一套台語語料庫、三萬小時鄉土劇 助攻臉書AI翻譯

當Meta全力衝刺元宇宙的過程中，一個研發成果意外讓台灣躍上國際版面。由Meta執行長親自示範、美國人也能開口說閩南語的系統，這背後是如何借助台灣的科技人才做到的？

撰文‧譚偉晟

你能想像臉書創辦人、現為Meta執行長的祖克柏（Mark Zuckerberg），能聽講台語（閩南語）嗎？十月十九日，他透過一段影片，向全球秀了一段堪稱是「軍火展示」的技術，讓這位在美國土生土長的企業家，能在對話的當下，不僅能聽懂閩南語，甚至透過電腦說出「遮實在是真讚」（這真的是很讚）。

這則後來在十天累積二十萬次觀看、近三萬次分享的影片，讓多數人驚豔Meta在語音辨識的技術，已進步到閩南語這種全球僅千分之三人口使用的小眾語言；然而，鮮少人知道這項技術的背後，是靠著三位台灣人。

這個讓臉書能英語、閩南語雙向翻譯的起心動念，源自於Meta一直在追求更多人使用它的社群網站，打破語言的屏障，讓用戶自由使用自己的母語，就是它的手段。於是，它在二○二○年投入翻譯AI（人工智慧），特別是少數語言， 與缺乏文字的語言，「 例如富拉語（Fula），這個在西非和中非使用的語言。」祖克柏表示。

在祖克柏「秀台語」影片中，與他對話的Meta軟體工程師陳鵬仁，就是這個翻譯團隊的成員。他在十月二十六日告訴台灣媒體，當時在眾多語言中選擇閩南語，是因為團隊中有不少台灣人，可以針對閩南語翻譯結果快速調整，「對開發速度會有很多幫助，這就是我們選擇閩南語的原因！」 技術到位 就缺語料訓練AI

高中讀建國中學，後來進入台灣大學攻讀資訊工程學系，一路拿到碩士學位的陳鵬仁，在一二年就飛去美國，加入Meta這家當時還叫做臉書（Facebook）的公司。一開始，他的工作就是負責你經常在臉書PO文用到的功能，譬如打卡，「（系統）要推薦哪些地點，這都需要用到（AI）機器學習的模型。」

他在臉書工作到二○年，Meta開始籌備罕用語言的翻譯計畫，讓陳鵬仁有了出頭的機會。當年，本身對AI充滿熱情，並會說閩南語的他，與十名同事被公司內部選中，針對閩南語AI翻譯進行開發。

關於陳鵬仁對AI的熱情，他的碩士論文指導老師、台大資工系教授林智仁說，雖然陳鵬仁畢業多年，不過至今仍會與他請益AI，而AI看似是一項酷炫的科技，但開發過程其實非常需要耐心， 而這點，也是陳鵬仁的特質。林智仁回憶陳鵬仁還是研究生時，「面對複雜的數學推導，他都非常有耐心完成。」 有台語語料庫助攻 一年完工

然而，即使對AI有滿腔熱血，並不代表不會遇到困難。開發初期，陳鵬仁很快就發現，Meta雖然有滿手的技術，卻一直無法開發出閩南語AI，原因就在於訓練AI用的數據，也就是閩南語語料，在美國當地難以取得。

為了解決陳鵬仁口中的「第一大難題」，他與他的團隊，開始把腦筋動到美國以外的國家，並且看到了台灣。個中關鍵，不只是台灣是說閩南語的人口最密集國家，更重要的是，台灣還擁有一個內容完整，且能合法授權的台語語料庫。

這件事情，就與另一人有關，他就是讓「臉書說閩南語」的第二個台灣人——陽明交通大學智能系統研究所教授廖元甫。

二一年七月，Meta團隊找上廖元甫，希望能使用由其團隊耗時超過三年、語音總時長達三百小時的台語語料庫，「當時我收到一位（Meta）高小姐的信，說對我們的語料庫有興趣，並問我台灣還有哪些較大型的台語語料庫。」廖元甫向《今周刊》表示，後來雙方的合作，從該年十一月正式啟動。

這個被Meta看中的台語語料庫，是廖元甫從一八年十月起建立，目標要收集人數達六百位台灣人所說的台語語料庫。他說，做這個資料庫的初心，是為了拯救台語，因為他在當時注意到，台語雖是最多台灣人說的第二種語言，竟然完全沒有資料庫保留下來。

「很多語言承載的是先民的智慧與經驗，當（語言）斷掉後，這些經驗就沒了。」於是他發現，台語就處於這種即將斷根、走向凋零的狀態，「 有句話是這樣講的，『台語在住院，客語在加護病房……。』」尤其，台語在台灣的使用人口已經低於三分之一，「二十歲以下幾乎找不到（會說台語的人）。」

廖元甫為了留下台語，開始接觸各大專院校的台語專家， 尋找熟悉台語的民眾，並邀請這些人到各校錄音室錄音；不僅如此，為了完整收集聲音資料，「要用六支麥克風去錄，模擬對著手機、電腦、智慧音箱講話的方式。」他說。

這個計畫困難之處，不只是要找到會說台語的人，廖元甫說，更需要花心力的是如何把錄到的聲音，與逐字稿一字一句做對應並標記，「（錄音的時候）不見得都會念對，必須要重念，或是改文字。」因此，他的團隊用逾一年時間完成錄音後，再花了兩年多的日子做資料整理，直到在今年五月才完成。

這個資料庫等同工程師編寫AI的基礎建設，「有了資料，AI才能做起來，所以像Meta進來後，一年就開發出來（台語AI）。」廖元甫說。 非督導學習 加速辨識效率

不過，台灣提供不只是基礎建設，Meta在語音AI的訓練效率提升，台灣也出了一份力，而背後的關鍵人物，同時也是讓臉書說閩南語的第三位台灣人，就是今年初與Meta展開合作的台大電機工程學系副教授李宏毅。

「Meta研究人員說在電視上看到我，我在裡面有講語音辨識……。」同時也是台灣AI界知名YouTuber李宏毅口中說的「電視」，就是才剛拿下金鐘獎的科普影片《下一步，AI。NEXT，愛》。

事實上，李宏毅在台灣可說是台語AI的先驅，不僅他所主持的台大語音處理實驗室，是最早投入語音辨識的研究機構之一，早在五年前，他即著手開發台灣第一套台語AI辨識系統。

這套系統，其實是李宏毅本來要拿來角逐科技部主辦的「 科技大擂台」競賽，但比賽細則出來後，卻沒有台語AI的比賽項目，「反正是我們想要做的項目，我們就繼續進行。」最後在競賽結束後的交流活動上，他首次展示台語轉中文的AI翻譯系統，這成為台語翻譯系統發展的一個起點。

「後來我的實驗室成員出去，也有人繼續把語音辨識做起來，像是『雅婷逐字稿』就能翻譯台語。」李宏毅說。 一八年，李宏毅注意到新的AI訓練技術——使用無標記數據的方法崛起。他解釋，過去因為每項資料都要標記，導致AI訓練時程冗長且繁瑣，有了新技術後，就能夠省去大量的時間，「就像教小孩一樣，讓機器看三萬個小時連續劇，沒有人告訴它裡面台詞的意思，但它可以有很好的理解。」

這個新的訓練方式，讓李宏毅帶領台大語音實驗室，開發出世界上第一個「非督導式」學習的語音辨識，並在今年初吸引Meta與他合作，成為前者開發語音AI技術的重要基礎。

在Meta的閩南語AI翻譯系統，李宏毅的團隊也協助蒐集總時長高達三萬個小時的鄉土劇語料，「這當中有些有字幕、有些只有聲音。」

「 我們跟台大李宏毅教授、陽明交大廖元甫教授合作，他們的語料庫，對這次（Meta的閩南語AI翻譯系統）有很大的幫助。」陳鵬仁在提到開發過程的經歷時，多次感謝來自台灣的助力。

靠著三位台灣人，Meta最終成功打造閩南語AI翻譯系統。陳鵬仁指出，這不只是展示任何語言都有可能做即時翻譯的潛力，更重要的，是其他使用者逐漸減少的地方方言，未來都能透過AI獲得保存的機會。 閱讀完整內容