W8.02.1Speaker-tagged and sound-effect captioning设计
字幕需要标注说话人与非语言的重要音效
别名: 游戏字幕 · sound captions · speaker identification · closed captioning
概念解释
游戏字幕不只是把对白写成文字。完整字幕（closed captioning）包含三层信息：对白内容、说话人标识（谁在说——名字、方向或颜色标记）、重要非语言音效（脚步声从左侧接近、玻璃碎裂、远处的警报）。听障玩家通过字幕重建游戏的声音空间，缺了后两层，他们只能知道「有人说了什么」，不知道「谁说的、声音从哪来、环境正在发生什么」。
机制
声音在游戏中承担三种功能：传递叙事信息（对白）、传递空间信息（方位、距离）、传递状态信息（危险临近、机制触发）。标准字幕只覆盖第一种。空间和状态信息对游戏体验的影响常常大于对白——脚步声提示的是即将到来的遭遇，它的缺失让听障玩家在反应类玩法中处于结构性劣势。说话人标识解决的问题是对话归属：多人场景中屏幕上只有一行「我们该走了」，听障玩家无法知道是哪个角色在说，影响对叙事关系和阵营立场的理解。
边界
不是所有音效都需要字幕。持续的环境音（风声、背景音乐）逐帧标注会产生字幕噪声，反而干扰重要信息的读取。需要标注的判据是「影响玩家决策的声音」：会改变玩家行动的音效标注，纯氛围音不标。字幕的信息密度有上限——一屏同时出现对白加三条音效标注时阅读负担过重，需要按重要度排序和合并。此外，说话人标识的颜色编码对色觉异常玩家无效，需要配合名字前缀或图标。
怎么落地
- 建立音效字幕分级标准：战斗与危险音效必标、叙事相关音效选标、纯氛围音不标，并把标准写进音频资源的元数据。
- 对白字幕统一带说话人标识（名字前缀或分配稳定颜色），多角色同屏对话时每个说话人的字幕位置与其在画面中的位置对应。
- 验证办法：静音通关一段战斗场景，记录每个因缺少信息而误判或漏判的时刻；每个误判对应一条缺失的字幕标注，补上后重复测试。