D2.12.1Captions and prosody loss设计研究
字幕承载声音中的语言内容但难以还原语气与紧迫感
别名: captions · subtitles · prosody · accessibility
概念解释
字幕能承载语言内容，却难以还原语气与紧迫感。台词转写之后，「我没事」这句话的文字是完整的，但其中疲惫、勉强或警告的意味不在字面里。对听障读者而言，缺失的不是词，而是词被怎么说。
机制
语气信息由韵律承载：音高走向、重音位置、语速与停顿共同表达说话者的态度与紧迫程度，而文字系统本身没有对应记号。若转写者不做额外标注，这些维度在转写过程中直接归零。后果在需要判断紧迫性的场景最明显：一句在语音里听起来是惊呼的话，在字幕里可能与陈述句无异，读者据此判断是否需要立即行动就会偏保守。
怎么研究
可比较纯音频、纯字幕与音视频三种呈现下，读者对说话者情绪、紧迫度与行动必要性的判断，测量判断准确率与一致性。变量包括是否提供语气标注（括号描述、标点强化、速度提示）与内容本身的情感强度。因变量应包含误判方向，因为「把紧急判断成平静」与「把平静判断成紧急」的代价并不对称。
边界
当内容本身是纯信息传达、说话者态度不重要时，语气缺失影响很小，例如航班登机口变更。若台词中的情感由措辞直接承载（「立刻离开」），文字已经足够，韵律只起强化作用。字幕无法替代音乐与音效所承载的情绪，那一部分属于需要额外描述的范围。
怎么落地
- 在语气影响理解的场合加入简短的语气标注，例如「（迟疑）」「（急促地）」。
- 用标点与换行强化紧迫度，避免把惊呼写成平淡的陈述句。
- 对需要立即行动的内容，同时给出明确的行动指示，不让读者依赖语气推断。
- 验证方式：让只读字幕的用户判断说话者的情绪与是否需要立即行动，与只听音频的用户对照；若判断方向系统性偏保守，说明语气信息未被补足。