AI 讀不懂的東西：沉默、台語與那些沒說完的話

那天下午的錄音檔裡，有一段長達十一秒的空白。

不是收音壞掉，也不是我們忘了問下一題。是坐在對面的人，講到一半停住了。他前面才說到自家老屋要不要修，講得很順，忽然就不出聲。你聽得見電風扇在轉，聽得見他手指在桌面上輕輕敲，然後他嘆了一口氣，說「就……按呢啦」。

「就這樣啦。」三個字，把前面沒說出口的全部收掉。

我們把這段逐字稿餵進 M-01——那是我們用來把田野資料結構化的引擎。它做得很好，把時間、地點、人物關係、提到的建築都標得整整齊齊。但在那十一秒的地方，它填了兩個字：「（停頓）」。在「按呢啦」後面，它老實地寫上「語意不明，建議人工確認」。

它是對的。語意確實不明。可是不明的，不是機器的問題，是那句話本來就打算讓你聽不明白。

台語不是中文的另一種寫法

先講比較技術的部分。台語混用，是我們每一份田野逐字稿都會遇到的。老一輩受訪者很少講一句話從頭到尾都是華語，他們會在關鍵的名詞、最有情緒的那個詞，自動切換回台語。而 AI 的語音辨識，遇到這種切換，常常直接投降。

有個詞我印象很深。受訪者講一個地方以前很熱鬧，用了「tshiâng」——就是那種擠、那種鬧、那種人聲鼎沸到有點吵的熱。Whisper 把它聽成了「牆」，後面的模型很盡責地圍繞「牆」去理解，整句話就歪掉了。

問題不在辨識率。就算它百分之百聽對了音，寫成「tshiâng」或隨便哪個借字，它也不知道這個字裡包著什麼。那個熱鬧是有重量的，因為講的人現在站在一條沒什麼人走的街上，回頭去講三十年前的吵。同一個字，前面墊著失去，才有意思。

台語裡這種詞很多。它們不是華語的方言版本，是另一套感覺世界的方式。你沒辦法查表把它換掉，就像你沒辦法把一個人的鄉愁換算成公里數。

時代藏在用詞裡

還有一種讀不懂，是時間造成的。

受訪者講到年輕時的事，會用一些現在幾乎沒人講的詞。講當兵前的日子、講「公所的人」來村裡、講某個早就改名或拆掉的場所的舊稱。這些詞對他來說是理所當然的座標，對模型來說是一片空白——訓練資料裡幾乎沒有，它只能猜，而它猜的方向，永遠是往「現在」猜。

於是機器會把一個老詞，自動翻譯成最接近的新詞。表面上通順了，底下的年代感卻被抹平。他明明在講一個消失的世界，逐字稿卻讓那個世界看起來跟今天一樣。這是我們查核時最花時間、也最不敢放手的地方：機器不會標紅「這裡有時代落差」，因為它根本不知道自己站在哪個時代。

欲言又止，是一種內容

回到那十一秒。

做這行久了會知道，受訪者不說的，常常比說的重要。停頓、繞開、突然扯到別的、把話講一半又收回去——這些在逐字稿上都是空白或省略號，但在現場，它們是滿的。那個停頓裡有他不想讓外人知道的家務事，有講不清楚的委屈，有一種「這個我不想被寫進去」的分寸。

M-01 可以標出「這裡有停頓」，但它標不出「這個停頓在保護什麼」。它讀得到聲音的缺席，讀不到缺席的理由。而理由，才是我們真正要處理的東西。我們後來沒有把那段追下去，也沒有在成稿裡替他把話補完。我們留了白。那個留白是決定，不是遺漏。

讀不懂的地方，才是我們坐在這裡的原因

我常被問，AI 都能整理逐字稿了，田野工作是不是快被取代了。

老實說，會整理逐字稿的那部分，確實該交出去。把三小時的錄音變成有時間戳、有標記、可搜尋的結構，這種活又累又容易出錯，機器做得比我們穩，也做得比我們有耐性。M-01 幫我們省下的，是我們本來也不想花的力氣。

但省下來的力氣要用在哪裡？用在機器交還給我們、標著「語意不明」的那些地方。用在那個台語詞底下的重量，那個老詞背後消失的世界，那十一秒的沉默到底在守什麼。這些不是資料處理，是判斷，是要不要寫、寫到哪裡、替誰留白的判斷。

我們一直說，AI 處理繁瑣，準確與觀點由人把關。這句話講久了會變口號，但那天下午它是具體的：機器把它讀懂的都給了我，把讀不懂的老實還給我。而它讀不懂的那一疊，不是它的失敗——那是這份工作最後沒有交出去、也不該交出去的部分。

設計師的工作，從機器停下來的地方開始。