IVOD_ID |
160515 |
IVOD_URL |
https://ivod.ly.gov.tw/Play/Clip/1M/160515 |
日期 |
2025-04-23 |
會議資料.會議代碼 |
委員會-11-3-20-9 |
會議資料.會議代碼:str |
第11屆第3會期財政委員會第9次全體委員會議 |
會議資料.屆 |
11 |
會議資料.會期 |
3 |
會議資料.會次 |
9 |
會議資料.種類 |
委員會 |
會議資料.委員會代碼[0] |
20 |
會議資料.委員會代碼:str[0] |
財政委員會 |
會議資料.標題 |
第11屆第3會期財政委員會第9次全體委員會議 |
影片種類 |
Clip |
開始時間 |
2025-04-23T11:06:43+08:00 |
結束時間 |
2025-04-23T11:17:43+08:00 |
影片長度 |
00:11:00 |
支援功能[0] |
ai-transcript |
video_url |
https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/27ac2f54fdf75cc07f0f706cbabafc96c0f390e692fb4f249a3354dc8dbd3a6255ea099cd124814b5ea18f28b6918d91.mp4/playlist.m3u8 |
委員名稱 |
賴惠員 |
委員發言時間 |
11:06:43 - 11:17:43 |
會議時間 |
2025-04-23T09:00:00+08:00 |
會議名稱 |
立法院第11屆第3會期財政委員會第9次全體委員會議(事由:一、審查「貨物稅條例」34案:
(一) 本院委員葉元之等21人擬具「貨物稅條例刪除部分條文草案」案。
(二) 本院委員廖先翔等16人擬具「貨物稅條例刪除第八條條文草案」案。
(三) 本院台灣民眾黨黨團擬具「貨物稅條例第十一條、第十一條之一及第三十七條條文修正草案」案。
(四) 本院委員邱若華等20人擬具「貨物稅條例第十一條條文修正草案」案。
(五) 本院委員魯明哲等16人、委員顏寬恒等19人、委員羅廷瑋等16人、委員賴士葆等21人、委員邱鎮軍等22人、委員徐欣瑩等27人、委員翁曉玲等17人、委員羅明才等16人、委員郭國文等17人、委員王鴻薇等24人、委員廖偉翔等17人、委員許宇甄等21人、委員黃建賓等16人、委員林思銘等21人、委員萬美玲等16人分別擬具「貨物稅條例第十一條之一條文修正草案」等15案。
(六) 本院委員李坤城等24人擬具「貨物稅條例第十一條之一、第十二條之五及第十二條之六條文修正草案」案。
(七) 本院委員鄭天財Sra Kacaw等19人、委員林思銘等19人、委員涂權吉等17人、委員陳玉珍等19人、委員馬文君等18人、委員王世堅等19人、委員張智倫等25人、委員魯明哲等16人、委員王鴻薇等19人、委員楊瓊瓔等20人、委員邱鎮軍等24人、委員萬美玲等18人、委員廖偉翔等17人分別擬具「貨物稅條例第十二條條文修正草案」等13案。
(八) 本院委員邱鎮軍等19人擬具「貨物稅條例第十二條之三條文修正草案」案。
二、審查人民請願案有關「貨物稅條例」7案。) |
transcript.pyannote[0].speaker |
SPEAKER_02 |
transcript.pyannote[0].start |
0.03096875 |
transcript.pyannote[0].end |
2.68034375 |
transcript.pyannote[1].speaker |
SPEAKER_02 |
transcript.pyannote[1].start |
3.28784375 |
transcript.pyannote[1].end |
5.97096875 |
transcript.pyannote[2].speaker |
SPEAKER_01 |
transcript.pyannote[2].start |
3.76034375 |
transcript.pyannote[2].end |
4.23284375 |
transcript.pyannote[3].speaker |
SPEAKER_01 |
transcript.pyannote[3].start |
5.22846875 |
transcript.pyannote[3].end |
5.24534375 |
transcript.pyannote[4].speaker |
SPEAKER_02 |
transcript.pyannote[4].start |
6.03846875 |
transcript.pyannote[4].end |
6.12284375 |
transcript.pyannote[5].speaker |
SPEAKER_02 |
transcript.pyannote[5].start |
6.24096875 |
transcript.pyannote[5].end |
7.57409375 |
transcript.pyannote[6].speaker |
SPEAKER_02 |
transcript.pyannote[6].start |
8.78909375 |
transcript.pyannote[6].end |
23.74034375 |
transcript.pyannote[7].speaker |
SPEAKER_02 |
transcript.pyannote[7].start |
23.75721875 |
transcript.pyannote[7].end |
35.13096875 |
transcript.pyannote[8].speaker |
SPEAKER_02 |
transcript.pyannote[8].start |
35.43471875 |
transcript.pyannote[8].end |
43.01159375 |
transcript.pyannote[9].speaker |
SPEAKER_00 |
transcript.pyannote[9].start |
41.88096875 |
transcript.pyannote[9].end |
42.40409375 |
transcript.pyannote[10].speaker |
SPEAKER_00 |
transcript.pyannote[10].start |
43.58534375 |
transcript.pyannote[10].end |
43.70346875 |
transcript.pyannote[11].speaker |
SPEAKER_00 |
transcript.pyannote[11].start |
44.00721875 |
transcript.pyannote[11].end |
48.15846875 |
transcript.pyannote[12].speaker |
SPEAKER_02 |
transcript.pyannote[12].start |
48.49596875 |
transcript.pyannote[12].end |
78.88784375 |
transcript.pyannote[13].speaker |
SPEAKER_00 |
transcript.pyannote[13].start |
51.87096875 |
transcript.pyannote[13].end |
52.79909375 |
transcript.pyannote[14].speaker |
SPEAKER_00 |
transcript.pyannote[14].start |
53.67659375 |
transcript.pyannote[14].end |
54.62159375 |
transcript.pyannote[15].speaker |
SPEAKER_02 |
transcript.pyannote[15].start |
79.25909375 |
transcript.pyannote[15].end |
85.84034375 |
transcript.pyannote[16].speaker |
SPEAKER_02 |
transcript.pyannote[16].start |
86.12721875 |
transcript.pyannote[16].end |
88.81034375 |
transcript.pyannote[17].speaker |
SPEAKER_02 |
transcript.pyannote[17].start |
89.41784375 |
transcript.pyannote[17].end |
89.94096875 |
transcript.pyannote[18].speaker |
SPEAKER_02 |
transcript.pyannote[18].start |
90.16034375 |
transcript.pyannote[18].end |
130.05284375 |
transcript.pyannote[19].speaker |
SPEAKER_00 |
transcript.pyannote[19].start |
95.12159375 |
transcript.pyannote[19].end |
95.45909375 |
transcript.pyannote[20].speaker |
SPEAKER_02 |
transcript.pyannote[20].start |
130.32284375 |
transcript.pyannote[20].end |
140.70096875 |
transcript.pyannote[21].speaker |
SPEAKER_02 |
transcript.pyannote[21].start |
140.78534375 |
transcript.pyannote[21].end |
147.28221875 |
transcript.pyannote[22].speaker |
SPEAKER_00 |
transcript.pyannote[22].start |
147.97409375 |
transcript.pyannote[22].end |
153.72846875 |
transcript.pyannote[23].speaker |
SPEAKER_02 |
transcript.pyannote[23].start |
150.33659375 |
transcript.pyannote[23].end |
151.70346875 |
transcript.pyannote[24].speaker |
SPEAKER_00 |
transcript.pyannote[24].start |
154.03221875 |
transcript.pyannote[24].end |
154.06596875 |
transcript.pyannote[25].speaker |
SPEAKER_02 |
transcript.pyannote[25].start |
154.06596875 |
transcript.pyannote[25].end |
154.09971875 |
transcript.pyannote[26].speaker |
SPEAKER_00 |
transcript.pyannote[26].start |
154.09971875 |
transcript.pyannote[26].end |
154.18409375 |
transcript.pyannote[27].speaker |
SPEAKER_02 |
transcript.pyannote[27].start |
154.18409375 |
transcript.pyannote[27].end |
154.20096875 |
transcript.pyannote[28].speaker |
SPEAKER_00 |
transcript.pyannote[28].start |
154.20096875 |
transcript.pyannote[28].end |
154.25159375 |
transcript.pyannote[29].speaker |
SPEAKER_02 |
transcript.pyannote[29].start |
154.25159375 |
transcript.pyannote[29].end |
154.30221875 |
transcript.pyannote[30].speaker |
SPEAKER_00 |
transcript.pyannote[30].start |
154.30221875 |
transcript.pyannote[30].end |
157.28909375 |
transcript.pyannote[31].speaker |
SPEAKER_02 |
transcript.pyannote[31].start |
154.60596875 |
transcript.pyannote[31].end |
155.92221875 |
transcript.pyannote[32].speaker |
SPEAKER_02 |
transcript.pyannote[32].start |
157.54221875 |
transcript.pyannote[32].end |
158.50409375 |
transcript.pyannote[33].speaker |
SPEAKER_00 |
transcript.pyannote[33].start |
158.50409375 |
transcript.pyannote[33].end |
158.57159375 |
transcript.pyannote[34].speaker |
SPEAKER_02 |
transcript.pyannote[34].start |
158.57159375 |
transcript.pyannote[34].end |
158.58846875 |
transcript.pyannote[35].speaker |
SPEAKER_00 |
transcript.pyannote[35].start |
158.58846875 |
transcript.pyannote[35].end |
158.72346875 |
transcript.pyannote[36].speaker |
SPEAKER_02 |
transcript.pyannote[36].start |
158.72346875 |
transcript.pyannote[36].end |
160.12409375 |
transcript.pyannote[37].speaker |
SPEAKER_00 |
transcript.pyannote[37].start |
158.92596875 |
transcript.pyannote[37].end |
164.37659375 |
transcript.pyannote[38].speaker |
SPEAKER_00 |
transcript.pyannote[38].start |
164.41034375 |
transcript.pyannote[38].end |
165.87846875 |
transcript.pyannote[39].speaker |
SPEAKER_02 |
transcript.pyannote[39].start |
164.61284375 |
transcript.pyannote[39].end |
165.54096875 |
transcript.pyannote[40].speaker |
SPEAKER_02 |
transcript.pyannote[40].start |
165.92909375 |
transcript.pyannote[40].end |
169.18596875 |
transcript.pyannote[41].speaker |
SPEAKER_02 |
transcript.pyannote[41].start |
169.47284375 |
transcript.pyannote[41].end |
183.04034375 |
transcript.pyannote[42].speaker |
SPEAKER_02 |
transcript.pyannote[42].start |
183.31034375 |
transcript.pyannote[42].end |
183.71534375 |
transcript.pyannote[43].speaker |
SPEAKER_00 |
transcript.pyannote[43].start |
183.71534375 |
transcript.pyannote[43].end |
184.67721875 |
transcript.pyannote[44].speaker |
SPEAKER_02 |
transcript.pyannote[44].start |
183.83346875 |
transcript.pyannote[44].end |
184.66034375 |
transcript.pyannote[45].speaker |
SPEAKER_02 |
transcript.pyannote[45].start |
184.67721875 |
transcript.pyannote[45].end |
185.25096875 |
transcript.pyannote[46].speaker |
SPEAKER_00 |
transcript.pyannote[46].start |
185.25096875 |
transcript.pyannote[46].end |
190.11096875 |
transcript.pyannote[47].speaker |
SPEAKER_00 |
transcript.pyannote[47].start |
190.34721875 |
transcript.pyannote[47].end |
194.07659375 |
transcript.pyannote[48].speaker |
SPEAKER_00 |
transcript.pyannote[48].start |
194.27909375 |
transcript.pyannote[48].end |
195.83159375 |
transcript.pyannote[49].speaker |
SPEAKER_00 |
transcript.pyannote[49].start |
196.10159375 |
transcript.pyannote[49].end |
202.56471875 |
transcript.pyannote[50].speaker |
SPEAKER_01 |
transcript.pyannote[50].start |
196.15221875 |
transcript.pyannote[50].end |
196.16909375 |
transcript.pyannote[51].speaker |
SPEAKER_01 |
transcript.pyannote[51].start |
196.18596875 |
transcript.pyannote[51].end |
196.27034375 |
transcript.pyannote[52].speaker |
SPEAKER_02 |
transcript.pyannote[52].start |
196.27034375 |
transcript.pyannote[52].end |
196.38846875 |
transcript.pyannote[53].speaker |
SPEAKER_01 |
transcript.pyannote[53].start |
196.38846875 |
transcript.pyannote[53].end |
196.54034375 |
transcript.pyannote[54].speaker |
SPEAKER_00 |
transcript.pyannote[54].start |
203.05409375 |
transcript.pyannote[54].end |
203.96534375 |
transcript.pyannote[55].speaker |
SPEAKER_02 |
transcript.pyannote[55].start |
203.96534375 |
transcript.pyannote[55].end |
216.52034375 |
transcript.pyannote[56].speaker |
SPEAKER_00 |
transcript.pyannote[56].start |
207.61034375 |
transcript.pyannote[56].end |
208.74096875 |
transcript.pyannote[57].speaker |
SPEAKER_02 |
transcript.pyannote[57].start |
216.80721875 |
transcript.pyannote[57].end |
217.02659375 |
transcript.pyannote[58].speaker |
SPEAKER_00 |
transcript.pyannote[58].start |
217.02659375 |
transcript.pyannote[58].end |
223.84409375 |
transcript.pyannote[59].speaker |
SPEAKER_00 |
transcript.pyannote[59].start |
223.92846875 |
transcript.pyannote[59].end |
231.33659375 |
transcript.pyannote[60].speaker |
SPEAKER_02 |
transcript.pyannote[60].start |
228.78846875 |
transcript.pyannote[60].end |
229.59846875 |
transcript.pyannote[61].speaker |
SPEAKER_00 |
transcript.pyannote[61].start |
231.50534375 |
transcript.pyannote[61].end |
240.38159375 |
transcript.pyannote[62].speaker |
SPEAKER_02 |
transcript.pyannote[62].start |
239.79096875 |
transcript.pyannote[62].end |
250.64159375 |
transcript.pyannote[63].speaker |
SPEAKER_02 |
transcript.pyannote[63].start |
250.96221875 |
transcript.pyannote[63].end |
260.39534375 |
transcript.pyannote[64].speaker |
SPEAKER_02 |
transcript.pyannote[64].start |
260.68221875 |
transcript.pyannote[64].end |
264.05721875 |
transcript.pyannote[65].speaker |
SPEAKER_02 |
transcript.pyannote[65].start |
264.36096875 |
transcript.pyannote[65].end |
266.35221875 |
transcript.pyannote[66].speaker |
SPEAKER_00 |
transcript.pyannote[66].start |
267.24659375 |
transcript.pyannote[66].end |
282.50159375 |
transcript.pyannote[67].speaker |
SPEAKER_02 |
transcript.pyannote[67].start |
281.32034375 |
transcript.pyannote[67].end |
284.39159375 |
transcript.pyannote[68].speaker |
SPEAKER_02 |
transcript.pyannote[68].start |
284.67846875 |
transcript.pyannote[68].end |
295.19159375 |
transcript.pyannote[69].speaker |
SPEAKER_00 |
transcript.pyannote[69].start |
295.68096875 |
transcript.pyannote[69].end |
309.68721875 |
transcript.pyannote[70].speaker |
SPEAKER_02 |
transcript.pyannote[70].start |
307.37534375 |
transcript.pyannote[70].end |
309.70409375 |
transcript.pyannote[71].speaker |
SPEAKER_00 |
transcript.pyannote[71].start |
309.70409375 |
transcript.pyannote[71].end |
309.97409375 |
transcript.pyannote[72].speaker |
SPEAKER_02 |
transcript.pyannote[72].start |
309.97409375 |
transcript.pyannote[72].end |
323.99721875 |
transcript.pyannote[73].speaker |
SPEAKER_02 |
transcript.pyannote[73].start |
324.72284375 |
transcript.pyannote[73].end |
359.55284375 |
transcript.pyannote[74].speaker |
SPEAKER_00 |
transcript.pyannote[74].start |
360.22784375 |
transcript.pyannote[74].end |
368.73284375 |
transcript.pyannote[75].speaker |
SPEAKER_00 |
transcript.pyannote[75].start |
368.98596875 |
transcript.pyannote[75].end |
371.28096875 |
transcript.pyannote[76].speaker |
SPEAKER_00 |
transcript.pyannote[76].start |
371.34846875 |
transcript.pyannote[76].end |
376.17471875 |
transcript.pyannote[77].speaker |
SPEAKER_00 |
transcript.pyannote[77].start |
376.24221875 |
transcript.pyannote[77].end |
380.84909375 |
transcript.pyannote[78].speaker |
SPEAKER_02 |
transcript.pyannote[78].start |
379.43159375 |
transcript.pyannote[78].end |
380.79846875 |
transcript.pyannote[79].speaker |
SPEAKER_02 |
transcript.pyannote[79].start |
380.84909375 |
transcript.pyannote[79].end |
384.37596875 |
transcript.pyannote[80].speaker |
SPEAKER_00 |
transcript.pyannote[80].start |
381.86159375 |
transcript.pyannote[80].end |
382.48596875 |
transcript.pyannote[81].speaker |
SPEAKER_02 |
transcript.pyannote[81].start |
384.61221875 |
transcript.pyannote[81].end |
391.75034375 |
transcript.pyannote[82].speaker |
SPEAKER_02 |
transcript.pyannote[82].start |
392.08784375 |
transcript.pyannote[82].end |
392.42534375 |
transcript.pyannote[83].speaker |
SPEAKER_00 |
transcript.pyannote[83].start |
392.42534375 |
transcript.pyannote[83].end |
392.50971875 |
transcript.pyannote[84].speaker |
SPEAKER_02 |
transcript.pyannote[84].start |
392.50971875 |
transcript.pyannote[84].end |
392.56034375 |
transcript.pyannote[85].speaker |
SPEAKER_00 |
transcript.pyannote[85].start |
392.77971875 |
transcript.pyannote[85].end |
392.79659375 |
transcript.pyannote[86].speaker |
SPEAKER_02 |
transcript.pyannote[86].start |
392.79659375 |
transcript.pyannote[86].end |
393.33659375 |
transcript.pyannote[87].speaker |
SPEAKER_00 |
transcript.pyannote[87].start |
392.84721875 |
transcript.pyannote[87].end |
393.64034375 |
transcript.pyannote[88].speaker |
SPEAKER_02 |
transcript.pyannote[88].start |
393.64034375 |
transcript.pyannote[88].end |
435.91221875 |
transcript.pyannote[89].speaker |
SPEAKER_00 |
transcript.pyannote[89].start |
403.68096875 |
transcript.pyannote[89].end |
404.13659375 |
transcript.pyannote[90].speaker |
SPEAKER_00 |
transcript.pyannote[90].start |
406.56659375 |
transcript.pyannote[90].end |
407.05596875 |
transcript.pyannote[91].speaker |
SPEAKER_01 |
transcript.pyannote[91].start |
435.91221875 |
transcript.pyannote[91].end |
474.80909375 |
transcript.pyannote[92].speaker |
SPEAKER_00 |
transcript.pyannote[92].start |
449.66534375 |
transcript.pyannote[92].end |
450.22221875 |
transcript.pyannote[93].speaker |
SPEAKER_00 |
transcript.pyannote[93].start |
456.01034375 |
transcript.pyannote[93].end |
456.41534375 |
transcript.pyannote[94].speaker |
SPEAKER_02 |
transcript.pyannote[94].start |
471.95721875 |
transcript.pyannote[94].end |
472.42971875 |
transcript.pyannote[95].speaker |
SPEAKER_02 |
transcript.pyannote[95].start |
472.53096875 |
transcript.pyannote[95].end |
479.92221875 |
transcript.pyannote[96].speaker |
SPEAKER_02 |
transcript.pyannote[96].start |
480.05721875 |
transcript.pyannote[96].end |
497.03346875 |
transcript.pyannote[97].speaker |
SPEAKER_01 |
transcript.pyannote[97].start |
497.03346875 |
transcript.pyannote[97].end |
523.22346875 |
transcript.pyannote[98].speaker |
SPEAKER_02 |
transcript.pyannote[98].start |
519.59534375 |
transcript.pyannote[98].end |
532.38659375 |
transcript.pyannote[99].speaker |
SPEAKER_01 |
transcript.pyannote[99].start |
530.73284375 |
transcript.pyannote[99].end |
531.15471875 |
transcript.pyannote[100].speaker |
SPEAKER_01 |
transcript.pyannote[100].start |
532.38659375 |
transcript.pyannote[100].end |
532.40346875 |
transcript.pyannote[101].speaker |
SPEAKER_01 |
transcript.pyannote[101].start |
532.65659375 |
transcript.pyannote[101].end |
537.41534375 |
transcript.pyannote[102].speaker |
SPEAKER_01 |
transcript.pyannote[102].start |
537.97221875 |
transcript.pyannote[102].end |
540.97596875 |
transcript.pyannote[103].speaker |
SPEAKER_02 |
transcript.pyannote[103].start |
540.97596875 |
transcript.pyannote[103].end |
546.78096875 |
transcript.pyannote[104].speaker |
SPEAKER_01 |
transcript.pyannote[104].start |
541.73534375 |
transcript.pyannote[104].end |
542.07284375 |
transcript.pyannote[105].speaker |
SPEAKER_02 |
transcript.pyannote[105].start |
546.88221875 |
transcript.pyannote[105].end |
560.02784375 |
transcript.pyannote[106].speaker |
SPEAKER_01 |
transcript.pyannote[106].start |
552.45096875 |
transcript.pyannote[106].end |
553.00784375 |
transcript.pyannote[107].speaker |
SPEAKER_01 |
transcript.pyannote[107].start |
560.02784375 |
transcript.pyannote[107].end |
594.63846875 |
transcript.pyannote[108].speaker |
SPEAKER_00 |
transcript.pyannote[108].start |
574.72596875 |
transcript.pyannote[108].end |
575.04659375 |
transcript.pyannote[109].speaker |
SPEAKER_00 |
transcript.pyannote[109].start |
579.02909375 |
transcript.pyannote[109].end |
580.02471875 |
transcript.pyannote[110].speaker |
SPEAKER_02 |
transcript.pyannote[110].start |
580.02471875 |
transcript.pyannote[110].end |
581.98221875 |
transcript.pyannote[111].speaker |
SPEAKER_02 |
transcript.pyannote[111].start |
591.19596875 |
transcript.pyannote[111].end |
627.32534375 |
transcript.pyannote[112].speaker |
SPEAKER_01 |
transcript.pyannote[112].start |
601.15221875 |
transcript.pyannote[112].end |
601.47284375 |
transcript.pyannote[113].speaker |
SPEAKER_00 |
transcript.pyannote[113].start |
601.47284375 |
transcript.pyannote[113].end |
601.50659375 |
transcript.pyannote[114].speaker |
SPEAKER_01 |
transcript.pyannote[114].start |
601.50659375 |
transcript.pyannote[114].end |
601.67534375 |
transcript.pyannote[115].speaker |
SPEAKER_01 |
transcript.pyannote[115].start |
621.41909375 |
transcript.pyannote[115].end |
621.87471875 |
transcript.pyannote[116].speaker |
SPEAKER_01 |
transcript.pyannote[116].start |
624.20346875 |
transcript.pyannote[116].end |
626.11034375 |
transcript.pyannote[117].speaker |
SPEAKER_01 |
transcript.pyannote[117].start |
626.56596875 |
transcript.pyannote[117].end |
627.13971875 |
transcript.pyannote[118].speaker |
SPEAKER_01 |
transcript.pyannote[118].start |
627.32534375 |
transcript.pyannote[118].end |
627.39284375 |
transcript.pyannote[119].speaker |
SPEAKER_02 |
transcript.pyannote[119].start |
627.39284375 |
transcript.pyannote[119].end |
646.76534375 |
transcript.pyannote[120].speaker |
SPEAKER_01 |
transcript.pyannote[120].start |
629.33346875 |
transcript.pyannote[120].end |
630.83534375 |
transcript.pyannote[121].speaker |
SPEAKER_00 |
transcript.pyannote[121].start |
634.37909375 |
transcript.pyannote[121].end |
634.76721875 |
transcript.pyannote[122].speaker |
SPEAKER_02 |
transcript.pyannote[122].start |
647.22096875 |
transcript.pyannote[122].end |
650.15721875 |
transcript.pyannote[123].speaker |
SPEAKER_02 |
transcript.pyannote[123].start |
650.84909375 |
transcript.pyannote[123].end |
652.31721875 |
transcript.pyannote[124].speaker |
SPEAKER_02 |
transcript.pyannote[124].start |
653.14409375 |
transcript.pyannote[124].end |
654.46034375 |
transcript.whisperx[0].start |
0.029 |
transcript.whisperx[0].end |
8.891 |
transcript.whisperx[0].text |
我們今天要討論的是修正就是貨物稅的一個條例那剛才我們從鍾嘉斌委員的口中我們聽到貨物稅那個整個歷史的一個發展史實在是也是非常有趣啦那就是說 |
transcript.whisperx[1].start |
27.014 |
transcript.whisperx[1].end |
47.255 |
transcript.whisperx[1].text |
如何延長節能家電退稅的一個期限這個是今天本席就是要跟大家討論的然後在這裡組長我們的家庭用電占全國用電的比例大概是兩成這個數字對不對家庭用電占全國住宅部門大概接近19到20 |
transcript.whisperx[2].start |
49.271 |
transcript.whisperx[2].end |
55.457 |
transcript.whisperx[2].text |
就是說它佔總用電量的兩成我們從這個2023年就是全國的總用電量2756億度裡頭我們在看就是工業用電它是佔了最大中55那住宅是19那其次才是服務業 |
transcript.whisperx[3].start |
71.474 |
transcript.whisperx[3].end |
87.239 |
transcript.whisperx[3].text |
我們來討論家庭平均用電的統計我們從工研院的研究裡頭我們看到家庭用電消費習慣的調查裡頭平均每一戶人家我們每一個家庭大概電器的種類有21種 |
transcript.whisperx[4].start |
89.48 |
transcript.whisperx[4].end |
112.422 |
transcript.whisperx[4].text |
然後電器的總台數有31台這個數字應該是正確嘛它是從公園院裡頭拉出來的那平均全國就是家庭年用度量的前五名的電器我們就是冷氣然後就是電冰箱再來就是照明那電熱器電視機這個依序的一個排列 |
transcript.whisperx[5].start |
113.062 |
transcript.whisperx[5].end |
133.534 |
transcript.whisperx[5].text |
那可是在這裡我要特別請教你就是說如果節能家電的一個退稅的一個政策其實是從2019年開始在2019年開始到一直到2024年那節能家電的退稅的貨物的一個政策已經補助了我們的民眾205億 |
transcript.whisperx[6].start |
136.095 |
transcript.whisperx[6].end |
161.684 |
transcript.whisperx[6].text |
那汰換了1227萬台的節能家電那我想請問組長省下了每年省下了多少的一個用電數是吧委員我們目前估算大概有10到11億左右11萬度電11億度一度那大概多少錢你一度的話多少錢如果用平均電價是2.5塊來算應該就是20幾億 |
transcript.whisperx[7].start |
166.006 |
transcript.whisperx[7].end |
193.861 |
transcript.whisperx[7].text |
20幾億那你認為就是說我們每年就是說提供了這個20這個政策上現在跟你討論政策上就是說你用10年去做一個比較那就是說太舊這個電器那這10年這個標準是什麼跟我們有做過研究調查如果是超過10年的電器它的耗電量大概比現在新的標準一級的 |
transcript.whisperx[8].start |
194.381 |
transcript.whisperx[8].end |
221.015 |
transcript.whisperx[8].text |
耗電量再多兩倍也就是二比一的概念所以如果汰換掉過去十年的老舊家電在節電效率是很好的所以十年是一個最精準也是最好的一個汰換那如果超過這個十年呢當然如果還不到十年的時候你們是不是一樣也會跟他汰換掉咧就目前經濟部在推動的老舊家電的汰換補助 |
transcript.whisperx[9].start |
222.045 |
transcript.whisperx[9].end |
239.119 |
transcript.whisperx[9].text |
我們只要是救濟回收有環境部的一個回收證明我們就可以做三千塊的補助那你覺得三千塊多還是少那當初三千塊政策在制定的時候主要是以平均均價一台冷氣機三萬塊的一成來做估算 |
transcript.whisperx[10].start |
239.839 |
transcript.whisperx[10].end |
266.156 |
transcript.whisperx[10].text |
那可是這個是這個好如果我們講是一層啦那如果說你一個套房你一個套房你是裝一台三萬塊的冷氣那如果通常你的房間如果像我們南部我們的房間都是比較大的他其實他買的這個冷氣的一個噸數會是比較大的一個噸數那你這樣補助他一層三千塊會不會稍嫌少 |
transcript.whisperx[11].start |
267.927 |
transcript.whisperx[11].end |
294.933 |
transcript.whisperx[11].text |
我跟委員報告,其實政策的目的是在做一個誘因的一個引導民眾選高效率的加點那三千塊其實是一般家庭在用的這個冷氣機的頓速去做推估的所以黨長,你一直認為說這樣的一個政策從我現在開始一直請教你的時候你認為這個政策一直就是我們持續執行的一個非常好的一個政策 |
transcript.whisperx[12].start |
295.754 |
transcript.whisperx[12].end |
323.745 |
transcript.whisperx[12].text |
是 那是不是跟委員報告一下就是其實家電汰換補助這個政策從112年執行到現在112跟113大概已經就汰換了322萬台那今年持續在執行322萬台 來 那個組長這個民眾在夏天最需要然後也是換冷氣最有感那就是說到2023年下半年到今年的6月其實財政部已經核退了 |
transcript.whisperx[13].start |
325.895 |
transcript.whisperx[13].end |
351.786 |
transcript.whisperx[13].text |
272萬台那這272萬台裡頭其實超過10年的老舊的冷氣至少還有508萬台的老舊冷氣他需要汰換的那如果再經過三年半你可能又會超過500萬台的冷氣要退稅那這一次行政院的一個草案提出來就是說你要延長那個退稅的期限到兩年半那經濟部規劃這兩年半 |
transcript.whisperx[14].start |
354.767 |
transcript.whisperx[14].end |
367.973 |
transcript.whisperx[14].text |
那你如何來推動呢站在那個冷煙署你怎麼建議他呢跟委員報告其實我們在經濟部跟財政部的合作之下我們希望在這個兩年半裡面由經濟部的加減貸款補助來強化整個退稅的一個誘因 |
transcript.whisperx[15].start |
371.465 |
transcript.whisperx[15].end |
390.791 |
transcript.whisperx[15].text |
也就是一台他可能在家庭貸款補助有三千退稅可以拿兩千所以在五千的誘因促使下是不是能夠在兩年半時間所以退稅是退兩千然後基台是補三千那就是總共是五千那有沒有限制就是說你每一個家庭一年只可以換幾次 |
transcript.whisperx[16].start |
392.13 |
transcript.whisperx[16].end |
420.872 |
transcript.whisperx[16].text |
沒有目前沒有那就是也就是用戶還是用人頭來算用電器的台數用電器的台數來算對好謝謝謝謝高組長就是我想請教次長在這個物價上漲的趨勢之下我們除了就是延長退稅的一個期限那我們是不是應該提高更高的一個誘因因為將退稅的上限如果我們提高到就是 |
transcript.whisperx[17].start |
421.452 |
transcript.whisperx[17].end |
439.627 |
transcript.whisperx[17].text |
三千塊以上的話那鼓勵就是我們的民眾加速更新我們的節能家電那就是說也把這個二零五零年的淨零排碳的一個政策目標把它達成你認為可不可行報告委員其實我們現在兩千塊錢的上限以我們現在實際課徵的那個美台的貨物稅的這個金額的話其實是相當的因為我們以這個冷氣機來看的話我就拿冷氣機來看 |
transcript.whisperx[18].start |
449.775 |
transcript.whisperx[18].end |
460.538 |
transcript.whisperx[18].text |
如果是3.6噸以上的它其實每台就是課2500左右那我們現在退稅金額其實2000元已經跟它的那個實際上應稅的金額是相當的所以我們是覺得目前這2000塊錢也是跟我們當時電器工業工會他們一起討論他們都覺得說這個額度是符合我們現在實際上貨物稅課真的狀況 |
transcript.whisperx[19].start |
474.102 |
transcript.whisperx[19].end |
495.968 |
transcript.whisperx[19].text |
像在未來可預期就是那個川普的關稅的一個調整那這個就是美中貿易戰的一個開打事實上就是物價是看來是一定會漲的那如果你這樣的一個能源政策有沒有機會調整因為這是一個鼓勵的一個政策 |
transcript.whisperx[20].start |
496.528 |
transcript.whisperx[20].end |
522.594 |
transcript.whisperx[20].text |
是跟委員報告其實因為我們現在實際上真的幾乎就已經是等於零貨物稅了啦就是退給民眾的其實就已經跟他廠商繳的稅幾乎是相當的那如果像委員講到三千元那就是變成有超額退稅的情況了那目前我們是覺得說也許這兩千元以現行來看還是符合實際上的課徵狀況是不是可以讓我們如果是一個超額的退稅的話 |
transcript.whisperx[21].start |
523.254 |
transcript.whisperx[21].end |
543.693 |
transcript.whisperx[21].text |
他如果說一年他淘汰的那個大概接近300萬台那你們要多付就少收了 台政部會少收多少錢大概是如果以他們現在估計的話我們大概會少收將近20億左右20億好這20億如果轉換就是說在這個電力上的話 划得來划不來 |
transcript.whisperx[22].start |
549.958 |
transcript.whisperx[22].end |
574.281 |
transcript.whisperx[22].text |
是划得來 因為它如果是直接去既然是划得來的話為什麼我們不朝著這樣子一個退稅的一個政策做這樣的一個修正啊可是委員 因為我們現在就是目前我們其實我們財政部提供的這個購買節能家電的這個退稅政策它本身並不需要太舊換新你只要買的是符合節能效率的就可以試用 |
transcript.whisperx[23].start |
574.801 |
transcript.whisperx[23].end |
581.646 |
transcript.whisperx[23].text |
所以他只要新的 只要去購置新的設備就可以有兩千塊錢最高兩千塊錢的稅稅當然就剛剛講的對 然後再加上經濟部這邊他是希望能夠配合我們這個政策做一個太舊換新你去淘汰那個舊的然後去購買新的當然 |
transcript.whisperx[24].start |
594.033 |
transcript.whisperx[24].end |
615.585 |
transcript.whisperx[24].text |
如果是一個好的政策我們的誘因如果可以更多的話那是不是會更好那本席也在建議就是說是不是可以嚴明更積極的一個幫民眾太舊把他就是這些老的家電把它那個就是淘汰掉那加強電氣節能標章還有就是說這些老舊的一個家電的 |
transcript.whisperx[25].start |
616.485 |
transcript.whisperx[25].end |
629.958 |
transcript.whisperx[25].text |
派換的一個宣傳這個就是財政部可以不可以積極的來協定嗎這個跟委員報告是不是我們也跟經濟部起來這個經濟部的事所以不關財政部的事情不是因為這個是補助方面那有沒有機會就是說 |
transcript.whisperx[26].start |
631.799 |
transcript.whisperx[26].end |
654.191 |
transcript.whisperx[26].text |
經濟部跟財政部互相的一個研擬那我們也希望就是說在建一山那就是研擬擴大節能家電退稅的一個種類那我希望就是說在一個月內就是書面書面就是回覆給我好不好好謝謝委員謝謝主席謝謝賴慧如委員接著我們請李坤城委員 |