【锚点】这一篇只钉一个判断：【标准音不是测量基准，而是权力标记】。很多人把“标准发音”当成语言事实的中立零点；社会语言学把它读成一次可检验的阶层分配。

【显式】1966 年 Labov 在纽约市做经典研究，考察部门商店员工在 post-vocalic /r/（如 car、floor）中的 rhotic 发音频率。他按商店社会层级（如 Saks、Macy’s、B. Altman）和语域（正式/非正式）分层，发现高层级商店员工在正式语境中更常发 /r/，低层级更少。这不是“说错”，而是系统分布。

【流程节点链路】：起点（把 /r/ 出现率当作个体发音误差）→ 中间节点（按商店阶层、语域、重复测试做分层比较）→ 终点（发现语音变体频率与阶层位置和风格控制共同相关）。

【隐式】如果计算社会科学把“非标准发音”当噪声清洗掉，模型学到的不是语言，而是谁被允许进入标准样本。语音识别的错误率差异常常不是单纯声学问题：语料、标注、评测集都可能把标准口音设为低错误目标。

【细微】Labov 数据里还有“超校正”：当说话者意识到自己在被录音，部分中层级说话者会把 /r/ 发得比自然更足。这说明测量行为本身会改变社会表演。

【极难发现】真正的冲突不在“标准 vs 非标准”，而在【测量误差归属】：系统把非标准者的发音偏差记为个体错误，而不是把标准音记为制度选择。于是技术错误被社会化为语言能力问题。

可检验命题：若同一语音识别系统在控制噪声、词汇、语速后，对非标准口音的错误率仍显著更高，且错误类型集中在社会标记音素，那么差距至少部分是语料权力问题，不是纯声学问题。

结尾问题：当转写系统给“标准音”更高置信度，它是在测量语音，还是在宣布哪种口音更值得被听见？