族語AI不是轉寫外包：模型進入部落以前，誰有權定義「說得對」

族語不是雲端平台的燃料

AI語音辨識變得便宜以後，許多族語計畫開始出現同一個誘惑：把錄音丟進系統，讓模型轉成文字，再把文字丟進資料庫，最後宣布保存完成。這套流程看似有效率，甚至很符合補助案的成果格式；可是真正懂族語現場的人都知道，語言不是一堆聲音檔，保存也不是把長者的聲音變成可搜尋文字。族語是一種關係，牽涉家族、祭儀、地名、勞動、身體記憶與禁忌邊界。若AI只把它當作雲端平台的燃料，技術越進步，傷害也可能越精緻。

族語AI最常被誤解成「轉寫外包」。彷彿只要錯字率下降，問題就解決了。但族語的難題不是只有音檔品質差、資料量少、拼寫不一致。更困難的是：誰有權決定哪一種說法是正確？誰能判斷某個詞是在日常場景、祭儀場景或親屬場景中使用？誰能說哪些錄音可以公開，哪些只能在特定家族或年齡階層中流通？模型可以估計機率，卻不能理解同意的厚度。

正確率不等於正當性

很多科技團隊喜歡用準確率說服社群。WER下降、CER下降、資料量增加，看起來很科學。但在族語場域，正確率只是最低門檻，不是正當性的保證。某個模型把一句話轉寫得很漂亮，卻可能把不可公開的內容放進資料庫；某個系統能生成流利句子，卻可能混合不同部落、不同世代、不同拼寫規範，最後產生一種沒有祖先、沒有土地、沒有責任的「平台族語」。

這不是反科技，而是要求科技承認自己的位置。族語AI若要被社群信任，就必須從一開始設計治理流程，而不是等模型訓練完成後再請族人按讚。語料蒐集要有同意，授權要分層，錯誤回饋要回到社群，模型輸出要標示不確定性，敏感知識要能被排除或封存。尤其是夢占、醫療、祭儀、地名、狩獵與家族史等資料，不能因為技術上可被轉寫，就被當成公共資料。

「說得對」不是模型投票

大型語言模型很擅長產生看起來像答案的文字，也很擅長把錯誤包裝成流暢。族語場域尤其危險，因為能判斷錯誤的人本來就少，模型若以自信語氣輸出錯誤，很容易被學生、外部教師或平台使用者誤以為正確。這種錯誤不只是技術問題，而是語言權力問題。誰的語料被採用，誰的拼寫被優先，誰的口音被模型視為標準，誰的變體被當成雜訊，都會影響未來教材與學習者的想像。

族語本來就有多樣性。不同部落、不同家族、不同世代可能有差異，甚至同一個詞在不同語境裡也有不同重量。若模型用單一標準把這些差異壓平，表面上提高一致性，實際上可能消滅語言的生活紋理。真正好的族語AI，不應假裝自己是最後裁判，而應能顯示來源、標示變體、保留不確定性，讓學習者知道：語言不是機器定義的標準答案，而是社群共同維持的關係。

雙向知識不是把族語翻成主流語

雙向知識常被誤讀成「把原住民族知識翻譯給主流社會懂」。這只是其中一小部分，而且很危險。真正的雙向，是兩套知識都要被尊重，也都要接受自己的限制。AI可以協助族語教育產生教材、整理語料、建立發音練習、連結地名與影像；但它不能把部落知識簡化成主流教育市場喜歡的漂亮段落。若族語只在平台上變成文化展示品，它就不是被活化，而是被陳列。

一套好的族語AI，不應只問「能不能生成」，還要問「應不應生成」。例如，系統可以幫學生練習日常對話，但不應自動生成祭儀文本；可以協助教師整理公開詞彙，卻不該把長者訪談全部切碎成訓練樣本；可以標示不同拼寫版本，卻不該替社群裁決哪一個版本才是唯一正統。技術在這裡最好的姿態，不是當裁判，而是當可靠、可控、可被關掉的工具。

小語言需要小而強的模型

大型模型常讓人以為規模就是答案。可是族語科技未必需要一個吞下全世界資料的龐然巨獸。許多時候，小而清楚的模型、社群可管理的資料庫、可離線運作的教學工具，反而更符合部落需求。因為族語教育最重要的不是炫技，而是讓老師、學生、長者與家庭能用得起、修得動、管得住。若系統只能在外部公司伺服器上運作，社群就很難真正掌握自己的語言資產。

這也牽涉基礎設施。許多原鄉學校、部落教室與文化館的網路環境並不穩定，雲端AI若要求高速連線，等於把語言復振的門檻提高。技術設計若不看現場，只會讓已經資源不足的地方再次被落下。族語AI應該支援低頻寬、離線備份、地方端管理與資料可攜，而不是把所有問題都推給「請升級網路」。

模型可以學會發音，不能學會責任

族語AI的未來不是沒有希望。相反地，若方法正確，它可以成為很有力的工具：幫助教師節省整理時間，讓學生反覆練習發音，協助長者錄音保存，讓離鄉青年重新接觸語言，也讓不同世代看見語言仍能在新媒體裡活著。問題是，這一切必須建立在資料主權、社群治理與文化邊界之上。

模型可以學會發音，不能學會責任。責任必須由人、社群與制度共同承擔。族語AI若只是把聲音變文字，它會很快變成另一種外包服務；但如果它能讓族人決定資料如何被收集、保存、使用與拒絕，它就可能成為真正的語言復振工具。族語不是等待平台拯救的瀕危資源，而是仍在呼吸的生活方式。技術若要進入這個生活方式，第一步不是開機，而是先學會敲門。

教學現場需要的是可修正的工具

族語AI若要真正進入教室，必須先理解老師每天面對的不是抽象模型，而是時間、教材、學生程度、家庭語言環境與行政壓力。老師需要的不是一個自稱萬能的聊天機器人，而是一套可以調整、可以標註、可以拒絕錯誤、可以回收學生練習紀錄的工具。當模型聽錯、寫錯或生成不合語境的句子時，系統必須讓教師容易修正，並把修正回到資料治理流程，而不是讓錯誤在雲端裡繼續繁殖。

部落語言復振的核心也不是把族語變成科技展示，而是讓語言重新回到生活。AI可以輔助練習，但不能替代家庭對話；可以協助整理教材，但不能取代長者判斷；可以讓離鄉青年在手機上重新聽見聲音，但不能讓平台擁有這些聲音的命運。真正好的族語科技，應該讓族人更有能力說自己的話，而不是讓機器替族人說話。若AI最後只是讓外部世界更方便消費族語，那它就沒有復振語言，只是把語言變成另一種被觀看的展品。

<!--

source-check notes:

• UNESCO International Decade of Indigenous Languages 2022–2032 emphasizes preservation, revitalization and promotion of Indigenous languages.
• Recent Indigenous NLP and language technology literature stresses community-led development, data governance and the danger of externally imposed tools.
• Low-resource speech recognition often relies on small community corpora; publication should distinguish open teaching data from restricted cultural knowledge.

-->