型知道有這些名字、也知道有這些事蹟，但把哪件事掛在誰身上，它是用機率補的。

對地方研究來說，這一種錯是致命的。地方史的價值，恰恰在於那些不常見的名字：某條已經改名的巷弄、某個只有在地人記得的稱呼、某位沒有留下文字紀錄的匠人。把它們「校正」成常見版本，等於把田野的核心給抹掉了。

錯誤二：把口語猜成書面語

口語是有洞的。人講話會停頓、會重複、會用「那個」「就是說」把想法慢慢兜出來，會講到一半改口。這些洞不是雜訊，它們是資訊——遲疑的地方，往往是這個人還在斟酌、或是不太願意講的地方。

AI 整理逐字稿時，天生想把這些洞填平。它把破碎的口語補成流暢的句子，把含糊的語氣改成肯定的陳述，把「差不多啦反正有做起來」寫成「終於順利完成」。文字變漂亮了，但那個受訪者真正的語氣——那種不太確定、有點隨口、甚至帶著保留的語氣——被燙平了。

這不只是風格問題。當一個人說「應該是那樣吧」，和「就是那樣」，是兩件事。前者是推測，後者是斷定。田野裡最有價值的，常常就是那些「應該」「大概」「我記得好像」——它們標記出記憶的邊界、標記出哪些是親歷、哪些是聽來的。把口語磨成書面語，等於把這些邊界全部擦掉，留下一份讀起來很確定、其實不知道哪句可信的稿子。

錯誤三：補完不存在的因果

這是三種裡最隱蔽的一種，因為它不改任何一個字，它只是在句子之間放進一個連接詞。

受訪者說了 A，接著說了 B。他可能只是想到什麼講什麼，兩件事之間沒有關係。但模型在生成通順文字時，傾向讓句子之間有邏輯流動，於是放進一個「因為」「所以」「後來」「因此」。一個因果、一個時序、一個轉折，憑空出現。讀的人不會起疑，因為它讀起來太順了。

在文化敘事裡，這種錯特別危險，因為地方故事本來就是靠因果串起來的：因為溪水改道所以聚落搬遷、因為產業沒落所以人口外移。這些因果有的是真的，有的是後人追溯時的想像。AI 補進來的那些「所以」，會混進真實的因果裡，而且長得一模一樣。等到這份稿子被引用、被再製、被寫進導覽詞，那個原本不存在的因果，就變成了地方的「歷史」。

為什麼文化內容的幻覺特別難抓

一般人談 AI 幻覺，想到的是它捏造一個不存在的論文、一段錯的法條——那種錯有標準答案，一查就破。

文化田野沒有標準答案。地方記憶本來就模糊、口述本來就會互相矛盾、同一件事不同人記得不一樣。這正是它珍貴的地方，也正是幻覺最好藏身的地方。當一切本來就不確定，你要怎麼分辨哪個不確定是受訪者的、哪個是模型加上去的？

而且這三種錯有一個共同點：它們都讓文字讀起來更好了。更通順、更肯定、更有故事性。錯誤通常長得很粗糙，但這裡的錯誤長得很精緻。你不會因為讀起來怪而停下來，你會因為讀起來太好而放下戒心。

所以人工查核不能省

我們的工作流裡，AI 負責的是「結構化」這一段：把幾個小時的錄音，收攏成可以逐句對照的稿件。但收攏完之後，一定有一關是人拿著原始錄音，一句一句對回去。

這一關很慢，也沒辦法自動化——因為要抓的，正是那些讀起來沒問題的地方。查核的人不是在找錯字，是在找那些「太順了」的句子：這個因果是他講的還是補的？這個名字對得上錄音嗎？這句肯定，原話真的這麼肯定嗎？

AI 幫我們省下的，是把三小時錄音打成逐字稿的體力。它省不掉的，是判斷哪句話可信的責任。這個責任一旦交出去，省下的時間，遲早會用在更貴的地方——某份導覽詞、某塊解說牌、某段被當成史實引用的敘述，錯了，而且沒人知道是從哪一句「太順的話」開始的。

準確性和觀點，永遠留在人這一邊。這不是對 AI 的不信任，是分工：讓它做它擅長的整理，把判斷留給該負責的人。