口傳文化在數位化擬真環境中的生存與轉譯

最基礎的一層是影音錄製，但這裡已經有很多升級空間。傳統立體聲錄音只能留下左右方向，對於「聲音從哪裡來」的還原有限。空間音訊（Spatial Audio）與 Ambisonics 可以記錄聲音的方向性，讓使用者在虛擬場景中轉頭時，聽到聲音跟著移動。對口傳文化來說，這非常關鍵：說書人站在廟口左側、聽眾圍成半圓、遠方有鞭炮聲，這些方位關係會影響你對整個事件的理解。

再往上走是 360 度影音與攝影測量（Photogrammetry）。攝影測量可以從多角度照片重建場景的 3D 模型，適合保存老屋、攤位、祭壇、器具等空間脈絡。更進一步是容積捕捉（Volumetric Capture），用多鏡頭陣列把人物錄成可從任意角度觀看的 3D 動態影像。這項技術目前成本仍高，但已經開始被用在表演藝術與文化保存。它的好處是保留身體姿態與動作，而不只是正面畫面；缺點是檔案大、後製重、設備門檻高。

近年還有一個值得注意的選項：NeRF 與 Gaussian Splatting。這類技術可以從一般照片或影片快速重建高品質的 3D 場景，雖然即時互動與品質之間仍需取捨，但對於「把一個空間搬進電腦」已經比過去親民很多。對社區型團隊來說，這是相對可負擔的切入點。

遊戲引擎與 WebXR：把場景變成可互動的教室

素材有了，還需要一個「可以走進去」的環境。Unity 與 Unreal Engine 是目前最常見的兩個選擇。Unity 的學習曲線相對平緩，社群資源多，適合中小型團隊；Unreal 的畫面表現與光影效果較強，適合需要高擬真視覺的展示。兩者都支援空間音訊、互動腳本與多平台輸出。

如果不想讓使用者安裝應用程式，WebXR 是另一個方向。它讓 3D 場景直接在瀏覽器裡運作，使用者用手機、電腦或頭顯都能進入。對論壇、學校、社區網站來說，WebXR 的推廣成本低很多，也比較容易嵌入既有網頁。當然，瀏覽器效能有限，場景複雜度必須控制，這是一門取捨的藝術。

還有一種常被忽略的「擬真」形式：聲音地景重建。它不一定要有華麗的 3D 畫面，而是用空間音訊、環境音、旁白與互動觸發，讓使用者在一個簡單的場景中「聽出」空間。對於經費有限、但聲音資產豐富的口傳文化計畫，這往往是最划算的切入方式。

AI 與資料層：讓口述記憶變成可檢索的知識庫

擬真環境如果只有場景，很快會變成一次性的展示。要讓它「活著」，需要資料層。這裡包含幾個工作：語音轉文字、時間軸標記、主題分類、人名地名實體辨識、多語言翻譯，以及 metadata 的建立。這些工作過去靠人工，現在可以借助 AI 加速，但仍需要人工校對，尤其是方言、古語、專有名詞與脈絡性用語。

更進一步是檢索增強生成（RAG）。簡單說，就是把口述訪談、逐字稿、地方誌、照片描述等資料建立成可檢索的知識庫，再讓語言模型根據這些資料回答問題。這樣一來，使用者不是被動看影片，而是可以問：「這個祭儀為什麼在晚上舉行？」「這位長輩說的『走水』是什麼意思？」系統會從資料中找段落回答，並附上來源。這對口傳文化的轉譯很有潛力，但前提是資料要乾淨、標註要清楚、來源要可追溯，否則 AI 很容易把不同脈絡的說法混在一起。

還有一個爭議性工具：AI 語音克隆。它可以模仿長者的聲音，讓已經無法受訪的人「繼續說話」。技術上可行，倫理上必須非常小心。如果沒有明確授權與清楚的標示，很容易變成對聲音的挪用。比較穩健的做法，是把克隆聲音用在「引導」或「重建已獲同意的段落」，而不是讓 AI 代替長者發表新內容。

三、轉譯的五道關卡：口傳文化進入數位環境會掉什麼

工具講完了，接下來要談「轉譯」的本質。口傳文化從現場進入數位擬真環境，並不是無損搬運，而是一連串的選擇。以下幾道關卡，是實務上最常遇到、也最容易被忽略的。

語境斷裂：誰在說、對誰說、為什麼說

口傳文化的第一道關卡是語境。同樣一句話，在祭儀裡說、在田裡說、在酒桌上說，意思可能完全不同。數位化最容易犯的錯，就是把聲音抽出來，放進一個「中性」的播放器裡，讓它失去原本的聽眾、場合與目的。使用者聽到一段吟唱，卻不知道它是唱給祖靈聽、唱給小孩子聽，還是唱給觀光客聽，理解就會偏差。

處理語境斷裂的方法，不是假裝它不存在，而是把它「設計回來」。例如在場景中加入時間、地點、參與者角色、儀式階段等資訊；在播放器中加入「誰在聽」的視角切換；在旁白中說明「這段話原本是對誰說的」。這些設計會讓使用者意識到自己正在看一個被轉譯的版本，而不是誤以為自己聽到了「原始真相」。

表演性與即時性：聲音的「溫度」怎麼留

第二道關卡是表演性。口傳文化很多時候是「表演」：說書人的抑揚頓挫、長者的停頓與嘆息、祭儀中的重複與變奏。這些東西在逐字稿裡會消失，在壓縮音檔裡會變薄，在 AI 生成的語音裡會變成另一種東西。要保留溫度，錄音品質、麥克風選擇、空間殘響、甚至後製的壓縮比都要注意。但更重要的是，不要為了「乾淨」而把所有呼吸聲、環境音、笑聲都刪掉。那些才是現場的證據。

即時性則是另一個難題。口傳文化是「當下發生」的，但數位內容是「已經發生」的。擬真環境可以用互動腳本模擬即時感，例如讓使用者選擇回應、讓虛擬角色根據選擇改變說法，但這終究是設計過的互動，不是真正的即時。我們要誠實面對這個限制：擬真環境能再現「參與的感覺」，但不能完全再現「不可預測的當下」。

授權、倫理與社群主權：誰的記憶誰作主

第三道關卡是權力。口傳文化往往是社群共有的，但數位化之後，誰擁有檔案、誰決定怎麼呈現、誰可以修改、誰可以商業使用，這些問題會立刻浮現。如果沒有處理好，數位化可能變成另一種文化掠奪：外面的人拿走素材，做成漂亮的產品，社群卻失去話語權。

實務上可以做的事包括：使用傳統知識標籤（TK Labels）或社群授權協議，明確標示哪些內容可以公開、哪些只能在特定社群內使用、哪些需要事先同意；在專案初期就讓社群代表參與決策，而不是做完才來「徵求同意」；保留社群的修改權與退出權；在展示頁面清楚標示資料來源與授權狀態。這些聽起來很行政，但其實是口傳文化能不能在數位環境中「繼續活著」的關鍵。沒有主權，就沒有生存。

四、實作教學：用 3C 工具打造一個口傳文化擬真展示間

接下來進入比較實作的部分。假設你是一個社區團隊、學校專題小組，或論壇裡的技術愛好者，想替地方長者做一個小型的口傳文化擬真展示間，可以怎麼開始？以下用五個步驟說明，並盡量標出工具與注意事項。

步驟一：素材盤點與訪談設計

先不要急著買設備。第一步是盤點：社群裡有哪些口傳內容值得保存？是歌謠、諺語、地方傳說、產業知識、祭儀流程，還是生活記憶？哪些長者或講述者願意受訪？哪些內容有禁忌或授權限制？把這些寫成一張清單，並標註優先順序。

訪談設計要避免「問答式審問」。口傳文化需要的是「聊天」，不是「填問卷」。可以準備幾個開放式問題，但不要照本宣科；讓長者自己決定節奏，必要時用物件、照片、老工具來觸發記憶。錄音時最好有兩個麥克風，一個對準講者，一個收環境音；如果只有手機，至少要注意距離與背景噪音。訪談前務必說明用途、授權範圍與退出機制，並取得書面或錄音同意。

步驟二：空間音訊與 360 影音錄製

如果經費有限，可以先從空間音訊開始。入門設備包括一台支援 Ambisonics 的麥克風（例如 Zoom H3-VR 這類機型）或用手機搭配空間音訊 App。錄製時，把麥克風放在講者與聽眾之間，記錄整個空間的聲音關係。事後可以用 Reaper、Unity 或 Unreal 的空間音訊工具進行解碼與定位。

若要做 360 影音，建議使用至少 5.7K 以上的消費級 360 相機，並注意光線與穩定。拍攝時，相機位置要模擬「使用者會站的地方」，不要只拍講者特寫。後製時，保留原始環境音，不要全部換成配樂；配樂很容易把現場感洗掉。

如果要重建場景，可以用攝影測量。手機搭配 Polycam、RealityCapture 或 Meshroom 等工具，從多角度拍攝老屋、攤位或器具，就能得到 3D 模型。拍攝時注意重疊率、光線均勻與避免反光；事後要清理模型、降低面數，才能在遊戲引擎或網頁中順暢運行。

步驟三：在 Unity／Unreal 或網頁 3D 中組裝場景

場景組裝的重點不是「做得像」，而是「做得對」。先把空間尺度、動線、聲音來源位置定好，再考慮材質與光影。建議使用 Unity 的 URP 或 Unreal 的輕量化設定，確保在中階電腦或手機上也能跑。若選擇 WebXR，可以使用 Three.js、A-Frame 或 Babylon.js，並把模型壓到合理大小。

聲音方面，Unity 的 Audio Spatializer 與 Unreal 的 Spatialization 都能處理 3D 音源。記得設定衰減曲線、都卜勒效應與混響區域，讓聲音聽起來像在那個空間裡。不要把音量調得過大，口傳文化的聲音通常不是爆破性的，過度壓縮會失去細節。

場景中要保留「線索」：一張椅子、一個爐灶、一盞燈、地板的材質，這些都比華麗的特效更能觸發記憶。與其做一個很大的世界，不如把一個小空間做深。

步驟四：加入互動與提問式導覽

互動設計的原則是「讓使用者有理由停下來」。可以設計幾種互動：點擊物件聽一段故事、走到特定位置觸發環境音、選擇不同角色視角（例如「參與者視角」與「旁觀者視角」）、在關鍵段落暫停並顯示脈絡說明。這些互動不需要複雜的程式，很多可以用觸發器與簡單腳本完成。

更進一步是「提問式導覽」。與其讓使用者被動點擊，不如讓系統問問題：「你覺得這段吟唱是在對誰說？」「如果你是當時的聽眾，你會怎麼回應？」然後根據選擇顯示不同補充資料。這種設計可以把口傳文化的互動性轉譯回來，也讓使用者意識到自己的位置。

如果導入 AI 對話，記得設定界線：回答必須附來源、不確定時要說不確定、禁止生成未經授權的內容。與其做一個「什麼都能聊」的 AI，不如做一個「只根據資料庫回答」的導覽員。

步驟五：測試、回饋與迭代

做完不要急著上線。先找三種人測試：社群長者、一般使用者、以及不熟悉該文化的學生。問他們：「你覺得這個空間像不像？」「你聽得出聲音從哪裡來嗎？」「你有沒有學到什麼？」「哪裡讓你出戲？」把回饋記錄下來，優先修正會影響理解的问题，而不是只修畫面。

迭代時要注意版本管理與檔案命名，尤其是 3D 模型、音檔與逐字稿。建議使用 Git LFS 或雲端版本控制，避免最後一刻找不到檔案。上線後也要保留回饋管道，讓社群可以持續修正內容。口傳文化的數位轉譯不是一次性專案，而是一個持續照顧的過程。

五、案例觀察：祭儀、叫賣與長者口述的數位轉生

以下用幾個類型的案例，說明不同口傳內容在擬真環境中的轉譯重點。這些案例不是要提供標準答案，而是幫助你判斷自己的專案該把力氣放在哪裡。

祭儀與歌謠：時間性與禁忌的保存難題

祭儀與歌謠通常有嚴格的時間結構與禁忌。什麼時候唱、誰可以唱、唱給誰聽、哪些段落不能外流，這些規則本身就是文化的一部分。數位化時，如果只截取最精彩的一段，就會破壞儀式的時間性；如果全部公開，又可能違反禁忌。

比較穩健的做法是分層設計：公開層只展示經過同意的概論與片段；社群層需要驗證身份才能進入完整內容；保存層則在離線環境中完整記錄，不對外開放。技術上可以用權限管理、加密儲存與時效授權來實現。同時，在展示頁面清楚說明「這不是完整儀式，而是經過轉譯的介紹」，避免使用者誤解。

街頭叫賣與說書：聲音地景的轉譯

街頭叫賣、說書、廟口廣播這類口傳文化，特色是聲音與空間高度綁定。叫賣聲的節奏、音高、腔調，往往對應著街道的寬度、人群的流動與時間的變化。這種內容很適合用聲音地景的方式轉譯：不需要高擬真的人物模型，而是用空間音訊、環境音與簡單的 3D 場景，讓使用者「走在街上」聽見不同攤位的聲音。

實作時，可以錄製不同時段的環境音（清晨、中午、傍晚），並標記聲音來源的位置與移動路徑。使用者戴上耳機或進入 WebXR 場景後，可以自由走動，聲音會隨著位置與方向變化。這種展示方式成本較低，但對聲音品質與空間定位的要求較高。建議使用一致的錄音格式與麥克風配置，事後再進行空間化處理。

地方知識資料庫：從收藏到可對話

長者口述的地方知識，往往散落在不同主題裡：地名由來、產業變遷、族群關係、自然環境、生活技藝。如果只做成一支影片，很難被重複使用；如果做成資料庫，則有機會被檢索、比較與再詮釋。重點是資料庫不能只是「倉庫」，而要設計「入口」。

入口可以是一張地圖、一條時間軸、一個主題圖譜，或一個可以提問的對話介面。例如使用者點擊地圖上的老樹，就出現相關的口述段落；選擇「水利」主題，就串起不同長者對同一條水圳的記憶。這種設計可以讓地方知識從「收藏」變成「可對話」，也比較容易吸引年輕使用者。

六、生存策略：讓口傳文化在數位環境中「活著」而非「被保存」

最後談生存。很多數位典藏專案在發表會上很風光，兩年後却變成沒人維護的孤島。口傳文化要真的在數位環境中生存，需要的不只是技術，還有社群、治理與永續規劃。

從檔案到社群：開放修改權與再詮釋

檔案如果只能「看」，很快就會死掉；如果可以被使用、被引用、被改編，就有機會活下來。這裡說的開放，不是無限制公開，而是分級開放：哪些內容可以自由使用、哪些需要標註來源、哪些需要社群同意、哪些完全不開放。清楚的授權標示，反而會增加使用的意願，因為使用者知道界線在哪裡。

同時，要保留社群的再詮釋權。文化意義會隨時間改變，今天覺得正確的解釋，十年後可能有不同的說法。系統設計上可以允許社群標註「補充說明」或「不同版本」，而不是把某一種說法鎖死。這種「可爭議性」是口傳文化的常態，也是它保持活力的方式。

遊戲化與參與式設計的界線

遊戲化可以吸引年輕人，但也很容易把文化變成娛樂消費。設計時要問：這個遊戲機制是在幫助理解，還是在簡化脈絡？如果為了破關而把祭儀變成收集任務，可能會傳達錯誤的觀念。比較好的做法，是讓遊戲機制服務於「觀察」與「提問」，而不是「征服」與「收集」。

參與式設計則是讓社群成員一起決定內容與規則。可以辦工作坊，讓長者與年輕人共同設計場景、錄製聲音、測試互動。這樣做的時間成本較高，但成果會更貼近社群的需求，也比較容易持續維護。

永續維護：格式、平台與人才的現實帳單

數位保存最現實的問題是：檔案會壞、平台會倒、格式會過時、人才會流失。要降低風險，至少有幾件事可以做：使用開放格式與標準 metadata；保留原始檔與多份備份，並定期檢查；不要把雞蛋放在同一個平台，至少準備一個離線版本；培養至少兩位能維護系統的人，不要讓專案只依賴一位志工；在計畫書裡編列長期維護預算，而不是只編列建置費。

還有一個常被忽略的點：文件化。把系統架構、資料夾結構、授權規則、操作流程寫下來，讓後來的人可以接手。很多專案不是死於技術困難，而是死於「只有一個人知道怎麼運作」。

七、結語：擬真是橋，不是終點

口傳文化在數位化擬真環境中的生存與轉譯，說到底是一場關於「關係」的工程。我們用空間音訊重建聲音與空間的關係，用互動設計重建說者與聽者的關係，用授權治理重建社群與內容的關係，用永續規劃重建現在與未來的關係。技術只是橋，橋的兩端是人。

擬真環境再怎麼進步，都不可能完全取代現場。但它可以做到一件很重要的事：讓不在場的人，有機會意識到自己的不在場，並且願意進一步走進真實的現場。與其追求「完全保存」的幻覺，不如追求「持續對話」的可能。當一個年輕人在虛擬場景裡聽見長者的聲音，因為好奇而跑去問家裡的阿公，這個數位轉譯就有了意義。

對雅寶社區的讀者來說，如果你手邊正好有一段長者的口述、一個老攤位的聲音、一首快要沒人會唱的歌謠，不妨從最小的規模開始：一支手機、一個空間音訊麥克風、一個簡單的網頁 3D 場景。不要等到設備齊全才開始，也不要等到預算充足才行動。口傳文化最怕的不是技術不夠好，而是沒有人繼續聽、繼續問、繼續說。擬真是橋，橋搭好了，總要有人走過去。

🏠 返回首頁