别把『转写』当记录:语音转文字会丢掉『停顿归属』,而停顿才是协作证据
【锚点】这一讲只钉一个判断:【田野转写不是把声音变成文字,而是把『谁在何时接话』变成可复现的事件序列;只保留文字,最关键的证据——停顿归属——就消失了。】
【显式】一段 3 分钟访谈,转写后常只剩 450 个词。若 A 说“我觉得……”后停 2.1 秒,B 才接“嗯,然后呢?”,文字版会写成 A: 我觉得 / B: 嗯然后呢。两个版本在“内容”上几乎一样,但互动结构完全不同。
【流程节点链路】录音 → 切分 turn → 标注说话人/时间戳 → 标注停顿/重叠/修正 → 生成事件序列 → 才能做“谁控制话题”的统计。少掉中间任何一步,后面所有“谁主动”的结论都会变成对文字的想象。
【隐式】很多人以为“停顿”是噪音,要清理掉;但在会话分析里,停顿是【next-talk transition】的标尺。Jefferson 的转写规范会把 0.2 秒、0.5 秒、1.0 秒的停顿写成不同符号;这不是排版洁癖,而是把时间差变成可比较对象。正常 turn 切换常在 0.2 秒量级,而超过 0.5 秒、1 秒的停顿往往意味着【思考、拒绝、权力不对等或话题交接失败】。你把 0.2 秒和 2 秒都压成换行,等于把“顺畅”和“卡住”画成同一个点。
【细微】数据可视化这里有一个坑:如果你按 turn 序号画横轴,45 个 turn 就是 45 个等宽格子;0.2 秒和 2 秒都被画成一样宽。真正的横轴必须是【真实时间】,否则“沉默”会被等宽格子抹平,读者看到的是“均匀发言”,不是“谁在卡住”。
【极难发现】更隐蔽的是:同一个 1.2 秒停顿,如果发生在 A 说完后、B 接话前,它属于 B 的接话延迟;如果发生在 B 开口前但 A 已准备继续,它可能属于 A 的自我修复。文字转写没有“停顿归属”,就无法区分“B 在犹豫”和“A 在让话轮”。
【开放科学】最反直觉的是:开放科学里最该共享的往往不是“原始音频”,而是“事件层”。原始音频不可复算,事件层才可复算。你共享 3 小时音频,别人只能重新听;你共享 3000 个带时间戳的 turn、pause、overlap、repair 事件,别人才能检验你的“谁主导对话”是不是被某个 1.8 秒沉默撑起来的。
【如果你的田野分析只依赖文字转写,你还能证明“谁在控制对话”吗?还是你只证明了“谁说了哪些词”?】






0 Comments