從族語語料到在地語音 AI：原鄉數位公共服務不能只停在「聊天機器人」

# AI驅動原鄉產經觀察｜從族語語料到在地語音 AI：原鄉數位公共服務不能只停在「聊天機器人」

AI 進入公共服務之後，真正的關鍵不只是能不能回答問題，而是它是否聽得懂地方語言、地方口音、專有地名、作物名稱、災害詞彙與部落生活脈絡。近期低資源語言與在地語音技術研究再次提醒我們：通用模型若缺乏在地語料、語音標註與文化脈絡，很容易把少數語言、族語詞彙與地方知識壓縮成主流語言的附屬資料。

台灣若要推動原鄉數位公共服務，不能只是把一般聊天機器人搬進鄉公所網站，而應該把族語語料庫、農業技術資訊、官方災防資料、55 原鄉公所公告與地方產業知識，串成一套可驗證、可追溯、可更新的 AI 基礎設施。否則，AI 看似會回答問題，實際上可能只是把都會語言、政府公文與主流分類邏輯，包裝成「智慧服務」再送回部落。

這也意味著，原鄉 AI 政策的投資重點應從「買工具」轉向「建制度」：建立族語與地方知識資料治理規範，持續累積授權清楚的語音與文本資料，讓模型能辨識部落地名、農業情境、災害詞彙與在地公共服務需求，並要求每一則 AI 回答都能回到官方來源、公告日期與資料版本。

對台東農業、原鄉產業與教育科技而言，AI 最有價值的地方，不是製造漂亮口號，而是協助族人快速找到可靠資訊：哪裡有農技輔導、哪裡有災害警戒、哪項補助正在申請、哪個公告與部落生活真正相關。原鄉的 AI 公共服務，不應只是會聊天的網頁小工具，而應是一套尊重族語、地方知識與資料主體性的公共基礎設施。

延伸來看，低資源語言 AI、在地語音辨識與技術詞彙 ASR 的研究，都已指出語言代表性、專有詞彙與文化脈絡的重要性。台灣若要把族語、農業、災防與地方公告納入 AI 系統，就必須同步思考資料授權、語料治理、模型責任與公共查核機制。真正的原鄉數位服務，不是把部落資料丟進大模型，而是讓 AI 學會尊重部落的知識秩序。