以「開源AI模型打造在地化無礙的數位溝通與識讀」為主題，響應「AI 新十大建設」政策中由數產署主導之「AI 數位產業登峰」。本組別鼓勵參賽團隊運用開源之AI模型，解決文字、語音及影像等相關應用，並須使用及上架GitHub、Hugging Face等開源平台。

應用範疇建議且不限於以下：

1. 繁體中文大型語言模型（LLM）：進行理解、摘要、解釋、問答與生成能力，協助使用者更有效理解資訊並完成任務。
2. 在地語音無障礙應用：運用開源 ASR 模型，開發支援國、台、客、英多語混合辨識之應用（如長者智慧生活助手、多語即時轉譯、智慧醫療診間紀錄等），提升在地語言辨識準確度，降低溝通障礙。
3. 智慧文書識讀輔助：利用開源 VLM 模型，針對繁中及英文特定場景文書（如藥袋、政府公文、手寫帳單等）進行文字擷取與理解，並可串接翻譯或 TTS 技術，將視覺資訊轉為易理解之母語語音，縮減識讀落差。
4. AI 軟體賦能服務：因應台灣在地產業需求，運用上述模型開發降低操作門檻、提升資訊獲取效率之 AI Native 軟體工具。

【參賽限制】

• 參賽作品不得使用由中國（含中國大陸）機構、企業或研究單位所開發或維護之開源AI模型作為核心模型。
• 參賽作品所使用之AI模型須具備清楚之開源授權與來源說明，並應於作品文件中揭露模型名稱、版本與來源。
• 主辦單位得於評審過程中要求參賽團隊說明所使用模型之來源與技術架構。
• 若經查證違反上述規定，主辦單位得取消其參賽或得獎資格。

【加分機制】

1. 核心模型應用：系統核心功能實質介接數產署 GitHub (adi-gov-tw) 上已開源之 Taiwan Tongues ASR CE 或 VLM 繁中文字辨識模型，並說明針對特定應用場景之微調（Fine-tuning）或優化成果。
2. 多模態整合創新：成功整合兩種以上模型，提供完整的多模態交互體驗者（例如：拍下公文後，能以語音問答方式解釋公文內容）。
3. 數據與生態貢獻： 提出如何將應用測試過程中所收集之高品質「在地化語料」或「繁中辨識修正數據」回饋至開源生態系之機制。

【背景說明】
在 AI 快速發展下，科技進步未必自然帶來公平，城鄉差距、語言隔閡、長者數位落差及身心障礙者資訊取得困難等問題仍持續存在。
「AI 在地化」核心在於讓 AI 具備本地語言與文化理解能力，真正走入生活場域，成為降低門檻的工具，並將「聽得懂、看得懂」轉化為「用得到」的服務，作為弭平數位落差的重要基礎。
本競賽鼓勵學生以社會需求為出發點，運用開源 AI 模型打造具公共價值與擴散潛力之應用服務，培育 AI 軟體人才，實踐科技向善。