帶 AI 進田野之前：一份給後段處理的收音、拍攝與筆記清單

先講一個容易被跳過的順序問題。

我們在 M-01 田調資料結構化引擎跑了幾個月之後，漸漸發現：大部分讓後段 AI 卡住的原因，不在模型，不在提示詞，而在田野當天那半天。錄音裡有風切聲，Whisper 就把地名聽成別的詞；照片沒拍到牌樓上的字，數位轉譯到那格就只能留白；筆記沒標時間，人工查核時對不上是誰在哪一段講的。這些都不是技術問題，是準備問題。

所以這篇不談模型。這篇是一份行前清單，關於在按下錄音鍵之前、在舉起相機之前，要先想好的事。

收音：乾淨比清楚更重要

田野收音最常見的誤會，是以為「聽得懂就夠了」。人耳很會腦補，自動濾掉冷氣、車流、隔壁桌的談話；Whisper 不會。它會忠實地把那些噪音也「聽」進去，然後在轉錄稿裡吐出一堆你沒說過的字。

幾條我們現在會照做的規矩：

• 先錄三十秒環境音再開口。 這段空白之後在降噪時是黃金，等於給軟體一份「這裡的底噪長這樣」的樣本。
• 收音麥克風貼近受訪者，不要貼近自己。 訪談的主角是對方，你的提問聽得清就好，對方的回答才要字字乾淨。領夾式麥克風或指向性麥克風都比手機內建的好太多。
• 怕吵的地方，寧可換位置也不要硬錄。 廟埕、市場、騎樓邊，環境音是氣氛，也是災難。氣氛可以另外單獨錄一段當素材；訪談本身找個能關門、能停冷氣的角落。
• 一個檔案不要錄太長。 中途換場景、換受訪者，就分段。後面要對照筆記、要切分講者，分段的檔案好處理太多。

還有一件小事，但省下我們無數次事後懊惱：每段錄音開頭，自己口述一句「時間、地點、正在訪誰」。 語音辨識抓得到，人工查核也對得上。這比任何檔名都可靠，因為它就長在音檔裡。

拍攝：替後面的人拍，不是替當下的自己拍

田野照片有兩種。一種是給自己看的、幫助回憶的；一種是要進資料庫、要被轉譯、甚至要重製成別的格式的。後者的拍法完全不同。

給後段處理的照片，原則是「把資訊拍全、拍正、拍清楚」：

• 有字的東西，把字拍清楚。 牌樓、匾額、門牌、告示、老招牌、石碑。這些字往往是整個地方研究的錨點，拍糊了，後面誰都補不回來。正面、平視、光線平均，必要時分區拍好幾張。
• 同一個對象，拍一張全景加一張細節。 全景交代它在哪、多大、周圍是什麼；細節補材質、補文字、補那些一眼掃過會漏掉的東西。兩張搭起來，轉譯時才有足夠的線索。
• 留意光，但別跟光硬拗。 逆光的匾額拍不到字，就換個角度或等一下。田野時間寶貴，但一張拍壞的關鍵照片，代價是整段研究的空洞。
• 拍下你當時覺得「無關」的環境。 巷口、地面、電線桿、鄰居晾的衣服。當下覺得雜，回到桌前做脈絡整理時，常常就是這些邊角在告訴你這地方真正的樣子。

我們給自己的提醒是：拍的時候，想像三個月後有個人——可能就是你自己，但已經忘了細節——只能靠這張照片理解現場。你會希望他看到什麼？

筆記：給結構，不用給文采

田野筆記不是散文，是後面要餵進結構化流程的原料。原料的價值在於一致，不在於漂亮。

我們現在寫田野筆記，固定帶三樣東西：

1. 時間戳。 每則觀察前面標個時間。它讓筆記能跟錄音、跟照片對齊，是三種素材之間唯一共通的軸。
2. 地點錨。 不只是「市場」，而是「哪個市場、哪一側、第幾攤」。愈具體，後面愈不會張冠李戴。
3. 事實與判斷分開寫。 看到的、聽到的是一類；你的猜測、聯想、要查證的疑問是另一類。我們習慣在後者前面加個記號，提醒自己那還沒查核。這一步之所以重要，是因為到了人工查核那關，你得分得出來哪些是現場鐵證、哪些是當時的直覺。

這裡要誠實講一句：AI 幫不了這一段。結構化引擎可以把一份標好時間、分好事實與判斷的筆記整理得很快；但它沒辦法替你決定當下哪件事值得記下來。那個判斷，是田野的核心，也永遠是人的工作。我們反覆在流程裡確認同一件事——AI 負責繁瑣的整理，準確性與觀點由人把關——而這條界線，其實在田野當天就已經劃定了。

一張可以印出來帶著走的清單

把上面收攏成出門前掃一眼的東西：

• 麥克風、備用電池、記憶卡，前一晚充好、清空。
• 到現場先錄三十秒環境音。
• 每段訪談開頭口述時間、地點、對象。
• 關鍵的字、招牌、碑刻：正面、平視、拍清楚，全景加細節。
• 筆記帶時間戳、地點錨，事實與判斷分兩欄。
• 離開前，回想有沒有哪個字、哪個角落沒拍到。

清單看起來瑣碎，但它替後面每一段流程省下的時間，遠比它花掉的多。田野當天多花的那二十分鐘，是後段所有 AI 處理的地基。地基歪了，後面蓋得再快也是斜的。

下次進田野，我們會試著在筆記格式上再統一一點，看能不能讓結構化引擎少問我們幾個問題。到時候再回來記。