Tarin Clanuwat · Vocations

Tarin Clanuwat 是來自泰國、在東京 Sakana AI 工作的研究者。她在早稻田取得古典文學博士，現在研究古籍文字辨識與文化資料，開發讓一般人接近古代作品的工具。¹

她開發的免費手機應用程式 miwo，讓使用者可以拍攝古籍，取得現代字形的辨識結果，再對照原圖閱讀。她希望工具能幫助人們開始讀原來的作品；讓人產生閱讀意願，與把字辨認出來，同樣是她在訪談中關心的問題。²、³

曼谷的日語與程式課，赴日後的讀寫學習

Tarin 出身泰國曼谷，約十歲時由父親鼓勵上程式課。⁴

以《源氏物語》為本的漫畫《あさきゆめみし》，使她對古典日本的興趣變得具體。她在《和樂》訪談裡說，自己從小對日本與日本文化感興趣，反覆閱讀這部作品，後來進入早稻田研究所，成為《源氏物語》研究者。漫畫讓千年前的故事先有了可以看見、可以想像的世界；再進入學術研究，便要處理原文與歷代注釋。⁵

2008 年，她以日本政府獎學金留學生身分赴日，在早稻田求學。本人網站列出的文部科學省（MEXT）獎學金期間是 2008 至 2015 年；後續各年的生活費來源並未完整公開。⁶、⁷

碩士一年級的文獻研究課期末考，她讀不出和歌資料中的崩字，成績是 F。⁸

她於是學習假名書法，希望自己會寫，也就能讀。⁹ 《和樂》訪談則強調，這種讀寫需要像外語一樣在日常生活中反覆練習，只讀教材不夠。¹⁰

「くずし字」（kuzushiji）通常譯作崩字或草寫字，包含漢字及假名在手寫、木刻本裡的多樣字形。同一個現代平假名，過去可能由不同漢字字源形成；筆畫又會因連綿書寫、書者習慣和所在文句改變。¹¹ 在江戶木刻本中，刻工常忠實保留手寫稿的形狀，所以「印刷品」也不一定具有今天活字那樣規整的字形。¹²

十年的古典文學訓練

她在 2012 年完成以九曜文庫本《源氏物語抄》為中心的碩士研究，之後持續研究古注釋，到 2018 年三月完成《中世における『源氏物語』古注釈の研究》博士論文。¹³

古注釋記錄不同時代如何理解宮廷禮俗、和歌與典故。研究者需要追查彼此引用、部分散佚的解釋，而非只有小說正文。¹⁴ Tarin 在 UCLA 留學研究者的介紹頁上，便特別提出已散佚的《水原抄》及河內方《源氏》研究；她在 2016 年以柳井正全球化日本人文學倡議的訪問研究生身分赴 UCLA。這使她在進入人工智慧之前，已處於日本與海外日本學的交流網絡之中。¹⁵、¹⁶

2015 年的《葵巻古注》論文，最能看見她實際怎麼工作。前人曾因注釋內容的相似，主張現存卷軸就是失傳《水原抄》的一部分。她重新檢查兩個問題：如果那是一部內容龐大的研究用注釋書，為什麼會採用不便查找的卷軸形式？而《水原抄》逸文中重要的問答式注釋，為什麼沒有出現在這份卷軸？她並比對卷軸本文與注釋所引本文的細小差異，提出注釋可能從《水原抄》等書選錄、簡化後加在正文旁，與原注釋書用途不同。¹⁷

也有一個具體限制：她在論文中說明，當時未能接觸原件，而依靠複製本檢查。

博士畢業前後：重新學程式與尋找工作

博士畢業前後，她得考慮工作與收入，也想把崩字辨識自動化，卻已十多年未寫程式。泰國獎學金同屆生引介東大影像處理研究室；她寫信申請，透過校際交流制度進去學習。¹⁸

2018 年四月的正式教育紀錄，列出東大總合文化研究科特別研究學生身分。¹⁹

她向 CODH 坦言研究尚未成功，仍獲聘任；她稱這份機會是幸運。²⁰

CODH 的資料、同事與模型研究

CODH 是人文學開放資料共同利用中心，NII 是日本國立情報學研究所，國文學研究資料館（NIJL）則保存與研究日本文學資料。NIJL 提供古籍影像並組織專家翻刻，CODH 整理可以搜尋與重用的資料。Tarin 進入的，是已有文學、資料及資訊研究者共同工作的環境。²¹

崩字資料集在她加入前的 2016 年已公開。人先讀出字，再標註它在影像上的位置，模型才能學習筆墨與字元的對應；新舊字形與變體假名也按搜尋需求整理。這些既有資料，讓她不必從零開始募集全部影像與翻刻。²²

2018 年，她與 Mikel Bober-Irizar、北本朝展、Alex Lamb、山本和明、David Ha 發表 Deep Learning for Classical Japanese Literature，在 NeurIPS 的 Machine Learning for Creativity and Design 工作坊介紹 KMNIST 等資料集。團隊採用機器學習者熟悉的手寫影像格式，讓研究者能用既有程式嘗試辨識古籍字形。²³、²⁴

她與 Lamb、北本在 2019 年提出 KuroNet，Tarin 與 Lamb 共同列為同等貢獻。它從一整頁同時找字的位置與字元，減少先切錯字所造成的問題：連綿草寫裡，知道字的邊界與辨出是什麼字，常須一起處理。切好的單字、整頁辨識與閱讀順序，仍各有研究問題。²⁵ Lamb 的工作回顧也記下，不同材料的表現差距很大，罕字和不規整手寫食譜尤其困難。²⁶

競賽、公民翻刻與圖像合作

2019 年七月至十月，CODH／NII 在 Kaggle 舉辦崩字辨識競賽，邀請全球研究者用同一資料比較解法。第一名 tascj 的模型，後來與 KuroNet 一同成為 miwo 初期的辨識來源。競賽也讓團隊取得自己原先未採用的解法。²⁷、²⁸

她也與需要使用史料的人接觸。橋本雄太在 2020 年訪談裡回憶，遇見 Tarin、接觸她與其他團隊的辨識研究，是「みんなで翻刻」（大家一起翻刻）加入 AI 支援的契機。這個公民校讀平台讓人取得辨識候選，再共同修正。橋本原先關心的歷史地震紀錄，需要從近代儀器出現前的文字追查；文學研究者開發的辨識，也能在這類資料工作中使用。²⁹

與她合作的材料不只有字。KaoKore 將十六、十七世紀繪卷、繪本裡的臉整理成模型資料，以既有專家標註為基礎。共同作者包括 Yingtao Tian、鈴木親彦、Bober-Irizar、Lamb 與北本；人物身分類別的選擇，須靠藝術史判讀及資料整理。³⁰ 後來的浮世繪研究又加入物件、屬性與構圖標註，這些合作延續到她近期的圖像工作。³¹

開發 miwo：手機、初學者與研究經費

miwo 在 2021 年八月三十日公開，提供免費 iOS 與 Android 版本；同年春季，慶應義塾 KeMCo 展示已有原型體驗。³² 使用者拍攝或選擇古籍影像，字框與現代字元會覆在原圖上，還能修正、裁切比較與取用文字。對不知連綿筆畫中有幾個字的初學者，字框提供了練習起點；熟練研究者則可以現場快速確認。³³

團隊選 Flutter，是因為人數有限，難以同時維護兩套完全分開的手機程式。讓同一程式碼支援兩個平台，是小團隊處理開發與後續維護的選擇。³⁴ 名字來自《源氏物語》的「澪標」，水路上的指引；她也以《奇天烈大百科》裡讓難辨內容顯現的「神通鏡」，想像手機工具。³⁵

她主持的日本學術振興會科研費青年案 19K13085，期間為 2019 年四月至 2022 年三月，審查領域是日本文學。總額 390 萬日圓中，300 萬是直接經費，90 萬是間接經費；這是研究案資源，不是個人年薪。該案把古籍資料需求與辨識技術納入文學研究。³⁶

她另獲 JST ACT-X 的「資料調查用裝置端崩字辨識」研究案，登錄期間是 2020 至 2021 年。³⁷ 已發布的 miwo 則將手機影像送到 CODH 的 GPU 伺服器處理，不保存收到的影像與結果；使用者可在自己的裝置存檔。³⁸

官方列 Tarin 為應用開發者，北本與 Bober-Irizar 為共同開發者，另有辨識研究與藝術指導等貢獻。2022 年更新加入她研發的 RURI；這時她已轉入 Google，公共服務仍繼續更新。³⁹

Tarin Clanuwat 在 Sakana AI 訪談中的照片 — Tarin Clanuwat 在 TOKYO UPDATES 訪談中的照片。該訪談談到她在 Sakana AI 的工作，以及讓古典日文資料更容易被讀取的研究。 Fujishima Ryo／TOKYO UPDATES（東京都） · 著作權由原來源及權利人保留；未標示開放授權。 · 圖片來源

Google 的工作與工具的使用者

2021 年八月底，Tarin 離開 CODH／NII，九月六日進入 Google Brain。⁴⁰ 後來她在 Google Research／Brain、Google DeepMind 擔任資深研究科學家；此前在 CODH 任特任助教，在 NII 任專案研究員。⁴¹

她入職前已有 Google 同事合作：2018 年論文的 David Ha、2020 年 KaoKore 的 Yingtao Tian 都署名 Google Brain。這些論文讓人看見她的合作網絡，但公開資料未交代招聘程序。⁴²、⁴³

工具的使用也帶來教學問題。日本語學者近藤泰弘在 2021 年評論 miwo，既記下讀者的期待，也談到學生依賴工具的憂慮。他認為辨出字形後，解釋典故、讀懂古文、確認史實仍需訓練；工具適合快速篩選、找關鍵詞，也可以協助初學者。⁴⁴ 官方說明則提醒，主要訓練來源是江戶木刻本，其他時期的手稿、污損與複雜背景仍會影響結果。⁴⁵

Sakana AI：浮世繪與江戶文本

至遲在 2024 年七月發布浮世繪模型時，她已在 Sakana AI 工作。⁴⁶ 她將研究方向說成讓模型更能理解日本的文化背景。⁴⁷

這項與立命館大學藝術研究中心的合作，讓 Evo-Ukiyoe 依日語提示生成浮世繪風影像，Evo-Nishikie 則替黑白木刻圖生成色彩。赤間亮協助選擇資料；團隊用多模態模型產生圖說，再人工修正。原作影像與人臉裁切都進入訓練，資料選擇與圖說整理是工作的主要部分。⁴⁸ 模型卡列 Tarin、Makoto Shing、Yuki Imajuku、北本與赤間的合作署名。⁴⁹

2025 年四月公開的「唐丸」（Karamaru），則繼續訓練日本語大型語言模型，使它學習江戶書面語。名稱來自出版人蔦屋重三郎的別號。語料包括人力翻刻、CODH 字元資料，以及 RURI 與 OCR Refiner 處理的古籍文字；國文學研究資料館的影像建設、橋本與公民校讀者的工作因此能在新模型中使用。Tarin 與 Tianyu Zhao、Imajuku、Shing、北本等人開發，另有山本和明、橋本協力。團隊承認回答仍可能出錯；它是歷史文本訓練實驗，生成回答仍須再對照史料。⁵⁰

Clanuwat 從江戶時代古書頁間取出防蟲用的葉子 — Clanuwat 從江戶時代的古書頁間取出一片用來防蟲的葉子。古書的實物、保存方式與閱讀經驗，也是她研究世界的一部分。 Fujishima Ryo／TOKYO UPDATES（東京都） · 著作權由原來源及權利人保留；未標示開放授權。 · 圖片來源

古書收藏與跨國交流

2022 年的 Digital Humanities 主題演講與英國交流，留下她與國際社群往來的紀錄。⁵¹

她喜歡逛神保町的古書店，也收藏古籍。一部江戶版《源氏物語》裡，夾著前人放入防蟲的乾葉；江戶指南所記的商店，有些今天仍在營業。她也希望讓較少受到研究的古書有讀者。⁵²

時序核對

以下僅用來核對敘事中的時間，不替代以上的形成史。回憶性訪談與正式履歷的記法分別保留。

時間	可確認事項	證據與限制
2008—2018	留學、文學學位與大學交流	詳見正文教育紀錄。
2018 年	CODH／NII 研究工作；KMNIST 論文	論文機構署名。
2019	KuroNet、科研費青年案、Kaggle 競賽	論文、科研費資料與競賽官方紀錄。
2020—2021	JST ACT-X 研究案；手機工具開發	計畫方向與發布服務架構有區別。
2021 年	miwo 公開、轉入 Google	月日見正文；兩項來源分別核對。
2022	RURI 加入 miwo；NISTEP 研究者 2022 等肯定	官方版本紀錄與機構公告。
2024 年七月	在 Sakana AI 參與發布浮世繪模型	可確認此時已在公司工作；未取得精確入職日。
2025 年四月	唐丸公開	官方研究說明。

來源與閱讀範圍

本文以日語第一人稱訪談、本人書目、文學與技術論文、資料集規格、研究案紀錄及合作人的回應交叉核對，並參照英語訪談。泰語檢索未取得足夠可靠的一手形成材料，因此不補寫泰國大學名稱、出生年或未公開的家庭細節。博士論文項目可核題名與授予紀錄，但全文取得不穩定；本文的文學方法分析以實際讀取的 2015 年論文為基礎。東大正式教育紀錄與訪談所述研究室接觸，未完整交代各項程序的月份。

模型數字與資料集規模隨版本而變，本文僅在能確定用途時使用，不把不同實驗的分數排成一條進步線。Google 與 Sakana 的薪資、聘任過程及內部工時未公開；工具、模型卡與機構宣傳能說明公開設計和自我理解，不能單獨證明全部使用效果；TOKYO UPDATES 訪談也有東京吸引國際人才的宣傳脈絡。未有資料證明的因果，本文以解讀而非事實提出。

本人、形成與文學研究

Tarin Clanuwat 個人網站：教育、獎學金、書目及活動紀錄。
Ledge，Tarin Clanuwat 訪談，2021：留學與轉職的本人回顧。
《和樂》，miwo 開發者訪談，2021 年十月十九日：漫畫、書寫訓練、閱讀欲望與工具設計。
UCLA Asian Languages & Cultures，Tarin Clanuwat：博士候選人時期的《水原抄》、河內方研究介紹；屬歷史頁面。
Tarin Clanuwat，〈『葵巻古注』と『水原抄』の関係〉，Waseda RILAS Journal 3，2015，PDF：本文重建文獻方法所依據的全文，含英語摘要。
TOKYO UPDATES，〈Sharing Traditional Edo Culture Through AI〉，2025 年十二月十日：Sakana 職位、文化研究方向、古書與東京生活。東京政府人才宣傳脈絡須一併考慮。

公共資料、模型與共同研究

CODH，日本古典籍崩字資料集：建立、翻刻與標註、公開時間、字元合併、使用條件與資料偏向。
Clanuwat et al.，Deep Learning for Classical Japanese Literature，2018；HTML 全文：資料設計及工作坊論文。
ROIS-CODH，KMNIST GitHub：公開資料的使用入口。
Clanuwat、Lamb、Kitamoto，KuroNet: Pre-Modern Japanese Kuzushiji Character Recognition with Deep Learning，2019；HTML 全文：整頁方法與共同貢獻。
Alex Lamb，〈How Machine Learning Can Help Unlock the World of Ancient Japan〉，The Gradient，2019 年十一月十七日：共同研究者對失敗材料與競賽經驗的一手說明。
CODH，Kaggle 崩字辨識競賽：時間、排名、公開解法與相關論文。
Tian et al.，KaoKore: A Pre-modern Japanese Art Facial Expression Dataset，2020；HTML 全文：專家標註與資料選擇。
Tian、Clanuwat、Suzuki、Kitamoto，Ukiyo-e Analysis and Creativity with Attribute and Geometry Annotation，2021：物件、屬性、幾何、色彩與共同研究。
Kitamoto et al.，Digital Typhoon，2023：長期衛星資料、作者與基準研究；本文僅使用摘要、作者及會議紀錄。

工具、經費與使用者的回應

CODH，miwo：發布、原型、模型版本、伺服器、資料處理、開發分工與經費鳴謝。
CODH，miwo 功能與研究說明：初學者、研究者、Flutter、功能及辨識限制。
科研費 19K13085，研究案與成果：日本文學審查領域、主持人、期間、經費與成果。
JST，〈資料調査のためのオンデバイスくずし字認識〉：ACT-X 計畫名稱與期間；不以提案取代實際發布架構。
近藤泰弘，〈AIくずし字認識アプリ「みを」のもつ意義と未来〉，2021 年九月七日：日語學者的試用、教育與研究判斷，非控制式準確率測試。
AINOW，橋本雄太訪談，2020 年十一月二日：公民翻刻、與 Tarin 的接觸、人機分工及災害史。
NISTEP，研究者 2022 公告：肯定 AI 崩字辨識與社會應用；本文不把獎項當性能證明。

生成式文化模型

Sakana AI，Evo-Ukiyoe／Evo-Nishikie 官方研究說明，2024 年七月：收藏機構合作、資料、圖說與微調流程、教育目的及協作者。
Evo-Ukiyoe-v1 模型卡：模型來源、貢獻、用途與授權限制。
Sakana AI，唐丸官方研究說明，2025 年四月：江戶文本、人力與 AI 資料、持續訓練、限制與開發名單。