# 自动字幕与转录：机器如何把声音变成第三人称文件

本文为研究档案公开版，保留来源版本的论述与限制。公开时间：2026-09-08；不表示已完成同行评审。 本文属于公开研究资料（历史笔记、研究稿或来源记录）：已完成格式、来源限制与重复项筛查，尚未完成逐篇独立事实复核；原文中的解释、候选判断和未确认内容均按其原有限制阅读。

来源版本日期：2026-06-18

证据边界：本页只讨论自动字幕、语音转写和机器转录如何把声音转成可读、可检索、可误用的第三人称文件，作为 025/027/044/045 的 T4 形式参照；不把自动字幕或转录结果反向用于裁决《人类投降派》片内声源归属、人物心理、真实关系、consent、现实伤害、导演意图、生产史或全片终极解释。

# 自动字幕与转录：机器如何把声音变成第三人称文件

## 基本对象

自动字幕和转录表面上是在“帮我们听清”。

但从人称角度看，它不是单纯帮忙。

它做的是一次很大的转换：

```text
声音离开身体。
机器接住声音。
声音被压成文字。
文字进入检索。
检索再把文字带回来。
```

这不是中性的。

声音一旦被转成字，它就变硬了。

它从一次正在发生的声音，变成一个可以复制、搜索、引用、剪贴、误读的第三人称文件。

所以本页的核心句是：

```text
字幕接嘴，但不是嘴。
转录保存声音，也会把声音压扁成文件。
```

## 人称机制

### 第一人称：我说过的话离开我

人以为声音属于说话者。

但转录一出现，说话者和声音就分开了。

一句“我”被写下来以后，它不再只在那张嘴里。

它变成文件里的“我”。

文件里的我可以被复制，可以被截取，可以被重新排序，也可以被别人拿去证明别的东西。

这就是第一人称的危险：

```text
我说过，不等于文件里的我仍然归我。
```

这能直接帮助卷三。

声音离开身体以后，不是获得自由。

它进入另一套保存和误用制度。

### 第三人称：声音被放远，成为材料

转录最强的动作，是把声音第三人称化。

原来那句话有呼吸、迟疑、速度、断裂、口误、情境、身体。

转录把它压成一行字。

这一行字看起来更清楚，实际上也更危险。

因为读者很容易把“可读”误认为“可懂”。

所以必须写清楚：

```text
可检索，不等于可理解。
可引用，不等于可结案。
```

第三人称不是坏东西。

没有第三人称，材料无法被保存。

但第三人称一旦装成真相，就会开始吃掉声音原来的阻力。

### 第六人称：机器替声音排队

自动字幕不是一个人在听。

它是麦克风、模型、时间码、字幕轨、播放器、平台、搜索系统一起工作。

这就是第六人称。

机器不只是“转写”。

机器会决定：

```text
哪一句先出现。
哪一个词被识别。
哪里断句。
谁的声音被压成同一种字体。
哪些声音被当成噪声丢掉。
```

这就是技术幽灵性最具体的地方。

机器没有身体，却能反复回来听人。

机器不会负责，却能让某一句话变得像证据。

### 第四人称：观众被字幕带着听

自动字幕还会改变观众。

没有字幕时，观众听声音。

有字幕时，观众常常跟着字听声音。

字幕会提前替观众切分、命名、稳定声源。

这就让第四人称发生偏移：

```text
大家不是一起听声音。
大家开始一起读机器给出的声音版本。
```

这对《人类投降派》尤其危险。

因为本片里很多关键处不该被过快稳定。

声源不稳、说话不稳、字幕空窗、声音退席，都不能被机器字幕直接抹平。

## 作用链

```text
声音发生
-> 机器拾取
-> 自动切分
-> 字幕成行
-> 声音被第三人称化
-> 文字进入搜索和引用
-> 后来的机器继续召回
-> Owner 必须停手审查
```

## 对 000-048 的接口

| 小节 | 自动字幕/转录提供的动作 | 写作提醒 |
|---|---|---|
| 021 声音不住在嘴里 | 声音可以离开身体进入设备。 | 不把离身写成自由。 |
| 023 画外音不是内心 | 被写下的声音不等于心理独白。 | 字幕不是内心证明。 |
| 025 字幕不是原声 | 字幕接嘴，但不是嘴。 | 这节可直接吸收本卡。 |
| 027 听见不等于知道 | 听见、看见字幕、读到转录都不等于懂。 | 反对机器结案。 |
| 040 搜索把过去重新点名 | 转录让声音进入召回机器。 | 召回不是理解。 |
| 044 写在那里不等于是真的 | 文字存在不等于事实成立。 | 必须保留证据层级。 |
| 045 索引决定谁先开口 | 转录和字幕改变材料的出场顺序。 | 索引不是法官。 |

## 可迁移硬句

```text
字幕接嘴，但不是嘴。
```

```text
机器把声音写下来，不等于机器听懂了人。
```

```text
可检索，不等于可理解。
可引用，不等于可结案。
```

```text
转录不是把声音救出来。
转录也会把声音押进文件里。
```

## 风险边界

不能写成：

- 自动字幕等于片内原声。
- 转录结果等于声源归属已经成立。
- 字幕文本可以替代画面、声音和身体的证据。
- 机器识别出的词可以直接裁决人物心理、真实关系、consent 或现实伤害。
- 可检索材料越多，理解就越充分。

更稳的写法是：

```text
自动字幕和转录只提供一种形式参照：
声音可以被机器转成可检索文件。
但文件不是声音本身。
回到电影时，仍要看声画事实、字幕状态、时间码、上下文和人工审查。
```

## 升格判断

建议保留 P1，但靠近 P0。

理由：

```text
这张卡本身不一定要成为主干作品卡。
但它能强力支撑卷三和卷六：
卷三要说明声音如何离开身体；
卷六要说明机器如何把人的话重新召回。
```

进入前台正文时，不必讲完整技术流程。

只要让读者被这句话拦住：

```text
看见字幕，不等于听见人。
```