日本動畫出現台灣身分證?《詐騙之王》預告片引爆話題 中國網站「自我審查」裁掉「中華民國」

日本動畫出現台灣身分證?《詐騙之王》預告片引爆話題 中國網站「自我審查」裁掉「中華民國」

image source: YouTube/翻攝自TOHO animation チャンネル

文/蔡瓅萱

日本動畫《詐騙之王 GREAT PRETENDER》於日前公開續作《詐騙之王 razbliuto》的最新預告,從中可以看見劇情及場景皆出現許多台灣元素,預告片其中一幕中的「中華民國身分證」更是成為眾所矚目的焦點,超還原的細節在網路上引發討論。

超多台灣場景!《詐騙之王》預告片引發討論

《詐騙之王》為一部由日本動畫公司WIT STUDIO公司製作、以詐騙為主題的動畫。主角枝村真人以「天才詐欺師」自居,和小弟工藤在淺草街頭合夥詐騙。某日他們在行騙途中遇到法國遊客羅蘭,同為高手的羅蘭在擺了他們一道後,邀約兩人前往美國洛杉磯進行更大型的國際級詐欺遊戲。

故事的舞台從日本延伸至洛杉磯,接著又擴張新加坡、英國倫敦、中國等地。在最新一季更是直接以台灣為背景,預告片中可以看見大量熟悉的台灣元素及場景,像是知名地標台北101、桃園機場捷運、小吃攤、台灣啤酒、釣蝦場霓虹招牌等等,預告一播出就在台灣社群上引發討論。

《詐騙之王 razbliuto》的預告片中出現了台灣啤酒、桃園機場捷運、釣蝦場招牌、台北101等熟悉的台灣元素與場景

▲《詐騙之王 razbliuto》的預告片中出現了台灣啤酒、桃園機場捷運、釣蝦場招牌、台北101等熟悉的台灣元素與場景。

image source: YouTube/翻攝自TOHO animation チャンネル

「身分證」成討論焦點!個人資料、防偽浮水印神還原

透過《KEYPO大數據關鍵引擎》輿情分析系統調查發現,在《詐騙之王》近一個月的網路探索概念中,出現了「中華民國身分證」、「身分證」等討論主題。這是因為在《詐騙之王 razbliuto》的第二彈預告中,其中一幕出現了台灣網友們非常熟悉的「中華民國身分證」。預告公開後,「身分證」馬上成為網友們關注的焦點。

《詐騙之王》近一個月聲量趨勢變化

▲《詐騙之王》近一個月聲量趨勢變化。

image source: 《KEYPO大數據關鍵引擎》輿情分析系統

預告片畫面中的身分證完美還原了種種細節,除了照片、姓名、出生年月日、身分證字號、發證日期等個人資料外,國旗圖樣以及背後的防偽浮水印也繪製得唯妙唯肖。除此之外,一旁資料表上的住址如「新北市淡水區水源街一段」、「台北市松山區光復北路」、 「澎湖縣馬公市西衛里」等等,出現在日本動畫中,都讓網友們倍感親切。

《詐騙之王 razbliuto》預告片中的「中華民國身分證」成為網友討論的焦點

▲《詐騙之王 razbliuto》預告片中的「中華民國身分證」成為網友討論的焦點。

image source: YouTube/翻攝自TOHO animation チャンネル

台灣成為詐騙王國?中國網站「自我審查」裁掉中華民國

《詐騙之王》以台灣為最新一季的舞台,除了熟悉的場景讓不少網友感到新奇外,網路上也出現了不一樣的聲音。部分網友認為該動畫將台灣和「詐騙」綁在一起,根本是讓台灣成為「國際笑話」,不過看過完整動畫內容的人反駁,該作本來就是國際詐騙集團在世界各國行騙的故事,因為故事背景設定在台灣就認為是「辱台」,其實是斷章取義。

此外,由於預告片中身分證上的「中華民國」字樣和國旗非常顯眼,也有許多人好奇「中國會不會禁播」。實際至中國影音平臺查看,會發現在《詐騙之王 razbliuto》第二彈預告中,「中華民國分證」的部分被巧妙裁切,只剩下個人資料的畫面,「中華民國」和「國旗」皆未出現在畫面中。

中國影音平台「bilibili」裁掉畫面中身分證的「中國民國」及「國旗」

▲中國影音平台「bilibili」裁掉畫面中身分證的「中國民國」及「國旗」。

image source: 翻攝自bilibili


分析說明

分析區間:本文分析時間範圍為20240130日至20240228日。

資料來源:

KEYPO大數據關鍵引擎輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站。

研究方法:
KEYPO大數據關鍵引擎輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站,針對討論『《詐騙之王》』相關文本進行分析,調查「探索概念」(註1)作為本分析依據。

*註1 探索概念:將主題的文章進行概念分群(Concept Clustering),幫助讀者從巨量資料中快速掌握事件的來龍去脈;群中存在較高的議題相似度,群間則有較低的相關度;分群結果透過演算法抽取具有代表性的片語以呈現概念的意義。