數發部把族語接進主權AI語料路線：55原鄉可把語料清冊、授權與RAG接成可治理的族語AI服務

族語進入主權AI，最實用的起點不是一次把所有資料都拿去訓練，而是先把「資料從哪裡來、誰同意、可以做什麼、誰負責覆核」整理清楚。

原視新聞網2026年9月3日報導，數位發展部公布臺灣主權AI評測結果，評測超過180個國內外AI模型，並從語言、社會環境與價值觀等面向檢視模型是否理解臺灣情境。報導同時引述數發部表示，目前正與原住民族委員會合作蒐集族語語料，規劃放入臺灣主權AI訓練語料庫，鼓勵公私部門團隊訓練更能理解臺灣原住民族語言的模型。可核對原視新聞網｜數發部評測主權AI 合力原民會蒐集族語語料與數位發展部｜臺灣主權AI訓練語料庫。

這不是從零開始。原民會2026年5月公開說明，第一線語言推廣人員與師徒制傳習工作累積了近5,000則語音語料，並指出這些資料是語料庫與AI系統發展的重要基礎。可核對原住民族委員會｜115年度語推人員及師徒制研習營。對55原鄉而言，這一波政策訊號很適合轉成「族語AI公共服務基礎工程」，把既有語料、地方詞彙、教學材料、公開公告與真人語言工作者接成可維護的服務。

先建立「語料清冊」，再決定要不要進模型

地方第一步可以先做一張共同語料清冊，每筆至少保留：語別／方言、內容類型、來源單位、說話者或提供者、取得方式、授權依據、可公開層級、是否可供模型訓練、是否只供RAG查詢、是否可用於語音辨識或語音合成、人工覆核者、版本、最後確認日、撤回方式與聯絡窗口。

這樣做的好處，是把「有資料」與「可拿來訓練AI」分開。公開教材可以適合搜尋與教學，但不一定等於可以做商業模型訓練；經族人同意的訪談可能適合研究，但未必能生成新的聲音；涉及祭儀、家族、地點、藥用知識或限制性傳統知識的內容，也可能只適合特定情境。國際上，Global Indigenous Data Alliance｜CARE Principles強調集體利益、控制權、責任與倫理；Local Contexts則提供TK Labels與相關工具，協助社群在數位環境中標示權限與文化脈絡。

模型訓練與RAG應該分流

55原鄉不需要等到大型族語模型成熟，才開始提供AI服務。第一階段可以把已核實、可公開、版本清楚的族語教材、公共服務FAQ、常用行政詞彙與地方公告接進RAG。當族人詢問「族語認證何時報名」「公所這項服務怎麼辦」「這個行政詞在族語怎麼表達」時，系統先檢索已核實資料，再顯示來源、日期與真人窗口。

RAG的優點是資料可更新、可撤回，也比較容易追溯；模型訓練則適合處理需要長期語言能力的任務，例如語音辨識、語音合成、翻譯與語言模型。兩者可以並行，但資料權限不應混用。地方若先把「可搜尋」與「可訓練」分成不同欄位，就能在未來模型更新時快速知道哪些資料可以納入、哪些只保留在知識庫。

族語AI的品質，應由族人覆核而不是只看模型分數

數發部目前以主權AI評測檢視模型對臺灣語言、社會與價值觀的理解，這個方向也可延伸成地方族語AI評測。55原鄉可以建立小型「族語任務集」：常用生活句、行政服務問答、地名、人名、文化詞彙、長者口語、不同世代語速、方言差異與易混淆詞，並由族語老師、語推人員、母語者與青年共同評分。

分數之外還要記錄「錯在哪裡」。例如語音辨識是否把族名切錯、翻譯是否把文化詞直接套成國語概念、語音合成是否讀錯重音、Chatbot是否引用過期公告。這些錯誤紀錄可以回到語料清冊，成為下一輪補語料與調整模型的依據。UNESCO近期也持續把語言科技與原住民族語言放在同一治理框架，並透過Building Data Commons for Indigenous Languages and Cultures討論如何讓原住民族掌握語言與文化資料的控制權。

原傳媒AI與55原鄉可以先做三個小型服務

第一個是「族語公共服務索引」：把公所高頻服務、族語名稱、常見問答、來源與真人窗口做成可搜尋的RAG。第二個是「語料治理工作台」：協助語推人員或部落團隊記錄語料來源、授權、版本與撤回狀態。第三個是「雙向知識覆核流程」：AI先整理現代政策與公開資料，族人或知識持有人再補上地方用語、文化脈絡與適用邊界，最後才發布到Chatbot、AI影像誌或教學介面。

這三項不需要先做大型模型，也能直接改善地方工作效率。對公所而言，可以減少同一公告反覆整理；對族語老師而言，可以累積可追來源的教學素材；對部落組織而言，可以在資料進入AI前先保留決定權；對研究團隊而言，也更容易知道資料的來源與可使用範圍。

90天部署建議：先盤點、再試用、後擴充

前30天先選一個語別或一個服務場域，整理50至100筆可公開資料與20至30個常見問題，完成語料清冊與授權欄位。第31至60天接上RAG／Chatbot，要求每次回答顯示來源、資料日期、版本與真人窗口，同時記錄模型找不到或回答錯誤的案例。第61至90天由族語老師、語推人員、長者、青年與承辦共同測試，建立最小評測集與錯誤修正流程，再決定哪些語料適合進一步做語音或模型訓練。

成效可以看四件事：族人是否更快找到正確資訊、族語內容是否更容易被使用、錯誤是否能回報並修正、資料權限是否清楚。這些指標比單純追求模型規模更適合地方治理。

數發部與原民會開始把族語放進主權AI語料路線，對原鄉最有價值的不是「AI終於會說族語」這一句話，而是地方現在有機會把語料、授權、資料治理、RAG、教學與公共服務一起設計。只要先把來源與權限整理好，再逐步加入AI，55原鄉就能讓科技成為族語復振與地方服務的工具，同時保留族人對文化資料的決定權。